python的image用法，python必背入门代码

编程之家2026-05-17656次浏览

大家好，今天来为大家解答python的image用法这个问题的一些问题点，包括python必背入门代码也一样很多人还不知道，因此呢，今天就来为大家分析分析，现在让我们一起来看看吧！如果解决了您的问题，还望您关注下本站哦，谢谢~

常用的十大python图像处理工具

原文10 Python image manipulation tools.

作者| Parul Pandey

翻译|安其罗乔尔、JimmyHua

今天，在我们的世界里充满了数据，图像成为构成这些数据的重要组成部分。但无论是用于何种用途，这些图像都需要进行处理。图像处理就是分析和处理数字图像的过程，主要旨在提高其质量或从中提取一些信息，然后可以将其用于某种用途。

图像处理中的常见任务包括显示图像，基本操作如裁剪、翻转、旋转等，图像分割，分类和特征提取，图像恢复和图像识别。Python成为这种图像处理任务是一个恰当选择，这是因为它作为一种科学编程语言正在日益普及，并且在其生态系统中免费提供许多最先进的图像处理工具供大家使用。

让我们看一下可以用于图像处理任务中的常用 Python库有哪些吧。

1.scikit-image

scikit-image是一个开源的Python包，适用于numpy数组。它实现了用于研究，教育和工业应用的算法和实用工具。即使是那些刚接触Python生态系统的人，它也是一个相当简单直接的库。此代码是由活跃的志愿者社区编写的，具有高质量和同行评审的性质。

资源

文档里记录了丰富的例子和实际用例，阅读下面的文档：

用法

该包作为skimage导入，大多数功能都在子模块中找的到。下面列举一些skimage的例子：

图像过滤

使用match_template函数进行模板匹配

你可以通过此处查看图库找到更多示例。

2. Numpy

Numpy是Python编程的核心库之一，并为数组提供支持。图像本质上是包含数据点像素的标准Numpy数组。因此，我们可以通过使用基本的NumPy操作，例如切片、掩膜和花式索引，来修改图像的像素值。可以使用skimage加载图像并使用matplotlib显示图像。

资源

Numpy的官方文档页面提供了完整的资源和文档列表：

用法

使用Numpy来掩膜图像.

3.Scipy

scipy是Python的另一个类似Numpy的核心科学模块，可用于基本的图像操作和处理任务。特别是子模块scipy.ndimage，提供了在n维NumPy数组上操作的函数。该包目前包括线性和非线性滤波，二值形态学，B样条插值和对象测量等功能函数。

资源

有关scipy.ndimage包提供的完整功能列表，请参阅下面的链接：

用法

使用SciPy通过高斯滤波器进行模糊：

4. PIL/ Pillow

PIL( Python图像库)是Python编程语言的一个免费库，它支持打开、操作和保存许多不同的文件格式的图像。然而，随着2009年的最后一次发布，它的开发停滞不前。但幸运的是还有有Pillow，一个PIL积极开发的且更容易安装的分支，它能运行在所有主要的操作系统，并支持Python3。这个库包含了基本的图像处理功能，包括点运算、使用一组内置卷积核的滤波和色彩空间的转换。

资源

文档中有安装说明，以及涵盖库的每个模块的示例：

用法

在 Pillow中使用 ImageFilter增强图像：

5. OpenCV-Python

OpenCV(开源计算机视觉库)是计算机视觉应用中应用最广泛的库之一。OpenCV-Python是OpenCV的python版API。OpenCV-Python的优点不只有高效，这源于它的内部组成是用C/C++编写的，而且它还容易编写和部署（因为前端是用Python包装的）。这使得它成为执行计算密集型计算机视觉程序的一个很好的选择。

资源

OpenCV-Python-Guide指南可以让你使用OpenCV-Python更容易：

用法

下面是一个例子，展示了OpenCV-Python使用金字塔方法创建一个名为“Orapple”的新水果图像融合的功能。

6. SimpleCV

SimpleCV也是一个用于构建计算机视觉应用程序的开源框架。有了它，你就可以访问几个高性能的计算机视觉库，如OpenCV，而且不需要先学习了解位深度、文件格式、颜色空间等。

它的学习曲线大大小于OpenCV，正如它们的口号所说“计算机视觉变得简单”。一些支持SimpleCV的观点有：

即使是初学者也可以编写简单的机器视觉测试摄像机、视频文件、图像和视频流都是可互操作的资源

官方文档非常容易理解，而且有大量的例子和使用案例去学习：

用法

7. Mahotas

Mahotas是另一个计算机视觉和图像处理的Python库。它包括了传统的图像处理功能例如滤波和形态学操作以及更现代的计算机视觉功能用于特征计算，包括兴趣点检测和局部描述符。该接口是Python语言，适合于快速开发，但是算法是用C语言实现的，并根据速度进行了调优。Mahotas库速度快，代码简洁，甚至具有最小的依赖性。通过原文阅读它们的官方论文以获得更多的了解。

资源

文档包括安装指导，例子，以及一些教程，可以更好的帮助你开始使用mahotas。

用法

Mahotas库依赖于使用简单的代码来完成任务。关于‘Finding Wally’的问题，Mahotas做的很好并且代码量很少。下面是源码：

8. SimpleITK

ITK或者 Insight Segmentation and Registration Toolkit是一个开源的跨平台系统，为开发人员提供了一套广泛的图像分析软件工具。其中, SimpleITK是建立在ITK之上的简化层，旨在促进其在快速原型设计、教育、解释语言中的应用。SimpleITK是一个图像分析工具包，包含大量支持一般过滤操作、图像分割和匹配的组件。SimpleITK本身是用C++写的，但是对于包括Python以内的大部分编程语言都是可用的。

资源

大量的Jupyter Notebooks表明了SimpleITK在教育和研究领域已经被使用。Notebook展示了用Python和R编程语言使用SimpleITK来进行交互式图像分析。

用法

下面的动画是用SimpleITK和Python创建的刚性CT/MR匹配过程的可视化。点击此处可查看源码！

9. pgmagick

pgmagick是GraphicsMagick库的一个基于python的包装。 GraphicsMagick图像处理系统有时被称为图像处理的瑞士军刀。它提供了一个具有强大且高效的工具和库集合，支持以88种主要格式(包括重要格式，如DPX、GIF、JPEG、JPEG-2000、PNG、PDF、PNM和TIFF)读取、写入和操作图像。

资源

有一个专门用于PgMagick的Github库，其中包含安装和需求说明。还有关于这个的一个详细的用户指导：

用法

使用pgmagick可以进行的图像处理活动很少，比如：

图像缩放

边缘提取

10. Pycairo

Pycairo是图像处理库cairo的一组Python捆绑。Cairo是一个用于绘制矢量图形的2D图形库。矢量图形很有趣，因为它们在调整大小或转换时不会失去清晰度。Pycairo是cairo的一组绑定，可用于从Python调用cairo命令。

资源

Pycairo的GitHub库是一个很好的资源，有关于安装和使用的详细说明。还有一个入门指南，其中有一个关于Pycairo的简短教程。

库：指南：用法

使用Pycairo绘制线条、基本形状和径向梯度：

有一些有用且免费的Python图像处理库可以使用，有的是众所周知的，有的可能对你来说是新的，试着多去了解它们。

python中image什么意思

在Python中，image通常指代图像处理相关的库或模块，其中最常用的是Pillow库（PIL）。以下是详细说明：

1. image的核心含义Pillow库（PIL）：Python中image通常指Pillow库（Python Imaging Library的分支），用于图像的加载、显示、编辑和保存。它提供以下功能：图像读写：支持JPEG、PNG、BMP、TIFF等格式。

颜色空间转换：如RGB、HSV、灰度等。

几何变换：缩放、旋转、裁剪、透视变换。

图像增强：对比度调整、锐化、模糊等。

滤波操作：高斯模糊、边缘检测等。

2.基本使用方法导入库from PIL import Image#导入Pillow库加载图像从文件路径加载：image= Image.open("example.jpg")从NumPy数组创建（需配合numpy库）：import numpy as nparray= np.zeros((100, 100, 3), dtype=np.uint8)#创建空白数组image= Image.fromarray(array)#转换为图像处理图像颜色空间转换：rgb_image= image.convert("RGB")#转为RGB模式几何变换：resized_image= image.resize((300, 200))#调整大小rotated_image= image.rotate(45)#旋转45度滤波操作：from PIL import ImageFilterblurred_image= image.filter(ImageFilter.GaussianBlur(radius=2))保存图像image.save("output.png")#保存为PNG格式3.其他相关库OpenCV：若涉及计算机视觉（如人脸识别），常用cv2库（需安装opencv-python），其图像数据为NumPy数组格式，与Pillow的Image对象不同。

