Python怎样处理图片_Python图像处理库使用方法介绍

Image.open()

image.save()

image.resize()

image.crop()

pip install Pillow

Image

from PIL import Image

try:
    img = Image.open("example.jpg")
    print(f"图片加载成功，格式：{img.format}，尺寸：{img.size}，模式：{img.mode}")
    # img.show() # 这会打开一个图片查看器显示图片
except FileNotFoundError:
    print("文件未找到，请确保example.jpg存在于当前目录。")
except Exception as e:
    print(f"加载图片时发生错误：{e}")

img.save("example_output.png")
print("图片已保存为example_output.png")

# 注意：resize方法返回新图片，不改变原图
resized_img = img.resize((200, 200))
resized_img.save("example_resized.jpg")
print("图片已调整大小并保存。")

(left, upper, right, lower)

# 裁剪图片的左上角100x100区域
cropped_img = img.crop((0, 0, 100, 100))
cropped_img.save("example_cropped.jpg")
print("图片已裁剪并保存。")

img.rotate(45)

img.convert('L')

PIL.ImageFilter

pip install opencv-python

import cv2
import numpy as np

# 加载图片
img_cv = cv2.imread("example.jpg")

if img_cv is not None:
    print(f"OpenCV加载图片成功，尺寸：{img_cv.shape}，数据类型：{img_cv.dtype}")
    # 显示图片
    # cv2.imshow("Original Image", img_cv)
    # cv2.waitKey(0) # 等待按键
    # cv2.destroyAllWindows() # 关闭所有窗口
else:
    print("使用OpenCV加载图片失败，请检查文件路径或文件是否存在。")

if img_cv is not None:
    gray_img = cv2.cvtColor(img_cv, cv2.COLOR_BGR2GRAY)
    # cv2.imshow("Grayscale Image", gray_img)
    # cv2.waitKey(0)
    # cv2.destroyAllWindows()
    cv2.imwrite("example_gray.jpg", gray_img)
    print("图片已转换为灰度图并保存。")

if img_cv is not None:
    # 先进行高斯模糊以减少噪声
    blurred_img = cv2.GaussianBlur(gray_img, (5, 5), 0)
    # 应用Canny边缘检测
    edges = cv2.Canny(blurred_img, 50, 150) # 50和150是阈值参数
    # cv2.imshow("Canny Edges", edges)
    # cv2.waitKey(0)
    # cv2.destroyAllWindows()
    cv2.imwrite("example_edges.jpg", edges)
    print("Canny边缘检测结果已保存。")

pip install scikit-image

import skimage.io as io
import skimage.color as color
import skimage.filters as filters
import matplotlib.pyplot as plt # 用于可视化

# 加载图片（skimage默认加载为RGB，浮点数0-1）
try:
    img_sk = io.imread("example.jpg")
    # 转换为灰度图
    gray_sk = color.rgb2gray(img_sk)

    # 应用Otsu阈值法
    thresh = filters.threshold_otsu(gray_sk)
    binary_img = gray_sk > thresh

    # 可视化结果
    # fig, axes = plt.subplots(ncols=2, figsize=(8, 4))
    # ax0, ax1 = axes.ravel()
    # ax0.imshow(gray_sk, cmap=plt.cm.gray)
    # ax0.set_title('Original Gray Image')
    # ax1.imshow(binary_img, cmap=plt.cm.gray)
    # ax1.set_title('Binary Image (Otsu)')
    # plt.show()

    # 保存二值化结果（需要先转换回uint8类型，并可能需要缩放到0-255）
    # 注意：skimage的io.imsave通常处理0-1的浮点数或0-255的整数
    io.imsave("example_binary_skimage.png", (binary_img * 255).astype(np.uint8))
    print("Otsu阈值二值化结果已保存。")

except FileNotFoundError:
    print("文件未找到，请确保example.jpg存在于当前目录。")
except Exception as e:
    print(f"处理图片时发生错误：{e}")

from skimage.morphology import binary_erosion, binary_dilation, disk

if 'binary_img' in locals(): # 确保binary_img已经生成
    # 定义结构元素（这里使用一个半径为2的圆形）
    selem = disk(2)

    # 膨胀操作
    dilated_img = binary_dilation(binary_img, selem)
    io.imsave("example_dilated_skimage.png", (dilated_img * 255).astype(np.uint8))
    print("膨胀操作结果已保存。")

    # 腐蚀操作
    eroded_img = binary_erosion(binary_img, selem)
    io.imsave("example_eroded_skimage.png", (eroded_img * 255).astype(np.uint8))
    print("腐蚀操作结果已保存。")