人脸识别首先需要获取识别对象的人脸照片。这些照片在计算机中存储的常见格式是以“.jpg”结尾的jpg格式文件，下面以此文件格式为例进行讲解。一张彩色照片在计算机中通过RGB三原色显示色彩，其中，
R表示红色（Red）；
G表示绿色（Green）；
B表示蓝色（Blue）。
人眼能够分辨的颜色都可以通过这三类颜色生成，这是三原色的名称来源。也就是说，通过调整这三种原色的比例，计算机可以存储和显示世界上千变万化的颜色。
这三种颜色的变化范围一般取为[0，255]。0表示这种原色不存在，而255表示这种原色最强。之所以采用这个范围，是因为255恰好可以用一个字节来表示，也就是可以用8位的二进制数11111111来表示。按照第二章讲的方法可以很方便地使用Python观察这种对应关系。
In[5]：0b11111111
Out[5]：255
还有一些软件用“三原色强度/255”这种“比例”来定义颜色。例如，（166，170，15）表示RGB的强度，这表示了图像上一个点的颜色；如果换作用小数表示的方式，就变成了（0.6509803921568628，0.6666666666666666，0.058823529411764705）。这两种表示方法给出的点的颜色是一样的。
一张彩色图片使用上述表示方式就转换成了三个表格，这些表格叫作图片的通道，分别是R通道、G通道、B通道。如果有一个4×4（长×宽）大小的图片，就一共有16个像素（4×4），每个像素都有三个分量（R，G，B），它们对应的表格如表8-2所示。从表中可以看出，第（1，1）个像素 RGB的强度分别是（187，187，187），第（3，3）个像素RGB 的强度分别是（205，167，187）等。
表8-2 三通道示例
没有彩色信息的黑白图像称为灰度图像。存储这种形式的图片无须RGB通道这样的三个表格，只需要一个表示黑白强度的表（矩阵）就可以把它表示出来。这时候0表示纯黑，而255表示纯白，中间的数值表示该点的灰度介于纯黑和纯白之间。
彩色图片也可以转换成灰度图片，这种转换可以通过一个通用的函数来进行。
Gray（x，y）=f（r（x，y），g（x，y），b（x，y））
这里Gray（x，y）表示坐标为（x，y）的点的灰度；r（x，y）表示坐标为（x，y）的点的R通道强度（比例）；g（x，y）表示坐标为（x，y）的点的G通道强度（比例）；b（x，y）表示坐标为（x，y）的点的B通道强度（比例）。
在Python中有现成的模块可以用来显示或转换图片。本教材使用PIL模块，如果没有安装，需要先在命令行模式下使用pipinstall进行安装。
pipinstallPIL
通过以下命令调用PIL的Image组件，其中用到的图片文件可以在教材资源平台下载。
In[6]：fromPILimportImage
In[7]：im=（''）
#打开图片
In[8]：（）
#显示图像
In[9]：grayim=（'L'）
#将图像转化为灰度图
In[10]：（）
#显示灰度图
图像数据可以看成是一个数组。所谓数组就是按顺序排列的一组数。在Python中，数组用下列形式表示。
（x1，x2，...，xn）
其中xi（1≤i≤n）可以是数值也可以是一个数组。在Python中可以使用numpy模块查看数组形式的图片数据。
In[11]：importnumpyasnp
#使用numpy包
In[12]：imarray=（im）
#将图像转化成数组表示
In[13]：imarray
#显示图像的数据
Out[13]：
array（[[[ 28，38，27]，
[ 28，38，27]，
[ 28，38，27]，
