如何用Python或Scilab将黑白图像转换为像素值矩阵

Python 实现 #

方法1：使用 PIL + NumPy #

• 安装依赖：pip install pillow numpy
• 代码示例：

from PIL import Image
import numpy as np

# 加载图像并转为8位灰度模式
img = Image.open("your_image.png").convert("L")
# 转换为NumPy矩阵，形状为(高度, 宽度)，元素值范围0-255
gray_matrix = np.array(img)

# 验证输出
print("矩阵形状(高度, 宽度):", gray_matrix.shape)
print("左上角5x5灰度值:\n", gray_matrix[:5, :5])

• 说明：convert("L") 会将图像转为单通道灰度图，生成的NumPy数组行对应图像高度，列对应宽度，0代表纯黑，255代表纯白。

方法2：使用 OpenCV #

• 安装依赖：pip install opencv-python numpy
• 代码示例：

import cv2
import numpy as np

# 直接以灰度模式读取图像，返回矩阵形状为(高度, 宽度)
gray_matrix = cv2.imread("your_image.png", cv2.IMREAD_GRAYSCALE)

# 验证输出
print("矩阵形状:", gray_matrix.shape)
print("灰度值范围:", np.min(gray_matrix), "-", np.max(gray_matrix))

• 说明：cv2.IMREAD_GRAYSCALE 参数会跳过彩色通道，直接读取为8位灰度矩阵，无需额外转换，值范围同样是0-255。

Scilab 实现 #

• 代码示例：

# 读取图像文件
img = imread("your_image.png");
# 若图像为彩色，转为灰度（黑白图像可省略此步）
gray_img = rgb2gray(img);
# 灰度图本身即为目标矩阵，形状为(高度, 宽度)
gray_matrix = gray_img;

# 验证输出
disp("矩阵形状(高度, 宽度):", size(gray_matrix));
disp("左上角5x5灰度值:", gray_matrix(1:5, 1:5));

• 说明：rgb2gray 会将彩色图像转为单通道灰度图，生成的矩阵行对应图像高度，列对应宽度，灰度值0（黑）到255（白）。

内容的提问来源于stack exchange，提问作者N1x1T4