用python对图片进行简单的处理

发布时间：2021-06-23 09:02:49 作者：chen
来源：亿速云阅读：271

# 用Python对图片进行简单的处理

在数字时代，图像处理已成为编程中的常见需求。Python凭借丰富的第三方库（如Pillow、OpenCV等），为图像处理提供了强大支持。本文将介绍如何使用Python完成裁剪、缩放、滤镜应用等基础操作，并附完整代码示例。

## 一、环境准备

### 1.1 安装必要库
```bash
pip install pillow opencv-python numpy matplotlib

1.2 导入库

from PIL import Image, ImageFilter, ImageEnhance
import cv2
import numpy as np
import matplotlib.pyplot as plt

二、基础操作

2.1 图片读取与显示

# 使用Pillow读取
img_pil = Image.open("input.jpg")

# 使用OpenCV读取
img_cv = cv2.imread("input.jpg")

# 显示图片（Pillow）
img_pil.show()

# 显示图片（Matplotlib）
plt.imshow(cv2.cvtColor(img_cv, cv2.COLOR_BGR2RGB))
plt.axis('off')
plt.show()

2.2 图片保存

img_pil.save("output.jpg", quality=95)  # Pillow保存
cv2.imwrite("output.jpg", img_cv)      # OpenCV保存

三、几何变换

3.1 调整大小

# 等比例缩放（Pillow）
width, height = img_pil.size
new_width = 800
new_height = int(height * (new_width / width))
resized_img = img_pil.resize((new_width, new_height))

# 指定尺寸缩放（OpenCV）
resized_img = cv2.resize(img_cv, (800, 600))

3.2 图片裁剪

# 矩形裁剪（Pillow）
box = (100, 100, 500, 400)  # (left, top, right, bottom)
cropped_img = img_pil.crop(box)

# 区域裁剪（OpenCV）
roi = img_cv[100:400, 100:500]  # y-range, x-range

3.3 旋转与翻转

# 旋转45度（Pillow）
rotated_img = img_pil.rotate(45, expand=True)

# 水平翻转（OpenCV）
flipped_img = cv2.flip(img_cv, 1)

四、色彩处理

4.1 颜色模式转换

# 转灰度图（Pillow）
gray_img = img_pil.convert("L")

# BGR转RGB（OpenCV）
rgb_img = cv2.cvtColor(img_cv, cv2.COLOR_BGR2RGB)

4.2 调整亮度/对比度

# 亮度增强（Pillow）
enhancer = ImageEnhance.Brightness(img_pil)
bright_img = enhancer.enhance(1.5)  # 1.5倍亮度

# 对比度调整（OpenCV）
alpha = 1.5  # 对比度系数
beta = 10    # 亮度增量
adjusted_img = cv2.convertScaleAbs(img_cv, alpha=alpha, beta=beta)

五、滤镜效果

5.1 模糊效果

# 高斯模糊（Pillow）
blur_img = img_pil.filter(ImageFilter.GaussianBlur(radius=5))

# 中值模糊（OpenCV）
blur_img = cv2.medianBlur(img_cv, 5)

5.2 边缘检测

# Sobel算子（OpenCV）
gray = cv2.cvtColor(img_cv, cv2.COLOR_BGR2GRAY)
sobelx = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=5)

5.3 素描效果

# 生成素描（OpenCV）
gray = cv2.cvtColor(img_cv, cv2.COLOR_BGR2GRAY)
inverted = 255 - gray
blurred = cv2.GaussianBlur(inverted, (21, 21), 0)
sketch = cv2.divide(gray, 255 - blurred, scale=256)

六、高级应用

6.1 添加文字水印

from PIL import ImageDraw, ImageFont

draw = ImageDraw.Draw(img_pil)
font = ImageFont.truetype("arial.ttf", 40)
draw.text((10, 10), "Sample Watermark", fill=(255, 0, 0), font=font)

6.2 图片合成

# 透明度混合（Pillow）
foreground = Image.open("watermark.png")
img_pil.paste(foreground, (0, 0), foreground)  # 最后一个参数是蒙版

# 加权混合（OpenCV）
blended = cv2.addWeighted(img_cv, 0.7, foreground_cv, 0.3, 0)

6.3 人脸检测

# 使用OpenCV Haar级联
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
gray = cv2.cvtColor(img_cv, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.3, 5)

# 绘制检测框
for (x,y,w,h) in faces:
    cv2.rectangle(img_cv, (x,y), (x+w,y+h), (255,0,0), 2)

七、批量处理

7.1 目录遍历处理

import os

input_dir = "input_images/"
output_dir = "output_images/"

for filename in os.listdir(input_dir):
    if filename.endswith((".jpg", ".png")):
        img = Image.open(os.path.join(input_dir, filename))
        # 处理操作...
        img.save(os.path.join(output_dir, filename))

7.2 多线程加速

from concurrent.futures import ThreadPoolExecutor

def process_image(filename):
    # 图像处理逻辑
    pass

with ThreadPoolExecutor(max_workers=4) as executor:
    executor.map(process_image, os.listdir(input_dir))

八、性能优化技巧

减少I/O操作：尽量在内存中完成多次操作后再保存
适当降低分辨率：处理前先缩小尺寸，完成后再还原
使用Numpy向量化：OpenCV矩阵运算比Pillow像素级操作更快
选择正确库：
- Pillow适合简单操作和格式转换
- OpenCV适合计算机视觉任务
- scikit-image适合科研级处理

九、完整示例：制作缩略图并添加水印

def create_thumbnail(input_path, output_path, size=(300, 300)):
    """生成带水印的缩略图"""
    try:
        # 打开原始图片
        img = Image.open(input_path)
        
        # 生成缩略图（保持比例）
        img.thumbnail(size)
        
        # 添加文字水印
        draw = ImageDraw.Draw(img)
        font = ImageFont.truetype("arial.ttf", 20)
        text = "© My Gallery"
        textwidth, textheight = draw.textsize(text, font)
        
        # 计算水印位置（右下角）
        x = img.width - textwidth - 10
        y = img.height - textheight - 10
        draw.text((x, y), text, (255, 255, 255), font)
        
        # 保存结果
        img.save(output_path)
        return True
    except Exception as e:
        print(f"Error processing {input_path}: {str(e)}")
        return False

十、总结

本文介绍了Python图像处理的基础技术栈，涵盖： - Pillow和OpenCV的核心操作 - 几何变换与色彩调整 - 常用滤镜效果实现 - 批量处理与性能优化

建议进一步学习： - 更高级的OpenCV功能（特征检测、对象识别等） - 使用scikit-image进行科学图像处理 - 深度学习框架（如TensorFlow/PyTorch）在图像处理中的应用

通过灵活组合这些技术，可以构建复杂的图像处理流水线，满足各种实际需求。

附录：常用图像格式对比

格式	特点	适用场景
JPEG	有损压缩，文件小	网页图片、照片
PNG	无损压缩，支持透明	需要透明底的图像
GIF	支持动画	简单动画、表情包
WEBP	谷歌新格式，压缩率高	现代网页应用
TIFF	无损高质量	印刷、专业摄影

”`

注：本文实际约2300字，可根据需要增减具体示例代码或扩展特定章节内容。建议保存为.md文件后用Markdown阅读器查看格式效果。