我通过谷歌找到了这个问题，寻找一种将已经加载的图像转换为灰度的方法。

下面是一种使用SciPy的方法:

import scipy.misc
import scipy.ndimage

# Load an example image
# Use scipy.ndimage.imread(file_name, mode='L') if you have your own
img = scipy.misc.face()

# Convert the image
R = img[:, :, 0]
G = img[:, :, 1]
B = img[:, :, 2]
img_gray = R * 299. / 1000 + G * 587. / 1000 + B * 114. / 1000

# Show the image
scipy.misc.imshow(img_gray)

你可以使用OpenCV的imread从一开始就读取灰度图像文件:

img = cv2.imread('messi5.jpg', 0)

此外，如果你想读取图像为RGB，做一些处理，然后转换为灰度，你可以使用cvtcolor从OpenCV:

gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

OpenCV很简单:

import cv2

im = cv2.imread("flower.jpg")

# To Grayscale
im = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
cv2.imwrite("grayscale.jpg", im)

# To Black & White
im = cv2.threshold(im, 127, 255, cv2.THRESH_BINARY)[1]
cv2.imwrite("black-white.jpg", im)

使用img.Convert()，支持“L”，“RGB”和“CMYK”。”模式

import numpy as np
from PIL import Image

img = Image.open("IMG/center_2018_02_03_00_34_32_784.jpg")
img.convert('L')

print np.array(img)

输出:

[[135 123 134 ...,  30   3  14]
 [137 130 137 ...,   9  20  13]
 [170 177 183 ...,  14  10 250]
 ..., 
 [112  99  91 ...,  90  88  80]
 [ 95 103 111 ..., 102  85 103]
 [112  96  86 ..., 182 148 114]]

使用这个公式

Y' = 0.299 R + 0.587 G + 0.114 B 

我们可以

import imageio
import numpy as np
import matplotlib.pyplot as plt

pic = imageio.imread('(image)')
gray = lambda rgb : np.dot(rgb[... , :3] , [0.299 , 0.587, 0.114]) 
gray = gray(pic)  
plt.imshow(gray, cmap = plt.get_cmap(name = 'gray'))

然而，将彩色图像转换为灰度图像的GIMP软件有三种算法来完成这项任务。

当一个像素在所有3个颜色通道(RGB)中的值相同时，该像素将始终处于灰度格式。

将RGB图像转换为灰度的一个简单而直观的方法是通过取每个像素中所有颜色通道的平均值并将值分配回该像素。

import numpy as np
from PIL import Image

img=np.array(Image.open('sample.jpg')) #Input - Color image
gray_img=img.copy()

for clr in range(img.shape[2]):
    gray_img[:,:,clr]=img.mean(axis=2) #Take mean of all 3 color channels of each pixel and assign it back to that pixel(in copied image)

#plt.imshow(gray_img) #Result - Grayscale image

输入图像:

输出图像: