Python图像处理常用操作技巧总结

开发 后端
Python图像处理在实际应用中是一个比较基础的操作技巧。我们将会在这篇文章中为大家详细介绍一下这方面的一些操作技巧。

Python编程语言在实际应用中为我们带来了非常大的好处。其简单易用的好处极大的吸引了大部分开发人员的眼球。在这里我们将会通过对Python图像处理的相关方法,来体验一下这一语言给我们带来的好处。#t#

虽然图像处理的最佳工具是MATLAB的图像处理工具箱,但是在进行一些“简单的”图像处理任务或者大批量的简单图像处理任务的时候,Python图像处理的方法更有优势。

1.引言:

提到图像处理,人们通常想到的工具是MATLAB。诚然,MATLAB提供了一个强大的图像处理工具箱。但是,对于简单的图像处理任务而言,采用一种高级的语言将起到事半功倍的效果。Python无疑就是实现这一功能的理想选择。Python的面向对象、弱数据类型等等特性都使得用它来进行简单的图像处理的时候非常的简洁方便。

2.简介:

PythonWare公司提供了免费的Python图像处理工具包PIL(Python Image Library),该软件包提供了基本的图像处理功能,如:改变图像大小,旋转图像,图像格式转换,色场空间转换,图像增强,直方图处理,插值和滤波等等。虽然在这个软件包上要实现类似MATLAB中的复杂的图像处理算法并不太适合,但是Python的快速开发能力以及面向对象等等诸多特点使得它非常适合用来进行原型开发。

在PIL中,任何一副图像都是用一个Image对象表示,而这个类由和它同名的模块导出,因此,要加载一副图像,最简单的形式是这样的:

  1. import Image   
  2. img = Image.open(“dip.jpg”)  

注意:第一行的Image是模块名;第二行的img是一个Image对象; Image类是在Image模块中定义的。关于Image模块和Image类,切记不要混淆了。现在,我们就可以对img进行各种操作了,所有对img的操作最终都会反映到到dip.img图像上。

PIL提供了丰富的功能模块:Image,ImageDraw,ImageEnhance,ImageFile等等。最常用到的模块是Image,ImageDraw,ImageEnhance这三个模块。下面我对此分别做一介绍。关于其它模块的使用请参见说明文档.有关PIL软件包和相关的说明文档可在PythonWare的站点www.Pythonware.com上获得。

3.Image模块:

Image模块是PIL最基本的模块,其中导出了Image类,一个Image类实例对象就对应了一副图像。同时,Image模块还提供了很多有用的函数。

(1)打开一副图像文件:

  1. import Image   
  2. img = Image.open(“dip.jpg”)  

这将返回一个Image类实例对象,后面的所有的操作都是在img上完成的。

(2)调整图像大小:

  1. import Image   
  2. img = Image.open("img.jpg")   
  3. new_img = img.resize((128,128),Image.BILINEAR)   
  4. new_img.save("new_img.jpg")  

原来的图像大小是256x256,现在,保存的new_img.jpg的大小是128x128。

就是这么简单,需要说明的是Image.BILINEAR指定采用双线性法对像素点插值。

(3)旋转图像:

现在我们把刚才调整过大小的图像旋转45度:

  1. import Image   
  2. img = Image.open("img.jpg")   
  3. new_img = img.resize((128,128),Image.BILINEAR)   
  4. rot_img = new_img.rotate(45)   
  5. rot_img.save("rot_img.jpg")  

总结:

在批处理或者简单的Python图像处理任务中,采用Python和PIL(Python Image Library)的组合来完成图像处理任务是一个很不错的选择。设想有一个需要对某个文件夹下的所有图像将对比度提高2倍的任务。用Python来做将是十分简单的。当然,我也不得不承认Python在图像处理方面的功能还比较弱,显然还不适合用来进行滤波、特征提取等等一些更为复杂的应用。我个人的观点是,当你要实现这些“高级”的算法的时候,好吧,把它交给MATLAB去完成。但是,如果你面对的只是一个通常的不要求很复杂算法的图像处理任务,那么,Python应该才是你的最佳搭档。

责任编辑:曹凯 来源: 博客园
相关推荐

2016-10-20 20:21:09

Python爬虫技巧

2016-10-21 14:35:52

Pythonwebget方法

2020-06-04 10:49:53

Pandas字符串技巧

2010-10-08 10:03:52

JavaScript图像

2023-12-14 15:22:39

图像操作图像处理计算机视觉

2023-11-30 16:05:17

2009-08-25 16:49:28

.NET Excel

2010-01-27 16:35:54

Android常用技巧

2020-10-19 19:25:32

Python爬虫代码

2009-12-24 16:11:07

WPF图像处理

2022-08-25 17:47:21

PythonExcel

2013-06-03 11:28:05

shell命令

2010-02-02 17:18:16

Python图像处理

2016-08-22 17:37:24

Python图像处理搜索引擎

2011-09-02 10:06:51

OracleSqlLoad常用技巧

2022-10-25 16:36:03

机器学习深度学习数据集

2010-01-05 17:59:54

.NET Framew

2023-03-09 15:25:49

2019-10-29 09:20:48

Python文本正则表达式

2010-02-23 16:32:14

Python编程
点赞
收藏

51CTO技术栈公众号