如何在Ubuntu上使用Python进行图像处理

在 Ubuntu 上使用 Python 进行图像处理的快速指南

一 环境准备

• 确认已安装 Python 3 与 pip：
  • 检查版本：python3 --version、pip3 --version
  • 更新并安装 pip：sudo apt update && sudo apt install -y python3-pip
• 建议为项目创建虚拟环境（可选但推荐）：
  • python3 -m venv venv && source venv/bin/activate
• 安装常用图像处理库（按需选择）：
  • Pillow（基础编辑）：pip install pillow
  • OpenCV（计算机视觉）：pip install opencv-python
  • scikit-image（科研常用算法）：pip install scikit-image
  • 可选：若需更高性能，可考虑 Pillow-SIMD 等优化分支（需按官方说明从源码构建）。

二 使用 Pillow 进行基础编辑

• 安装：pip install pillow
• 示例（打开、灰度、缩放、增强、保存）：

  from PIL import Image, ImageEnhance
  
  # 1) 打开与显示
  img = Image.open('example.jpg')
  
  # 2) 转为灰度并缩放
  gray = img.convert('L')
  resized = gray.resize((400, 400))
  
  # 3) 增强对比度
  enhancer = ImageEnhance.Contrast(resized)
  enhanced = enhancer.enhance(1.5)
  
  # 4) 保存
  enhanced.save('example_gray_resized_enhanced.jpg', quality=95)
  

• 说明：Pillow 适合日常的裁剪、旋转、滤镜、颜色转换等任务，API 简洁易用。

三 使用 OpenCV 进行计算机视觉处理

• 安装：pip install opencv-python
• 示例（读取、灰度、边缘检测、保存；无 GUI 环境可用 headless 版本）：

  import cv2
  
  # 1) 读取（BGR 顺序）
  img = cv2.imread('example.jpg')
  
  # 2) 转为灰度
  gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  
  # 3) 边缘检测（Canny）
  edges = cv2.Canny(gray, threshold1=100, threshold2=200)
  
  # 4) 保存
  cv2.imwrite('edges.jpg', edges)
  
  # 5) 需要显示时（有图形环境）
  # cv2.imshow('Edges', edges)
  # cv2.waitKey(0)
  # cv2.destroyAllWindows()
  

• 说明：OpenCV 适合特征检测、对象识别、视频处理等进阶任务；在无显示环境（如服务器）可使用 opencv-python-headless。

四 常见问题与实用建议

• 颜色空间差异：
  • Pillow 使用 RGB；OpenCV 使用 BGR。在两者间传递图像时需转换：
    • OpenCV → Pillow：Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
    • Pillow → OpenCV：cv2.cvtColor(np.array(pil_img), cv2.COLOR_RGB2BGR)
• 无 GUI 或远程服务器：
  • 使用 opencv-python-headless 避免 GUI 依赖；或用 matplotlib 显示图像（plt.imshow()）。
• 性能优化：
  • 批量处理或高吞吐场景可考虑 Pillow-SIMD、多线程/多进程与 I/O 优化。
• 字体与绘图：
  • 使用 ImageFont.truetype 时提供绝对路径，避免 “cannot open resource” 错误。
• 路径与权限：
  • 确保脚本对输入/输出路径有读写权限，并使用绝对路径减少错误。