import cv2img= cv2.imread("example.jpg")#读取为BGR格式Matplotlib：用于显示图像（常与Pillow或OpenCV配合）：

import matplotlib.pyplot as pltplt.imshow(image)plt.show()4.常见问题错误处理：若文件路径错误，Image.open()会抛出FileNotFoundError，建议用try-except捕获异常。性能优化：批量处理图像时，可结合numpy数组操作提升速度。总结Python中的image主要指Pillow库，它提供了全面的图像处理功能。通过from PIL import Image导入后，可实现从基础读写到高级滤波的操作。若需更复杂的视觉任务（如深度学习），可结合OpenCV或TensorFlow/PyTorch等库。

python的pillow库怎么使用

Pillow是Python里的图像处理库（PIL：Python Image Library），提供了了广泛的文件格式支持，强大的图像处理能力，主要包括图像储存、图像显示、格式转换以及基本的图像处理操作等。

1）使用 Image类

PIL最重要的类是 Image class,你可以通过多种方法创建这个类的实例；你可以从文件加载图像，或者处理其他图像,或者从 scratch创建。

要从文件加载图像，可以使用open()函数，在Image模块中：

[python]view plaincopy

>>>fromPILimportImage

>>>im=Image.open("E:/photoshop/1.jpg")

加载成功后，将返回一个Image对象，可以通过使用示例属性查看文件内容：

[python]view plaincopy

>>>print(im.format,im.size,im.mode)

('JPEG',(600,351),'RGB')

>>>

format这个属性标识了图像来源。如果图像不是从文件读取它的值就是None。size属性是一个二元tuple，包含width和height（宽度和高度，单位都是px）。mode属性定义了图像bands的数量和名称，以及像素类型和深度。常见的modes有“L”(luminance)表示灰度图像,“RGB”表示真彩色图像, and“CMYK”表示出版图像。

如果文件打开错误，返回IOError错误。

只要你有了 Image类的实例，你就可以通过类的方法处理图像。比如，下列方法可以显示图像：

[python]view plaincopy

im.show()

2）读写图像

PIL模块支持大量图片格式。使用在 Image模块的 open()函数从磁盘读取文件。你不需要知道文件格式就能打开它，这个库能够根据文件内容自动确定文件格式。要保存文件，使用 Image类的 save()方法。保存文件的时候文件名变得重要了。除非你指定格式，否则这个库将会以文件名的扩展名作为格式保存。

加载文件，并转化为png格式：

[python]view plaincopy

"PythonImageLibraryTest"

fromPILimportImage

importos

importsys

forinfileinsys.argv[1:]:

f,e=os.path.splitext(infile)

outfile=f+".png"

ifinfile!=outfile:

try:

Image.open(infile).save(outfile)

exceptIOError:

print("Cannotconvert",infile)

save()方法的第二个参数可以指定文件格式。

3）创建缩略图

缩略图是网络开发或图像软件预览常用的一种基本技术，使用Python的Pillow图像库可以很方便的建立缩略图，如下：

[python]view plaincopy

#createthumbnail

size=(128,128)

forinfileinglob.glob("E:/photoshop/*.jpg"):

f,ext=os.path.splitext(infile)

img=Image.open(infile)

img.thumbnail(size,Image.ANTIALIAS)

img.save(f+".thumbnail","JPEG")

上段代码对photoshop下的jpg图像文件全部创建缩略图，并保存，glob模块是一种智能化的文件名匹配技术，在批图像处理中经常会用到。

注意：Pillow库不会直接解码或者加载图像栅格数据。当你打开一个文件，只会读取文件头信息用来确定格式，颜色模式，大小等等，文件的剩余部分不会主动处理。这意味着打开一个图像文件的操作十分快速，跟图片大小和压缩方式无关。

