选一幅自己的照片，编程实现显示照片（原图可显示彩色或者灰度均可）以及灰度直方图（灰度图像对应的灰度直方图） 代码部分可参考课件例题代码。最后需要提交代码截图以及运行结果截图

在Python中，我们可以使用PIL（Pillow库）来处理图片，OpenCV则可以用于灰度转换和直方图计算。以下是基本步骤和一个简单的示例代码：

首先，确保已安装Pillow和OpenCV库，如果没有，可以通过`pip install pillow opencv-python-headless`进行安装。

from PIL import Image
import cv2

# 加载图片
def load_image_and_convert(image_path):
    # 使用PIL打开图片
    img_pil = Image.open(image_path)
    
    # 将PIL图片转为灰度图像
    img_gray_pil = img_pil.convert('L')  # 'L'代表灰度模式
    
    # 使用OpenCV加载并转换为灰度
    img_cv = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)  # cv2.IMREAD_GRAYSCALE直接读取为灰度

    return img_pil, img_gray_pil, img_cv

# 显示原图
def display_images(imgs):
    for img in imgs:
        img.show()

# 计算灰度直方图
def calculate_histogram(img_gray):
    hist = cv2.calcHist([img_gray], [0], None, [256], [0, 256])
    plt.plot(hist)
    plt.xlim([0, 256])
    plt.ylabel('Frequency')
    plt.xlabel('Grayscale Value')
    plt.title('Gray Scale Histogram')

# 主函数
def main():
    image_path = 'your_image_path.jpg'  # 替换为你要展示的图片路径
    original_img, gray_pil_img, gray_cv_img = load_image_and_convert(image_path)
    
    display_images([original_img, gray_pil_img])  # 显示原图和灰度图
    calculate_histogram(gray_cv_img)  # 计算灰度直方图并显示

if __name__ == "__main__":
    main()