from PIL import Image import numpy as np import matplotlib.pyplot as plt img = Image.open("work/Lena_RGB.jpg") plt.imshow(img) plt.show() plt.close() img_arr = np.array(img) h,w = img_arr.shape gray_levels = np.arange(256) freq = np.zeros(256) for i in range(h): for j in range(w): freq[img_arr[i, j]] += 1 prob = freq / (h * w) 检查并改正代码

在代码中有一个缺失的部分，需要计算出图像的灰度值后再计算灰度直方图。

以下是更正后的代码：

from PIL import Image 
import numpy as np 
import matplotlib.pyplot as plt 

img = Image.open("work/Lena_RGB.jpg")
plt.imshow(img)
plt.show()
plt.close()

img_gray = img.convert('L') # 转换为灰度图像
img_arr = np.array(img_gray)
h, w = img_arr.shape 

gray_levels = np.arange(256) 
freq = np.zeros(256) 

for i in range(h):     
    for j in range(w):         
        freq[img_arr[i, j]] += 1 

prob = freq / (h * w)  

plt.bar(gray_levels, prob) 
plt.show()

在这个代码中，我们首先使用 `convert()` 函数将 RGB 彩色图像转换为灰度图像。然后，我们计算出图像的灰度值后再计算灰度直方图。最后，我们使用 `bar()` 函数绘制灰度直方图。