python图像处理库 哪个好 知乎 python图像处理初学者求助
python \u6bd4\u8f83\u597d\u7528\u7684\u5e93\u6709\u54ea\u4e9bPython\u5e38\u7528\u5e93\u5927\u5168\uff0c\u770b\u770b\u6709\u6ca1\u6709\u4f60\u9700\u8981\u7684\u3002
\u73af\u5883\u7ba1\u7406
\u7ba1\u7406 Python \u7248\u672c\u548c\u73af\u5883\u7684\u5de5\u5177
p \u2013 \u975e\u5e38\u7b80\u5355\u7684\u4ea4\u4e92\u5f0f python \u7248\u672c\u7ba1\u7406\u5de5\u5177\u3002
pyenv \u2013 \u7b80\u5355\u7684 Python \u7248\u672c\u7ba1\u7406\u5de5\u5177\u3002
Vex \u2013 \u53ef\u4ee5\u5728\u865a\u62df\u73af\u5883\u4e2d\u6267\u884c\u547d\u4ee4\u3002
virtualenv \u2013 \u521b\u5efa\u72ec\u7acb Python \u73af\u5883\u7684\u5de5\u5177\u3002
virtualenvwrapper- virtualenv \u7684\u4e00\u7ec4\u6269\u5c55\u3002
\u5305\u7ba1\u7406
\u7ba1\u7406\u5305\u548c\u4f9d\u8d56\u7684\u5de5\u5177\u3002
pip \u2013 Python \u5305\u548c\u4f9d\u8d56\u5173\u7cfb\u7ba1\u7406\u5de5\u5177\u3002
pip-tools \u2013 \u4fdd\u8bc1 Python \u5305\u4f9d\u8d56\u5173\u7cfb\u66f4\u65b0\u7684\u4e00\u7ec4\u5de5\u5177\u3002
conda \u2013 \u8de8\u5e73\u53f0\uff0cPython \u4e8c\u8fdb\u5236\u5305\u7ba1\u7406\u5de5\u5177\u3002
Curdling \u2013 \u7ba1\u7406 Python \u5305\u7684\u547d\u4ee4\u884c\u5de5\u5177\u3002
wheel \u2013 Python \u5206\u53d1\u7684\u65b0\u6807\u51c6\uff0c\u610f\u5728\u53d6\u4ee3 eggs\u3002
\u5305\u4ed3\u5e93
\u672c\u5730 PyPI \u4ed3\u5e93\u670d\u52a1\u548c\u4ee3\u7406\u3002
warehouse \u2013 \u4e0b\u4e00\u4ee3 PyPI\u3002
Warehousebandersnatch \u2013 PyPA \u63d0\u4f9b\u7684 PyPI \u955c\u50cf\u5de5\u5177\u3002
devpi \u2013 PyPI \u670d\u52a1\u548c\u6253\u5305/\u6d4b\u8bd5/\u5206\u53d1\u5de5\u5177\u3002
localshop \u2013 \u672c\u5730 PyPI \u670d\u52a1\uff08\u81ea\u5b9a\u4e49\u5305\u5e76\u4e14\u81ea\u52a8\u5bf9 PyPI \u955c\u50cf\uff09\u3002
\u5206\u53d1
\u6253\u5305\u4e3a\u53ef\u6267\u884c\u6587\u4ef6\u4ee5\u4fbf\u5206\u53d1\u3002
PyInstaller \u2013 \u5c06 Python \u7a0b\u5e8f\u8f6c\u6362\u6210\u72ec\u7acb\u7684\u6267\u884c\u6587\u4ef6\uff08\u8de8\u5e73\u53f0\uff09\u3002
dh-virtualenv \u2013 \u6784\u5efa\u5e76\u5c06 virtualenv \u865a\u62df\u73af\u5883\u4f5c\u4e3a\u4e00\u4e2a Debian \u5305\u6765\u53d1\u5e03\u3002
Nuitka \u2013 \u5c06\u811a\u672c\u3001\u6a21\u5757\u3001\u5305\u7f16\u8bd1\u6210\u53ef\u6267\u884c\u6587\u4ef6\u6216\u6269\u5c55\u6a21\u5757\u3002
py2app \u2013 \u5c06 Python \u811a\u672c\u53d8\u4e3a\u72ec\u7acb\u8f6f\u4ef6\u5305\uff08Mac OS X\uff09\u3002
py2exe \u2013 \u5c06 Python \u811a\u672c\u53d8\u4e3a\u72ec\u7acb\u8f6f\u4ef6\u5305\uff08Windows\uff09\u3002
pynsist \u2013 \u4e00\u4e2a\u7528\u6765\u521b\u5efa Windows \u5b89\u88c5\u7a0b\u5e8f\u7684\u5de5\u5177\uff0c\u53ef\u4ee5\u5728\u5b89\u88c5\u7a0b\u5e8f\u4e2d\u6253\u5305 Python\u672c\u8eab\u3002
\u6784\u5efa\u5de5\u5177
\u5c06\u6e90\u7801\u7f16\u8bd1\u6210\u8f6f\u4ef6\u3002
buildout \u2013 \u4e00\u4e2a\u6784\u5efa\u7cfb\u7edf\uff0c\u4ece\u591a\u4e2a\u7ec4\u4ef6\u6765\u521b\u5efa\uff0c\u7ec4\u88c5\u548c\u90e8\u7f72\u5e94\u7528\u3002
BitBake \u2013 \u9488\u5bf9\u5d4c\u5165\u5f0f Linux \u7684\u7c7b\u4f3c make \u7684\u6784\u5efa\u5de5\u5177\u3002
fabricate \u2013 \u5bf9\u4efb\u4f55\u8bed\u8a00\u81ea\u52a8\u627e\u5230\u4f9d\u8d56\u5173\u7cfb\u7684\u6784\u5efa\u5de5\u5177\u3002
PlatformIO \u2013 \u591a\u5e73\u53f0\u547d\u4ee4\u884c\u6784\u5efa\u5de5\u5177\u3002
PyBuilder \u2013 \u7eaf Python \u5b9e\u73b0\u7684\u6301\u7eed\u5316\u6784\u5efa\u5de5\u5177\u3002
SCons \u2013 \u8f6f\u4ef6\u6784\u5efa\u5de5\u5177\u3002
\u4ea4\u4e92\u5f0f\u89e3\u6790\u5668
\u4ea4\u4e92\u5f0f Python \u89e3\u6790\u5668\u3002
IPython \u2013 \u529f\u80fd\u4e30\u5bcc\u7684\u5de5\u5177\uff0c\u975e\u5e38\u6709\u6548\u7684\u4f7f\u7528\u4ea4\u4e92\u5f0f Python\u3002
bpython- \u754c\u9762\u4e30\u5bcc\u7684 Python \u89e3\u6790\u5668\u3002
ptpython \u2013 \u9ad8\u7ea7\u4ea4\u4e92\u5f0fPython\u89e3\u6790\u5668\uff0c \u6784\u5efa\u4e8epython-prompt-toolkit \u4e4b\u4e0a\u3002
\u6587\u4ef6
\u6587\u4ef6\u7ba1\u7406\u548c MIME\uff08\u591a\u7528\u9014\u7684\u7f51\u9645\u90ae\u4ef6\u6269\u5145\u534f\u8bae\uff09\u7c7b\u578b\u68c0\u6d4b\u3002
imghdr \u2013 \uff08Python \u6807\u51c6\u5e93\uff09\u68c0\u6d4b\u56fe\u7247\u7c7b\u578b\u3002
mimetypes \u2013 \uff08Python \u6807\u51c6\u5e93\uff09\u5c06\u6587\u4ef6\u540d\u6620\u5c04\u4e3a MIME \u7c7b\u578b\u3002
path.py \u2013 \u5bf9 os.path \u8fdb\u884c\u5c01\u88c5\u7684\u6a21\u5757\u3002
pathlib \u2013 \uff08Python3.4+ \u6807\u51c6\u5e93\uff09\u8de8\u5e73\u53f0\u7684\u3001\u9762\u5411\u5bf9\u8c61\u7684\u8def\u5f84\u64cd\u4f5c\u5e93\u3002
python-magic- \u6587\u4ef6\u7c7b\u578b\u68c0\u6d4b\u7684\u7b2c\u4e09\u65b9\u5e93 libmagic \u7684 Python \u63a5\u53e3\u3002
Unipath- \u7528\u9762\u5411\u5bf9\u8c61\u7684\u65b9\u5f0f\u64cd\u4f5c\u6587\u4ef6\u548c\u76ee\u5f55
