众所周知，在数字图像处理领域中有很多基准测试图像，这些图像用来作为科研人员PK自己的算法时的参考，给大家提供一个公平的样本，针对同一个问题进行处理时，可以用这些基准图像做实验，比较常见的应该就是lena图像了，公众号中有不少文章也是使用lena图像进行演示的，例如
使用Python对图像进行中值滤波
，
Python使用numpy滤除图像中的低频信号
。
在Python扩展库scipy的misc模块中曾经就有过lena图像的，不过后来不知道为啥取消了，而在与scipy有关的资料或书籍中，很多地方都以face和ascent图像进行演示，直接使用misc.face()和ascent()就可以获得该图像的数据。那么这两个图像到底是什么样的数据呢？通过简单分析就可以发现，这两个图像的数据实际就是像素的颜色值，其中face图像是个彩色图像，其数据是个三维数组，是个1024x768的图像，而图像中每个像素的值又是一个数组，分别对应该像素颜色的红、绿、蓝分量。ascent图像是个灰度图像，其数据是个二维数组，分别对应图像中每个像素的灰度值。
在可视化扩展库matplotlib.pyplot中可以很容易显示数组形式的图像数据，例如
>>>
from
scipy
import
misc
>>>
import
matplotlib.pyplot
as
plt
>>> face = misc.face()
>>> plt.figure()
>>> plt.imshow(face)
>>> plt.show()
运行结果为：
在清楚了misc中图像数据的格式和含义之后，我们也可以很容易地把它们转换成图像文件并进行保存。例如下面的代码
from
PIL
import
Image
from
