请用python写一个灰度共生矩阵计算程序，计算4个方向的共生矩阵

好的，下面是一个简单的灰度共生矩阵计算程序，可以计算4个方向的共生矩阵：

import numpy as np
from PIL import Image

def calculate_glcm(image, dx, dy):
    # 将图像转换为灰度图像
    gray_image = image.convert('L')
    # 将灰度图像转换为 numpy 数组
    gray_array = np.array(gray_image)
    # 计算图像的最大灰度值
    max_gray_level = int(gray_array.max()) + 1
    # 初始化共生矩阵
    glcm = np.zeros((max_gray_level, max_gray_level), dtype=np.uint32)
    # 计算共生矩阵
    for i in range(dx, gray_array.shape[0]):
        for j in range(dy, gray_array.shape[1]):
            # 当前像素的灰度值
            current_gray = int(gray_array[i][j])
            # 相邻像素的灰度值
            neighbor_gray = int(gray_array[i-dx][j-dy])
            # 更新共生矩阵
            glcm[current_gray][neighbor_gray] += 1
    # 对共生矩阵进行归一化
    glcm = glcm / glcm.sum()
    return glcm

# 读取图像
image = Image.open('lena.png')
# 计算水平方向的共生矩阵
glcm_horizontal = calculate_glcm(image, 0, 1)
# 计算垂直方向的共生矩阵
glcm_vertical = calculate_glcm(image, 1, 0)
# 计算45度方向的共生矩阵
glcm_45 = calculate_glcm(image, 1, 1)
# 计算135度方向的共生矩阵
glcm_135 = calculate_glcm(image, -1, 1)

在这个程序中，我们首先读取了一张图像，然后分别计算了水平方向、垂直方向、45度方向和135度方向的共生矩阵。计算共生矩阵的过程中，我们使用了 numpy 数组来存储图像的灰度值和共生矩阵。在计算共生矩阵之后，我们对共生矩阵进行了归一化，以便于后续的处理。