采用非深度学习方法，应编写程序，分类别逐张读取图片，对图片进行压缩、转灰度、保存为csv数据集，包括特征集和目标集。

好的，这是一个比较常见的图像处理任务，你可以采用Python语言，使用OpenCV库来实现。

以下是大致的步骤：

1. 导入OpenCV库和其他需要的库

import cv2
import os
import numpy as np
import pandas as pd

2. 定义函数，用于读取图片并进行预处理

def preprocess_image(image_path):
    # 读取图片
    image = cv2.imread(image_path)
    # 压缩图片
    image = cv2.resize(image, (100, 100))
    # 转换为灰度图像
    gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # 将灰度图像展平成一维数组
    flattened_image = gray_image.flatten()
    # 返回展平后的数组
    return flattened_image

3. 逐张读取图片并进行预处理，并保存为csv数据集

# 定义特征集和目标集
features = []
targets = []

# 设置图片目录
image_dir = "path/to/image/folder"

# 遍历图片目录下的所有图片文件
for filename in os.listdir(image_dir):
    # 构建完整的图片路径
    image_path = os.path.join(image_dir, filename)
    # 预处理图片
    flattened_image = preprocess_image(image_path)
    # 将预处理后的图片添加到特征集中
    features.append(flattened_image)
    # 提取图片类别，并添加到目标集中
    target = filename.split("_")[0]
    targets.append(target)

# 将特征集和目标集转换为numpy数组
features = np.array(features)
targets = np.array(targets)

# 将特征集和目标集保存为csv文件
df = pd.DataFrame(features)
df["target"] = targets
df.to_csv("path/to/csv/file", index=False)

以上就是一个简单的非深度学习方法的图像处理程序，可以将图片逐张读取，并进行压缩、转灰度等处理后，保存为csv数据集。当然，这只是一个简单的示例，实际应用时还需要根据具体需求进行修改和优化。