在Python中，使用OpenCV库获取灰度图有多种方式。以下是三种常见的方法：
方法一：使用cvtColor函数
OpenCV的cvtColor函数可以将彩色图像转换为灰度图像。以下是一个示例代码：

import cv2
# 读取彩色图像
img = cv2.imread('image.jpg')
# 使用cvtColor函数转换为灰度图像
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 显示灰度图像
cv2.imshow('Grayscale Image', gray_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们首先使用imread函数读取一张彩色图像。然后，使用cvtColor函数将图像从BGR色彩空间转换为灰度空间。最后，使用imshow函数显示灰度图像。
方法二：使用灰度掩码
我们还可以通过创建一个灰度掩码来获取灰度图像。以下是一个示例代码：

import cv2
import numpy as np
# 读取彩色图像
img = cv2.imread('image.jpg')
# 创建一个全黑的灰度掩码
mask = np.zeros(img.shape[:2], dtype=np.uint8)
# 将彩色图像与灰度掩码进行按位与运算，得到灰度图像
gray_img = cv2.bitwise_and(img, mask)
# 显示灰度图像
cv2.imshow('Grayscale Image', gray_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们首先创建一个全黑的灰度掩码，其大小与输入图像相同。然后，使用bitwise_and函数将彩色图像与灰度掩码进行按位与运算，得到灰度图像。最后，使用imshow函数显示灰度图像。
方法三：使用numpy的dot函数和flatten函数
我们还可以使用numpy的dot函数和flatten函数来获取灰度图像。以下是一个示例代码：
```python
import cv2
import numpy as np

读取彩色图像

img = cv2.imread(‘image.jpg’)

将BGR图像转换为RGB图像（numpy默认使用RGB格式）

img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

将RGB图像展平为一维向量，并计算均值得到灰度值（0-255）

gray_value = np.dot(img, [0.07056314, 0.76398698, 0.1848247]) / 0.11059465 * 255
gray_img = np.full(img.shape, gray_value).flatten() / 255
gray_img = gray_img.astype(np.uint8)

显示灰度图像

cv2.imshow(‘Grayscale Image’, gray_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
```在这个例子中，我们首先将BGR图像转换为RGB图像，然后展平为一维向量。接着，我们计算均值得到灰度值，并将其转换为0-255范围内的整数。最后，我们使用full函数创建一个全黑的灰度图像，并使用flatten函数将其展平为一维向量。最后，我们将结果转换为uint8类型，并使用imshow函数显示灰度图像。