前面的一些例子中，我们都是利用Image.open（）来打开一幅图像，然后直接对这个PIL对象进行操作。如果只是简单的操作还可以，但是如果操作稍微复杂一些，就比较吃力了。因此，通常我们加载完图片后，都是把图片转换成矩阵来进行更加复杂的操作。
python中利用numpy库和scipy库来进行各种数据操作和科学计算。我们可以通过pip来直接安装这两个库
pip install numpy
pip install scipy
以后，只要是在python中进行数字图像处理，我们都需要导入这些包：
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
打开图像并转化为矩阵，并显示：
fromPILimport Imageimport numpy as npimport matplotlib.pyplot as plt
img=np.array(Image.open('d:/lena.jpg')) #打开图像并转化为数字矩阵
plt.figure("dog")
plt.imshow(img)
plt.axis('off')
plt.show()
调用numpy中的array（）函数就可以将PIL对象转换为数组对象。
查看图片信息，可用如下的方法：
print img.shape
print img.dtype
print img.size
printtype(img)
如果是RGB图片，那么转换为array之后，就变成了一个rows*cols*channels的三维矩阵,因此，我们可以使用
img[i,j,k]
来访问像素值。
例1：打开图片，并随机添加一些椒盐噪声
fromPILimport Imageimport numpy as npimport matplotlib.pyplot as plt
img=np.array(Image.open('d:/ex.jpg'))#随机生成5000个椒盐rows,cols,dims=img.shapeforiinrange(5000):
x=np.random.randint(0,rows)
y=np.random.randint(0,cols)
img[x,y,:]=255
plt.figure("beauty")
plt.imshow(img)
plt.axis('off')
plt.show()
例2：将lena图像二值化，像素值大于128的变为1，否则变为0
fromPILimport Imageimport numpy as npimport matplotlib.pyplot as plt
img=np.array(Image.open('d:/pic/lena.jpg').convert('L'))
rows,cols=img.shapeforiin range(rows):
forjin range(cols):
if(img[i,j]<=128):
img[i,j]=0
else:
img[i,j]=1
plt.figure("lena")
plt.imshow(img,cmap='gray')
plt.axis('off')
plt.show()
plt.savefig("./11.jpg")
如果要对多个像素点进行操作，可以使用数组切片方式访问。切片方式返回的是以指定间隔下标访问 该数组的像素值。下面是有关灰度图像的一些例子：
img[i,:] = im[j,:]# 将第 j 行的数值赋值给第 i 行
img[:,i] = 100# 将第 i 列的所有数值设为 100
img[:100,:50].sum()# 计算前 100 行、前 50 列所有数值的和
img[50:100,50:100]# 50~100 行，50~100 列（不包括第 100 行和第 100 列）
img[i].mean() # 第 i 行所有数值的平均值
img[:,-1]# 最后一列
img[-2,:] (orim[-2])# 倒数第二行
