在Python中，读取和显示图片是一项常见的任务，尤其在数据可视化、图像处理等领域。本文主要探讨了如何在没有图形用户界面（GUI）的情况下，利用matplotlib和PIL这两个库来实现这一功能。
matplotlib是一个强大的绘图库，不仅用于绘制2D和3D图形，还可以用来显示和操作图片。在matplotlib中，`matplotlib.pyplot`模块提供了`imshow()`函数来显示图片。首先需要导入`matplotlib.pyplot`和`matplotlib.image`，前者用于显示图片，后者用于读取图片。例如，读取名为'lena.png'的图片，可以使用`mpimg.imread()`函数，它会返回一个numpy数组，可以直接传递给`imshow()`函数进行显示：
```python
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
lena = mpimg.imread('lena.png')
plt.imshow(lena)
plt.axis('off')
plt.show()
```
如果要显示图片的某个特定通道，如红色通道，可以使用切片操作，然后通过`cmap`参数指定颜色映射。默认情况下，单通道图像会被显示为热量图，可以设置`cmap`为'gray'来得到灰度图像：
```python
plt.imshow(lena[:,:,0], cmap='gray')
plt.show()
```
对于RGB图像转换为灰度图，matplotlib没有内置函数，可以自定义函数实现，如使用加权平均法：
```python
def rgb2gray(rgb):
return np.dot(rgb[..., :3], [0.299, 0.587, 0.114])
gray = rgb2gray(lena)
plt.imshow(gray, cmap='gray')
plt.show()
```
matplotlib还提供了图像缩放功能，可以使用`scipy`中的`imresize()`函数调整图像大小：
```python
from scipy import misc
lena_new_sz = misc.imresize(lena, 0.5)
plt.imshow(lena_new_sz)
plt.show()
```
至于保存图像，matplotlib的`savefig()`方法可以保存整个图像，而`scipy.misc.imsave()`则可以直接保存numpy数组为图像。此外，还可以直接将numpy数组保存为`.npy`文件，然后再次加载：
```python
plt.imshow(lena_new_sz)
plt.savefig('lena_new_sz.png')
np.save('lena_new_sz', lena_new_sz)
img = np.load('lena_new_sz.npy')
```
另一方面，PIL（Python Imaging Library）是Python处理图像的另一个重要库，提供了Image模块。使用`Image.open()`打开图片，并用`show()`显示：
```python
from PIL import Image
im = Image.open('lena.png')
im.show()
```
PIL中的`Image`类也支持将图片转换为numpy数组，以及将数组保存为图片：
```python
im_array = np.array(im)
im.save('new_lena.png')
I = Image.open('lena.png')
I.save('new_lena.png')
```
需要注意的是，当从numpy数组创建PIL图像时，可能需要进行数据类型的转换和值域的调整，因为PIL通常使用8位无符号整数（uint8），而numpy数组可能是浮点数（float32）且值域在0-1之间。
matplotlib和PIL都是Python处理图像的强大工具，可以根据具体需求选择合适的方法来读取、显示、操作和保存图像。在没有GUI的环境中，它们同样能完成这些任务。