watchdog \u2013 \u7ba1\u7406\u6587\u4ef6\u7cfb\u7edf\u4e8b\u4ef6\u7684 API \u548c shell \u5de5\u5177
\u65e5\u671f\u548c\u65f6\u95f4
\u64cd\u4f5c\u65e5\u671f\u548c\u65f6\u95f4\u7684\u7c7b\u5e93\u3002
arrow- \u66f4\u597d\u7684 Python \u65e5\u671f\u65f6\u95f4\u64cd\u4f5c\u7c7b\u5e93\u3002
Chronyk \u2013 Python 3 \u7684\u7c7b\u5e93\uff0c\u7528\u4e8e\u89e3\u6790\u624b\u5199\u683c\u5f0f\u7684\u65f6\u95f4\u548c\u65e5\u671f\u3002
dateutil \u2013 Python datetime \u6a21\u5757\u7684\u6269\u5c55\u3002
delorean- \u89e3\u51b3 Python \u4e2d\u6709\u5173\u65e5\u671f\u5904\u7406\u7684\u68d8\u624b\u95ee\u9898\u7684\u5e93\u3002
moment \u2013 \u4e00\u4e2a\u7528\u6765\u5904\u7406\u65f6\u95f4\u548c\u65e5\u671f\u7684Python\u5e93\u3002\u7075\u611f\u6765\u81ea\u4e8eMoment.js\u3002
PyTime \u2013 \u4e00\u4e2a\u7b80\u5355\u6613\u7528\u7684Python\u6a21\u5757\uff0c\u7528\u4e8e\u901a\u8fc7\u5b57\u7b26\u4e32\u6765\u64cd\u4f5c\u65e5\u671f/\u65f6\u95f4\u3002
pytz \u2013 \u73b0\u4ee3\u4ee5\u53ca\u5386\u53f2\u7248\u672c\u7684\u4e16\u754c\u65f6\u533a\u5b9a\u4e49\u3002\u5c06\u65f6\u533a\u6570\u636e\u5e93\u5f15\u5165Python\u3002
when.py \u2013 \u63d0\u4f9b\u7528\u6237\u53cb\u597d\u7684\u51fd\u6570\u6765\u5e2e\u52a9\u7528\u6237\u8fdb\u884c\u5e38\u7528\u7684\u65e5\u671f\u548c\u65f6\u95f4\u64cd\u4f5c\u3002
\u6587\u672c\u5904\u7406
\u7528\u4e8e\u89e3\u6790\u548c\u64cd\u4f5c\u6587\u672c\u7684\u5e93\u3002
\u901a\u7528
chardet \u2013 \u5b57\u7b26\u7f16\u7801\u68c0\u6d4b\u5668\uff0c\u517c\u5bb9 Python2 \u548c Python3\u3002
difflib \u2013 (Python \u6807\u51c6\u5e93)\u5e2e\u52a9\u6211\u4eec\u8fdb\u884c\u5dee\u5f02\u5316\u6bd4\u8f83\u3002
ftfy \u2013 \u8ba9Unicode\u6587\u672c\u66f4\u5b8c\u6574\u66f4\u8fde\u8d2f\u3002
fuzzywuzzy \u2013 \u6a21\u7cca\u5b57\u7b26\u4e32\u5339\u914d\u3002
Levenshtein \u2013 \u5feb\u901f\u8ba1\u7b97\u7f16\u8f91\u8ddd\u79bb\u4ee5\u53ca\u5b57\u7b26\u4e32\u7684\u76f8\u4f3c\u5ea6\u3002
pangu.py \u2013 \u5728\u4e2d\u65e5\u97e9\u8bed\u5b57\u7b26\u548c\u6570\u5b57\u5b57\u6bcd\u4e4b\u95f4\u6dfb\u52a0\u7a7a\u683c\u3002
pyfiglet -figlet \u7684 Python\u5b9e\u73b0\u3002
shortuuid \u2013 \u4e00\u4e2a\u751f\u6210\u5668\u5e93\uff0c\u7528\u4ee5\u751f\u6210\u7b80\u6d01\u7684\uff0c\u660e\u767d\u7684\uff0cURL \u5b89\u5168\u7684 UUID\u3002
unidecode \u2013 Unicode \u6587\u672c\u7684 ASCII \u8f6c\u6362\u5f62\u5f0f \u3002
uniout \u2013 \u6253\u5370\u53ef\u8bfb\u7684\u5b57\u7b26\uff0c\u800c\u4e0d\u662f\u8f6c\u4e49\u7684\u5b57\u7b26\u4e32\u3002
