首先，我们知道要是图片的大小为80*60，生成的数据就会有80*60个，这样要是图片多的话，csv得到数据就是很多，我们可以考虑把图片缩小

我的图片都是放在目录E:\machineStudy\ta-lib\picture下

我们将灰度图片转为csv，一般都是用来做神经网络学习，一般我们都是给不同的情况贴上标签，我这里就是将10中不同的情况贴上0-9的标签，0-9目录下存在不同情况的图片，我们要做的就是将每个目录下的灰度图都转为csv格式数据，一个图片对应一行数据，并且在csv文件中的第一位存放着我们的标签，也就是0-9的数字。这里要注意，我一开始就说了，我们灰度图的图片可能会很大，我的就是80*60，csv得到的数据会很多，打开文件都得花很长时间，所以我们就可以考虑将我们的图片放小。

程序代码：

# -*- coding:utf-8 -*-
import csv
import os
import cv2
#图片所在的目录
IMG_DIR = r"E:\machineStudy\ta-lib\picture"


def convert_img_to_csv(img_dir):
    #这个是输出文件的位置，自己定义
    with open(r'E:\machineStudy\ta-lib\picture\train_data.csv', 'w',
              newline='') as f:
        column_name = ['label']
        #这里图片的大小为80*60，生成的数据就会有80*60个，csv文件一行是放不下的，所以我们要把图片放小
        column_name.extend('pixel%d' % i for i in range(80 * 60))

        writer = csv.writer(f)
        writer.writerow(column_name)

        for i in range(10):
            img_file_path = os.path.join(img_dir, str(i))
            img_list = os.listdir(img_file_path)
            print(img_file_path)

            for img_name in img_list:
                img_path = os.path.join(img_file_path, img_name)
                img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
                #下面两行是将图片放小为原来的1/8，
                x, y = img.shape[0:2]
                img_test1 = cv2.resize(img, (int(y / 8), int(x / 8)))

                image_data = [i]
                image_data.extend(img_test1.flatten())
                # print(image_data)
                writer.writerow(image_data)


if __name__ == "__main__":
    convert_img_to_csv(IMG_DIR)

控制台输出遍历完的文件目录名

查看生成的train_data.csv文件

第一列就是我们不同的标签，其他列就是我们图片的像素，一行就是一个图片的数据