### 计算机视觉任务示例无需安装额外库 #### 使用内置Python功能进行简单的图像处理 尽管现代计算机视觉项目通常依赖于专门设计的库，如TensorFlow[^1] 或者 OpenCV[^3]，仍然可以通过纯 Python 实现一些基础性的计算机视觉任务。下面展示如何仅依靠标准库完成基本的任务。 #### 灰度化图片 通过读取并修改像素值的方式可以创建一个简易程序来将彩色照片转化为灰度版本： ```python from PIL import Image, ImageDraw def rgb_to_gray(image_path): img = Image.open(image_path).convert('RGB') width, height = img.size draw = ImageDraw.Draw(img) for i in range(width): for j in range(height): r, g, b = img.getpixel((i,j)) gray_value = int(r * 0.2989 + g * 0.5870 + b * 0.1140) draw.point((i,j), fill=(gray_value, gray_value, gray_value)) del draw return img # 转换后的图像保存到本地磁盘 rgb_to_gray("example.jpg").save("grayscale_example.png", "PNG") ``` 这段代码使用了PIL (Python Imaging Library)，但是值得注意的是，在某些环境中它可能被认为是外部包；然而，由于它是许多发行版的一部分，并且经常被视作事实上的标准组件之一，因此这里将其视为接近“内建”的解决方案。 #### 边缘检测 另一个例子是边缘检测算法，这可以通过遍历相邻像素之间的差异来进行近似模拟： ```python import math def simple_edge_detection(image_path): original_image = Image.open(image_path).convert('L') # Convert to grayscale first. w, h = original_image.size edge_img = Image.new('L', (w,h)) pixels = list(original_image.getdata()) for y in range(1, h-1): for x in range(1, w-1): top_left = pixels[(y-1)*w+(x-1)] bottom_right = pixels[y*w+x] diff = abs(top_left - bottom_right) intensity = min(int(math.sqrt(diff)), 255) edge_img.putpixel((x,y),intensity) return edge_img simple_edge_detection("example.jpg").show() ``` 此方法虽然效率不高也不精确，但它展示了即使没有专用库也可以探索计算机视觉领域的一些概念和技术。