### 使用 Python 获取图像灰度值 为了实现这一目标，可以采用多种库和技术路径。其中最常用的是 `PIL` (即 Pillow 库)，以及 NumPy 和 OpenCV 这样的科学计算工具。 #### 方法一：利用 PIL 和 Numpy 处理图像数据 通过导入必要的模块之后，可以从指定位置加载一张彩色或黑白图片，并将其转换成灰度格式： ```python from PIL import Image import numpy as np def get_grayscale_values(image_path): img = Image.open(image_path).convert('L') # 将图像转化为灰度模式 'L' grayscale_array = np.array(img) # 转化为NumPy数组以便于后续操作 return grayscale_array # 返回表示灰度级别的二维矩阵 ``` 此函数会返回一个由整数构成的二维列表，每个元素代表对应像素点上的亮度强度[^1]。 对于更复杂的场景下可能还需要统计整个画面内的平均亮度或其他特征量，在上述基础上稍加修改即可满足需求: ```python average_brightness = np.mean(grayscale_array) print(f"The average brightness of the image is {average_brightness}") ``` 这段代码片段展示了如何简单地计算出给定图像文件中的所有像素点的平均灰度值[^4]。 #### 方法二：借助 OpenCV 实现交互式查询特定坐标处的灰度信息 如果希望实时获取鼠标指针所在位置的具体数值，则可以通过设置回调机制监听用户的点击动作，从而动态更新显示区域的内容： ```python import cv2 def mouse_click(event, x, y, flags, param): if event == cv2.EVENT_LBUTTONDOWN: gray_image = cv2.cvtColor(param['img'], cv2.COLOR_BGR2GRAY) pixel_value = gray_image[y,x] print(f"Pixel at ({x},{y}) has intensity value: {pixel_value}") # 加载图像并创建窗口用于展示 cv_img = cv2.imread('example.png') cv2.namedWindow('Image Viewer') # 设置参数字典传递额外变量至回调函数内 params = {'img': cv_img} cv2.setMouseCallback('Image Viewer', mouse_click, params) while True: cv2.imshow('Image Viewer', cv_img) key = cv2.waitKey(1) & 0xFF if key == ord("q"): break cv2.destroyAllWindows() ``` 这里定义了一个名为 `mouse_click()` 的事件处理器，当检测到左键按下时就会调用它；与此同时还注册了另一个循环结构用来持续刷新界面直到用户主动终止程序运行[^5]。