本文转自https://www.cnblogs.com/zwq-zju/p/9721613.html
基本原理
灰度图分两种情况：
单通道的图片
RGB 三通道的图片，但是每个通道的值相等
对于单通道的图片只需要判断图片的通道值是否为1
对于RGB模式的图片，情况稍稍复杂些。理论上只需判断RGB三个通道的值是否相等，但是现实中灰度图常常各通道间存在轻微差异，但是人眼难以察觉，依旧可以认为是灰度图。所以现实中，应该判断三个通道间的差异大小比较合理。
这里采取的策略是计算三个通道间像素值的差的方差的均值，小于一定阈值的就判断为灰度图。
实现
下面用python做个示例：
只需要用到 PIL 和 numpy
代码：
import numpy as np
from PIL import Image
# 黑白照片（灰度图）识别
def isGrayMap(img, threshold = 15):
"""
入参：
img：PIL读入的图像
threshold：判断阈值，图片3个通道间差的方差均值小于阈值则判断为灰度图。
阈值设置的越小，容忍出现彩色面积越小；设置的越大，那么就可以容忍出现一定面积的彩色，例如微博截图。
如果阈值设置的过小，某些灰度图片会被漏检，这是因为某些黑白照片存在偏色，例如发黄的黑白老照片、
噪声干扰导致灰度图不同通道间值出现偏差（理论上真正的灰度图是RGB三个通道的值完全相等或者只有一个通道，
然而实际上各通道间像素值略微有偏差看起来仍是灰度图）
出参：
bool值
if len(img.getbands()) == 1:
return True
img1 = np.asarray(img.getchannel(channel=0), dtype=np.int16)
img2 = np.asarray(img.getchannel(channel=1), dtype=np.int16)
img3 = np.asarray(img.getchannel(channel=2), dtype=np.int16)
diff1 = (img1 - img2).var()
diff2 = (img2 - img3).var()
diff3 = (img3 - img1).var()
diff_sum = (diff1 + diff2 + diff3) / 3.0
if diff_sum <= threshold:
return True
else:
return False
img = Image.open(path)
res = isGrayMap(img)
