取 lena_std.tif 文件，将其转换为灰度图，记作 img。统计 img 图像，生成一 个 256 × 256 的矩阵；其中，矩阵的两个维度分别表示相邻的左右两个像素的灰度值，矩阵的每一个元 素表示该像素对存在的个数。最后，将此矩阵绘制成空间图像，

首先，你需要安装一些Python库来处理图片，比如PIL（用于读取和操作图像）和matplotlib（用于绘制图像）。如果你还没有安装，可以使用pip进行安装：

pip install pillow matplotlib

然后，你可以按照以下步骤操作：

1. 使用PIL打开 Lena_std.tif 文件并转换为灰度图：

from PIL import Image

# 打开图片
img = Image.open('lena_std.tif')
# 转换为灰度图
gray_img = img.convert('L')

2. 创建一个 256x256 矩阵，元素表示像素对的数量：

width, height = gray_img.size
matrix = [[0] * width for _ in range(height)]  # 初始化一个二维列表

for i in range(height):
    for j in range(width - 1):  # 避免数组越界
        matrix[i][j] = (gray_img.getpixel((j, i)) + gray_img.getpixel((j+1, i))) // 2  # 计算灰度值之和并除以2得到平均值
        # 对角线方向的像素对忽略，这里只计算水平和垂直方向

3. 绘制矩阵作为空间图像：

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(8, 8))
heatmap = ax.imshow(matrix, cmap='gray', interpolation='nearest')  # 使用灰色显示，并设置插值方法
plt.colorbar(heatmap)  # 显示颜色条
plt.show()