4）图像的剪切、粘贴与合并操作

Image类包含的方法允许你操作图像部分选区，PIL.Image.Image.crop方法获取图像的一个子矩形选区，如：

[python]view plaincopy

#crop,pasteandmerge

im=Image.open("E:/photoshop/lena.jpg")

box=(100,100,300,300)

region=im.crop(box)

矩形选区有一个4元元组定义，分别表示左、上、右、下的坐标。这个库以左上角为坐标原点，单位是px，所以上诉代码复制了一个 200x200 pixels的矩形选区。这个选区现在可以被处理并且粘贴到原图。

[python]view plaincopy

region=region.transpose(Image.ROTATE_180)

im.paste(region,box)

当你粘贴矩形选区的时候必须保证尺寸一致。此外，矩形选区不能在图像外。然而你不必保证矩形选区和原图的颜色模式一致，因为矩形选区会被自动转换颜色。

5）分离和合并颜色通道

对于多通道图像，有时候在处理时希望能够分别对每个通道处理，处理完成后重新合成多通道，在Pillow中，很简单，如下：

[python]view plaincopy

r,g,b=im.split()

im=Image.merge("RGB",(r,g,b))

对于split（）函数，如果是单通道的，则返回其本身，否则，返回各个通道。

6）几何变换

对图像进行几何变换是一种基本处理，在Pillow中包括resize()和rotate()，如用法如下：

[python]view plaincopy

out=im.resize((128,128))

out=im.rotate(45)#degreeconter-clockwise

其中，resize()函数的参数是一个新图像大小的元祖，而rotate()则需要输入顺时针的旋转角度。在Pillow中，对于一些常见的旋转作了专门的定义：

[python]view plaincopy

out=im.transpose(Image.FLIP_LEFT_RIGHT)

out=im.transpose(Image.FLIP_TOP_BOTTOM)

out=im.transpose(Image.ROTATE_90)

out=im.transpose(Image.ROTATE_180)

out=im.transpose(Image.ROTATE_270)

7）颜色空间变换

在处理图像时，根据需要进行颜色空间的转换，如将彩色转换为灰度：

[python]view plaincopy

cmyk=im.convert("CMYK")

gray=im.convert("L")

8）图像滤波

图像滤波在ImageFilter模块中，在该模块中，预先定义了很多增强滤波器，可以通过filter()函数使用，预定义滤波器包括：

BLUR、CONTOUR、DETAIL、EDGE_ENHANCE、EDGE_ENHANCE_MORE、EMBOSS、FIND_EDGES、SMOOTH、SMOOTH_MORE、SHARPEN。其中BLUR就是均值滤波，CONTOUR找轮廓，FIND_EDGES边缘检测，使用该模块时，需先导入，使用方法如下：

[python]view plaincopy

fromPILimportImageFilter

imgF=Image.open("E:/photoshop/lena.jpg")

outF=imgF.filter(ImageFilter.DETAIL)

conF=imgF.filter(ImageFilter.CONTOUR)

edgeF=imgF.filter(ImageFilter.FIND_EDGES)

imgF.show()

outF.show()

conF.show()

edgeF.show()

除此以外，ImageFilter模块还包括一些扩展性强的滤波器：

classPIL.ImageFilter.GaussianBlur(radius=2)

Gaussian blur filter.

参数:

radius– Blur radius.

classPIL.ImageFilter.UnsharpMask(radius=2,percent=150,threshold=3)

Unsharp mask filter.

See Wikipedia’s entry ondigital unsharp maskingfor an explanation of the parameters.

classPIL.ImageFilter.Kernel(size,kernel,scale=None,offset=0)

Create a convolution kernel. The current version only supports 3x3 and 5x5 integer and floating point kernels.

In the current version, kernels can only be applied to“L” and“RGB” images.

参数:

size– Kernel size, given as(width, height). In the current version, this must be(3,3) or(5,5).

kernel– A sequence containing kernel weights.

scale– Scale factor. If given, the result for each pixel is divided by this value. the default is the sum of the kernel weights.

offset– Offset. If given, this value is added to the result, after it has been divided by the scale factor.

classPIL.ImageFilter.RankFilter(size,rank)

Create a rank filter. The rank filter sorts all pixels in a window of the given size, and returns therank‘th value.

参数: