你可以用scipy包的misc.imsave函数，下面是示例代码
创新互联公司从2013年开始，是专业互联网技术服务公司，拥有项目网站制作、成都网站制作网站策划，项目实施与项目整合能力。我们以让每一个梦想脱颖而出为使命，1280元北屯做网站,已为上家服务,为北屯各地企业和个人服务,联系电话:18980820575
随机生成一个600X800X3的矩阵，然后写入图片
import numpy as np
from scipy.misc import imsave
x = np.random.random((600,800,3))
imsave('meelo.jpg', x)
转为16进制就是分别把红绿蓝三种颜色的色值转为十六进制，前面加个井号
#Win32#打开EXCELWinApp = win32com.client.DispatchEx('Excel.Application')#要处理的excel文件路径#out.file是文件 绝对路径WinBook = WinApp.Workbooks.Open(out_file) #要处理的excel页WinSheet = WinBook.Worksheets('Sheet1') #单元格添加颜色WinSheet.Cells(1, 1).Interior.ColorIndex = 3#或者Range("A1") WinSheet.Range("A1").Interior.ColorIndex = 3 #3=红色,不同的值代表不同的颜色,可以去查看msdn vba 文档,这就不详细说了 #再是RGB调色方式#Cells 和 Range都可以,Range可以选择一大片区域WinSheet.Cells(1, 1).Interior.Color = RGB(0, 0, 255) #或WinSheet.Range("A1").Interior.Color = RGB(255, 0, 255) #字体的颜色也是一样WinSheet.Cells(1, 1).Font.ColorIndex = 3WinSheet.Cells(1, 1).Font.Color = RGB(0, 0, 255)
可以使用 Python Image Library 做，load() 函数会返回一个对象，这个对象我们可以把它当作一个二维数组对待，而数组中存放的就是点的 RGB 值，可以很容易地访问到任何像素点的 RGB 值：
from PIL import Image
# 可以支持很多种图片格式.
im = Image.open("your_picture.jpg")
pix = im.load()
# 获得图片的尺度，可以用于迭代
print im.size
# 获得某个像素点的 RGB 值，像素点坐标由 [x, y] 指定
print pix[x,y]
# 设置 [x, y] 点的 RGB 的值为 value
pix[x,y] = value
在 python 中除了用 opencv，也可以用 matplotlib 和 PIL 这两个库操作图片。本人偏爱 matpoltlib，因为它的语法更像 matlab。
一、matplotlib
1. 显示图片
复制代码
import matplotlib.pyplot as plt # plt 用于显示图片
import matplotlib.image as mpimg # mpimg 用于读取图片
import numpy as np
lena = mpimg.imread('lena.png') # 读取和代码处于同一目录下的 lena.png
# 此时 lena 就已经是一个 np.array 了，可以对它进行任意处理
lena.shape #(512, 512, 3)
plt.imshow(lena) # 显示图片
plt.axis('off') # 不显示坐标轴
plt.show()
复制代码
2. 显示某个通道
复制代码
# 显示图片的第一个通道
lena_1 = lena[:,:,0]
plt.imshow('lena_1')
plt.show()
# 此时会发现显示的是热量图，不是我们预想的灰度图，可以添加 cmap 参数，有如下几种添加方法：
plt.imshow('lena_1', cmap='Greys_r')
plt.show()
img = plt.imshow('lena_1')
img.set_cmap('gray') # 'hot' 是热量图
plt.show()
复制代码
3. 将 RGB 转为灰度图
matplotlib 中没有合适的函数可以将 RGB 图转换为灰度图，可以根据公式自定义一个：
复制代码
def rgb2gray(rgb):
return np.dot(rgb[...,:3], [0.299, 0.587, 0.114])
gray = rgb2gray(lena)
# 也可以用 plt.imshow(gray, cmap = plt.get_cmap('gray'))
plt.imshow(gray, cmap='Greys_r')
plt.axis('off')
plt.show()
复制代码
4. 对图像进行放缩
这里要用到 scipy
复制代码
from scipy import misc
lena_new_sz = misc.imresize(lena, 0.5) # 第二个参数如果是整数，则为百分比，如果是tuple，则为输出图像的尺寸
plt.imshow(lena_new_sz)
plt.axis('off')
plt.show()
复制代码
5. 保存图像
5.1 保存 matplotlib 画出的图像
该方法适用于保存任何 matplotlib 画出的图像，相当于一个 screencapture。
plt.imshow(lena_new_sz)
plt.axis('off')
plt.savefig('lena_new_sz.png')
5.2 将 array 保存为图像
from scipy import misc
misc.imsave('lena_new_sz.png', lena_new_sz)
5.3 直接保存 array
读取之后还是可以按照前面显示数组的方法对图像进行显示，这种方法完全不会对图像质量造成损失
np.save('lena_new_sz', lena_new_sz) # 会在保存的名字后面自动加上.npy
img = np.load('lena_new_sz.npy') # 读取前面保存的数组
二、PIL
1. 显示图片
from PIL import Image
im = Image.open('lena.png')
im.show()
2. 将 PIL Image 图片转换为 numpy 数组
im_array = np.array(im)
# 也可以用 np.asarray(im) 区别是 np.array() 是深拷贝，np.asarray() 是浅拷贝
3. 保存 PIL 图片
直接调用 Image 类的 save 方法
from PIL import Image
I = Image.open('lena.png')
I.save('new_lena.png')
4. 将 numpy 数组转换为 PIL 图片
这里采用 matplotlib.image 读入图片数组，注意这里读入的数组是 float32 型的，范围是 0-1，而 PIL.Image 数据是 uinit8 型的，范围是0-255，所以要进行转换：
import matplotlib.image as mpimg
from PIL import Image
lena = mpimg.imread('lena.png') # 这里读入的数据是 float32 型的，范围是0-1
im = Image.fromarray(np.uinit8(lena*255))
im.show()
5. RGB 转换为灰度图
from PIL import Image
I = Image.open('lena.png')
I.show()
L = I.convert('L')
L.show()
turtle.seth(angle):是set head的缩写，意思是设置海龟的方向。它只改变海龟的行进方向（角度按逆时针），但不行进，angle为绝对度数，一圈是360°。-40是朝右下方向
如图所示