xpinyin \u2013 \u4e00\u4e2a\u7528\u4e8e\u628a\u6c49\u5b57\u8f6c\u6362\u4e3a\u62fc\u97f3\u7684\u5e93\u3002
Pillow\u662fPython\u91cc\u7684\u56fe\u50cf\u5904\u7406\u5e93\uff08PIL\uff1aPython Image Library\uff09\uff0c\u63d0\u4f9b\u4e86\u4e86\u5e7f\u6cdb\u7684\u6587\u4ef6\u683c\u5f0f\u652f\u6301\uff0c\u5f3a\u5927\u7684\u56fe\u50cf\u5904\u7406\u80fd\u529b\uff0c\u4e3b\u8981\u5305\u62ec\u56fe\u50cf\u50a8\u5b58\u3001\u56fe\u50cf\u663e\u793a\u3001\u683c\u5f0f\u8f6c\u6362\u4ee5\u53ca\u57fa\u672c\u7684\u56fe\u50cf\u5904\u7406\u64cd\u4f5c\u7b49\u3002
1\uff09\u4f7f\u7528 Image \u7c7b
PIL\u6700\u91cd\u8981\u7684\u7c7b\u662f Image class, \u4f60\u53ef\u4ee5\u901a\u8fc7\u591a\u79cd\u65b9\u6cd5\u521b\u5efa\u8fd9\u4e2a\u7c7b\u7684\u5b9e\u4f8b\uff1b\u4f60\u53ef\u4ee5\u4ece\u6587\u4ef6\u52a0\u8f7d\u56fe\u50cf\uff0c\u6216\u8005\u5904\u7406\u5176\u4ed6\u56fe\u50cf, \u6216\u8005\u4ece scratch \u521b\u5efa\u3002
\u8981\u4ece\u6587\u4ef6\u52a0\u8f7d\u56fe\u50cf\uff0c\u53ef\u4ee5\u4f7f\u7528open( )\u51fd\u6570\uff0c\u5728Image\u6a21\u5757\u4e2d\uff1a
1
2
>>> from PIL import Image
>>> im = Image.open("E:/photoshop/1.jpg")
\u52a0\u8f7d\u6210\u529f\u540e\uff0c\u5c06\u8fd4\u56de\u4e00\u4e2aImage\u5bf9\u8c61\uff0c\u53ef\u4ee5\u901a\u8fc7\u4f7f\u7528\u793a\u4f8b\u5c5e\u6027\u67e5\u770b\u6587\u4ef6\u5185\u5bb9\uff1a
1
2
3
>>> print(im.format, im.size, im.mode)
('JPEG', (600, 351), 'RGB')
>>>
format \u8fd9\u4e2a\u5c5e\u6027\u6807\u8bc6\u4e86\u56fe\u50cf\u6765\u6e90\u3002\u5982\u679c\u56fe\u50cf\u4e0d\u662f\u4ece\u6587\u4ef6\u8bfb\u53d6\u5b83\u7684\u503c\u5c31\u662fNone\u3002size\u5c5e\u6027\u662f\u4e00\u4e2a\u4e8c\u5143tuple\uff0c\u5305\u542bwidth\u548cheight\uff08\u5bbd\u5ea6\u548c\u9ad8\u5ea6\uff0c\u5355\u4f4d\u90fd\u662fpx\uff09\u3002 mode \u5c5e\u6027\u5b9a\u4e49\u4e86\u56fe\u50cfbands\u7684\u6570\u91cf\u548c\u540d\u79f0\uff0c\u4ee5\u53ca\u50cf\u7d20\u7c7b\u578b\u548c\u6df1\u5ea6\u3002\u5e38\u89c1\u7684modes \u6709 \u201cL\u201d (luminance) \u8868\u793a\u7070\u5ea6\u56fe\u50cf, \u201cRGB\u201d \u8868\u793a\u771f\u5f69\u8272\u56fe\u50cf, and \u201cCMYK\u201d \u8868\u793a\u51fa\u7248\u56fe\u50cf\u3002
\u5982\u679c\u6587\u4ef6\u6253\u5f00\u9519\u8bef\uff0c\u8fd4\u56de IOError \u9519\u8bef\u3002
\u53ea\u8981\u4f60\u6709\u4e86 Image \u7c7b\u7684\u5b9e\u4f8b\uff0c\u4f60\u5c31\u53ef\u4ee5\u901a\u8fc7\u7c7b\u7684\u65b9\u6cd5\u5904\u7406\u56fe\u50cf\u3002\u6bd4\u5982\uff0c\u4e0b\u5217\u65b9\u6cd5\u53ef\u4ee5\u663e\u793a\u56fe\u50cf\uff1a
