Python图像处理库怎么用

Python 图像处理库快速上手

一 常用库与适用场景

• Pillow：PIL 的现代分支，API 简洁，适合裁剪、缩放、格式转换、加水印、基础滤镜等日常图像编辑。
• OpenCV：计算机视觉库，擅长边缘检测、阈值分割、特征提取、视频处理等进阶任务。
• scikit-image：基于 NumPy/SciPy，提供丰富的滤波、变换、分割、形态学等科学图像处理算法。
• 辅助工具：Matplotlib（可视化）、NumPy（数组运算）、imageio（轻量读写）。
  以上库均可通过 pip 安装，适合从入门到进阶的不同需求。

二 安装与导入

• 安装命令（建议一次性安装常用组合）：
  • pip install pillow opencv-python scikit-image matplotlib numpy imageio
• 导入示例：
  • from PIL import Image
  • import cv2
  • from skimage import io
  • import matplotlib.pyplot as plt
  • import numpy as np
    上述安装与导入方式覆盖主流使用场景，便于后续示例直接运行。

三 通用处理流程与最小示例

• 流程要点：安装库 → 读取图像 → 处理（缩放、裁剪、旋转、滤波/阈值等）→ 显示/保存 → 资源清理（如 GUI 窗口）。
• 最小可用示例（以 Pillow 为例）：
  • from PIL import Image
  • img = Image.open(‘input.jpg’) # 读取
  • img_resized = img.resize((800, 600)) # 缩放
  • img_resized.save(‘output.jpg’) # 保存
• 批量处理模板（Pillow）：
  • import os
  • from PIL import Image
  • in_dir, out_dir = ‘images’, ‘out’
  • os.makedirs(out_dir, exist_ok=True)
  • for f in os.listdir(in_dir):
    • if f.lower().endswith((‘.jpg’, ‘.png’)):
      • img = Image.open(os.path.join(in_dir, f))
      • img_resized = img.resize((800, 800))
      • img_resized.save(os.path.join(out_dir, f))
        以上流程与示例可直接复用，适合自动化脚本与批处理任务。

四 常见任务代码对照

五 实战要点与避坑

• 颜色空间与显示
  • OpenCV 默认 BGR，用 Matplotlib/其他工具显示时应转换为 RGB：img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)。
• 透明度与格式
  • JPEG 不支持透明通道（Alpha）。将 PNG(RGBA) 直接保存为 JPG 会报错，需先转换：img = img.convert(‘RGB’) 再保存为 JPG。
• 保持宽高比缩放
  • 建议按比例计算目标尺寸，避免变形：new_w = int(w * scale); new_h = int(h * scale)。
• 大图与内存
  • 处理超大图像时可分块/下采样；必要时使用更高效的算法与数据类型，及时释放不再使用的对象。
• 文件格式选择
  • JPG 适合照片类；PNG 适合需要透明与无损；WebP 在网页场景具更好体积/质量权衡。
    以上要点覆盖颜色空间、格式兼容、缩放策略、内存与格式选择等常见坑位。