1
im.show()
2\uff09\u8bfb\u5199\u56fe\u50cf
PIL \u6a21\u5757\u652f\u6301\u5927\u91cf\u56fe\u7247\u683c\u5f0f\u3002\u4f7f\u7528\u5728 Image \u6a21\u5757\u7684 open() \u51fd\u6570\u4ece\u78c1\u76d8\u8bfb\u53d6\u6587\u4ef6\u3002\u4f60\u4e0d\u9700\u8981\u77e5\u9053\u6587\u4ef6\u683c\u5f0f\u5c31\u80fd\u6253\u5f00\u5b83\uff0c\u8fd9\u4e2a\u5e93\u80fd\u591f\u6839\u636e\u6587\u4ef6\u5185\u5bb9\u81ea\u52a8\u786e\u5b9a\u6587\u4ef6\u683c\u5f0f\u3002\u8981\u4fdd\u5b58\u6587\u4ef6\uff0c\u4f7f\u7528 Image \u7c7b\u7684 save() \u65b9\u6cd5\u3002\u4fdd\u5b58\u6587\u4ef6\u7684\u65f6\u5019\u6587\u4ef6\u540d\u53d8\u5f97\u91cd\u8981\u4e86\u3002\u9664\u975e\u4f60\u6307\u5b9a\u683c\u5f0f\uff0c\u5426\u5219\u8fd9\u4e2a\u5e93\u5c06\u4f1a\u4ee5\u6587\u4ef6\u540d\u7684\u6269\u5c55\u540d\u4f5c\u4e3a\u683c\u5f0f\u4fdd\u5b58\u3002
\u52a0\u8f7d\u6587\u4ef6\uff0c\u5e76\u8f6c\u5316\u4e3apng\u683c\u5f0f\uff1a
1
2
3
4
5
6
7
8
9
10
11
12
13
"Python Image Library Test"
from PIL import Image
import os
import sys
for infile in sys.argv[1:]:
f,e = os.path.splitext(infile)
outfile = f +".png"
if infile != outfile:
try:
Image.open(infile).save(outfile)
except IOError:
print("Cannot convert", infile)
save() \u65b9\u6cd5\u7684\u7b2c\u4e8c\u4e2a\u53c2\u6570\u53ef\u4ee5\u6307\u5b9a\u6587\u4ef6\u683c\u5f0f\u3002
3\uff09\u521b\u5efa\u7f29\u7565\u56fe
\u7f29\u7565\u56fe\u662f\u7f51\u7edc\u5f00\u53d1\u6216\u56fe\u50cf\u8f6f\u4ef6\u9884\u89c8\u5e38\u7528\u7684\u4e00\u79cd\u57fa\u672c\u6280\u672f\uff0c\u4f7f\u7528Python\u7684Pillow\u56fe\u50cf\u5e93\u53ef\u4ee5\u5f88\u65b9\u4fbf\u7684\u5efa\u7acb\u7f29\u7565\u56fe\uff0c\u5982\u4e0b\uff1a
1
2
3
4
5
6
7
# create thumbnail
size = (128,128)
for infile in glob.glob("E:/photoshop/*.jpg"):
f, ext = os.path.splitext(infile)
img = Image.open(infile)
img.thumbnail(size,Image.ANTIALIAS)
img.save(f+".thumbnail","JPEG")
\u4e0a\u6bb5\u4ee3\u7801\u5bf9photoshop\u4e0b\u7684jpg\u56fe\u50cf\u6587\u4ef6\u5168\u90e8\u521b\u5efa\u7f29\u7565\u56fe\uff0c\u5e76\u4fdd\u5b58\uff0cglob\u6a21\u5757\u662f\u4e00\u79cd\u667a\u80fd\u5316\u7684\u6587\u4ef6\u540d\u5339\u914d\u6280\u672f\uff0c\u5728\u6279\u56fe\u50cf\u5904\u7406\u4e2d\u7ecf\u5e38\u4f1a\u7528\u5230\u3002
\u6ce8\u610f\uff1aPillow\u5e93\u4e0d\u4f1a\u76f4\u63a5\u89e3\u7801\u6216\u8005\u52a0\u8f7d\u56fe\u50cf\u6805\u683c\u6570\u636e\u3002\u5f53\u4f60\u6253\u5f00\u4e00\u4e2a\u6587\u4ef6\uff0c\u53ea\u4f1a\u8bfb\u53d6\u6587\u4ef6\u5934\u4fe1\u606f\u7528\u6765\u786e\u5b9a\u683c\u5f0f\uff0c\u989c\u8272\u6a21\u5f0f\uff0c\u5927\u5c0f\u7b49\u7b49\uff0c\u6587\u4ef6\u7684\u5269\u4f59\u90e8\u5206\u4e0d\u4f1a\u4e3b\u52a8\u5904\u7406\u3002\u8fd9\u610f\u5473\u7740\u6253\u5f00\u4e00\u4e2a\u56fe\u50cf\u6587\u4ef6\u7684\u64cd\u4f5c\u5341\u5206\u5feb\u901f\uff0c\u8ddf\u56fe\u7247\u5927\u5c0f\u548c\u538b\u7f29\u65b9\u5f0f\u65e0\u5173\u3002
4\uff09\u56fe\u50cf\u7684\u526a\u5207\u3001\u7c98\u8d34\u4e0e\u5408\u5e76\u64cd\u4f5c
Image \u7c7b\u5305\u542b\u7684\u65b9\u6cd5\u5141\u8bb8\u4f60\u64cd\u4f5c\u56fe\u50cf\u90e8\u5206\u9009\u533a\uff0cPIL.Image.Image.crop \u65b9\u6cd5\u83b7\u53d6\u56fe\u50cf\u7684\u4e00\u4e2a\u5b50\u77e9\u5f62\u9009\u533a\uff0c\u5982\uff1a
1
2
3
4
# crop, paste and merge
im = Image.open("E:/photoshop/lena.jpg")
box = (100,100,300,300)
region = im.crop(box)
\u77e9\u5f62\u9009\u533a\u6709\u4e00\u4e2a4\u5143\u5143\u7ec4\u5b9a\u4e49\uff0c\u5206\u522b\u8868\u793a\u5de6\u3001\u4e0a\u3001\u53f3\u3001\u4e0b\u7684\u5750\u6807\u3002\u8fd9\u4e2a\u5e93\u4ee5\u5de6\u4e0a\u89d2\u4e3a\u5750\u6807\u539f\u70b9\uff0c\u5355\u4f4d\u662fpx\uff0c\u6240\u4ee5\u4e0a\u8bc9\u4ee3\u7801\u590d\u5236\u4e86\u4e00\u4e2a 200\u00d7200 pixels \u7684\u77e9\u5f62\u9009\u533a\u3002\u8fd9\u4e2a\u9009\u533a\u73b0\u5728\u53ef\u4ee5\u88ab\u5904\u7406\u5e76\u4e14\u7c98\u8d34\u5230\u539f\u56fe\u3002
1
2
region = region.transpose(Image.ROTATE_180)
im.paste(region, box)
\u5f53\u4f60\u7c98\u8d34\u77e9\u5f62\u9009\u533a\u7684\u65f6\u5019\u5fc5\u987b\u4fdd\u8bc1\u5c3a\u5bf8\u4e00\u81f4\u3002\u6b64\u5916\uff0c\u77e9\u5f62\u9009\u533a\u4e0d\u80fd\u5728\u56fe\u50cf\u5916\u3002\u7136\u800c\u4f60\u4e0d\u5fc5\u4fdd\u8bc1\u77e9\u5f62\u9009\u533a\u548c\u539f\u56fe\u7684\u989c\u8272\u6a21\u5f0f\u4e00\u81f4\uff0c\u56e0\u4e3a\u77e9\u5f62\u9009\u533a\u4f1a\u88ab\u81ea\u52a8\u8f6c\u6362\u989c\u8272\u3002
5\uff09\u5206\u79bb\u548c\u5408\u5e76\u989c\u8272\u901a\u9053
\u5bf9\u4e8e\u591a\u901a\u9053\u56fe\u50cf\uff0c\u6709\u65f6\u5019\u5728\u5904\u7406\u65f6\u5e0c\u671b\u80fd\u591f\u5206\u522b\u5bf9\u6bcf\u4e2a\u901a\u9053\u5904\u7406\uff0c\u5904\u7406\u5b8c\u6210\u540e\u91cd\u65b0\u5408\u6210\u591a\u901a\u9053\uff0c\u5728Pillow\u4e2d\uff0c\u5f88\u7b80\u5355\uff0c\u5982\u4e0b\uff1a
1
2
r,g,b = im.split()
im = Image.merge("RGB", (r,g,b))
\u5bf9\u4e8esplit\uff08 \uff09\u51fd\u6570\uff0c\u5982\u679c\u662f\u5355\u901a\u9053\u7684\uff0c\u5219\u8fd4\u56de\u5176\u672c\u8eab\uff0c\u5426\u5219\uff0c\u8fd4\u56de\u5404\u4e2a\u901a\u9053\u3002
6\uff09\u51e0\u4f55\u53d8\u6362
\u5bf9\u56fe\u50cf\u8fdb\u884c\u51e0\u4f55\u53d8\u6362\u662f\u4e00\u79cd\u57fa\u672c\u5904\u7406\uff0c\u5728Pillow\u4e2d\u5305\u62ecresize( )\u548crotate( )\uff0c\u5982\u7528\u6cd5\u5982\u4e0b\uff1a
1
2
out = im.resize((128,128))
out = im.rotate(45) # degree conter-clockwise
\u5176\u4e2d\uff0cresize( )\u51fd\u6570\u7684\u53c2\u6570\u662f\u4e00\u4e2a\u65b0\u56fe\u50cf\u5927\u5c0f\u7684\u5143\u7956\uff0c\u800crotate( )\u5219\u9700\u8981\u8f93\u5165\u987a\u65f6\u9488\u7684\u65cb\u8f6c\u89d2\u5ea6\u3002\u5728Pillow\u4e2d\uff0c\u5bf9\u4e8e\u4e00\u4e9b\u5e38\u89c1\u7684\u65cb\u8f6c\u4f5c\u4e86\u4e13\u95e8\u7684\u5b9a\u4e49\uff1a
1
2
3
4
5
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\uff09\u989c\u8272\u7a7a\u95f4\u53d8\u6362
\u5728\u5904\u7406\u56fe\u50cf\u65f6\uff0c\u6839\u636e\u9700\u8981\u8fdb\u884c\u989c\u8272\u7a7a\u95f4\u7684\u8f6c\u6362\uff0c\u5982\u5c06\u5f69\u8272\u8f6c\u6362\u4e3a\u7070\u5ea6\uff1a
1
2
cmyk = im.convert("CMYK")
gray = im.convert("L")
8\uff09\u56fe\u50cf\u6ee4\u6ce2
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。
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。
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。
4. PIL/Pillow
PIL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。
5.OpenCV-Python
OpenCV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。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。
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”。
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。
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。
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种主要格式读取、写入和操作图像。
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。
#coding:utf-8
#使用的库
import csv,os,sys
import xlwt,xlrd
from xlrd import open_workbook
from xlutils.copy import copy
#为数组获得空间
Azimuth=[None]*1000000
Elevation=[None]*1000000
qiangdu=[None]*1000000
chushishuju='data_103717.xlsx'
扩展阅读：python图片处理及识别 ... python模块库大全 ... python图像处理库有哪些 ... 图像处理库 ... python处理图片的库 ... python入门 ... 基于python的图像处理 ... python基础代码大全 ... python在图像处理中的应用 ...
