Python進(jìn)行圖像處理的入門指南

更新時(shí)間：2026年05月13日 08:50:02 作者：yuanpan

本文介紹了Python圖像處理的基礎(chǔ)概念、環(huán)境搭建、常用操作和實(shí)戰(zhàn)案例,面向Python初學(xué)者從零開始完成一次Python圖像處理入門實(shí)踐,主要使用Pillow和OpenCV兩個(gè)庫,從基本概念到環(huán)境搭建,再到常用操作和實(shí)戰(zhàn)案例,逐步帶領(lǐng)讀者掌握Python圖像處理的技巧

前言

大家好，最近我在學(xué)習(xí) Python 圖像處理。相比純算法理論，圖像處理最有意思的地方是：代碼運(yùn)行之后馬上就能看到效果，一張圖片經(jīng)過裁剪、縮放、灰度化、濾波、邊緣檢測之后，變化非常直觀。

這篇文章面向 Python 初學(xué)者，按照“基礎(chǔ)概念 → 環(huán)境搭建 → 常用操作 → 實(shí)戰(zhàn)案例 → 完整代碼”的路線，帶大家從零開始完成一次 Python 圖像處理入門實(shí)踐。

本文主要使用兩個(gè)常見庫：

Pillow：適合圖片打開、保存、縮放、裁剪、格式轉(zhuǎn)換等基礎(chǔ)處理
OpenCV：適合圖像增強(qiáng)、濾波、邊緣檢測、輪廓識(shí)別等計(jì)算機(jī)視覺任務(wù)

一、圖像處理基礎(chǔ)

1.1 什么是圖像處理

圖像處理就是使用程序?qū)D片進(jìn)行讀取、分析、修改和保存。常見任務(wù)包括：

圖片格式轉(zhuǎn)換：例如 PNG 轉(zhuǎn) JPG
圖片尺寸調(diào)整：例如生成縮略圖
圖片裁剪：截取指定區(qū)域
灰度處理：把彩色圖轉(zhuǎn)換為黑白圖
圖像增強(qiáng)：調(diào)整亮度、對(duì)比度、銳化
邊緣檢測：提取物體輪廓
批量處理：一次性處理多個(gè)圖片文件

1.2 圖像在程序中的表示

一張圖片在計(jì)算機(jī)里本質(zhì)上是像素矩陣。

彩色圖片通常由三個(gè)通道組成：

R：紅色通道
G：綠色通道
B：藍(lán)色通道

在 OpenCV 中，默認(rèn)通道順序是 BGR，不是常見的 RGB，這是初學(xué)者非常容易踩坑的地方。

import cv2

image = cv2.imread("demo.jpg")
print(image.shape)

如果輸出：

(600, 800, 3)

表示圖片高度為 600，寬度為 800，有 3 個(gè)顏色通道。

二、環(huán)境搭建

2.1 安裝依賴庫

在命令提示符或 PowerShell 中執(zhí)行：

pip install pillow opencv-python numpy matplotlib

各庫作用如下：

pillow：基礎(chǔ)圖像讀寫和處理
opencv-python：計(jì)算機(jī)視覺處理
numpy：矩陣計(jì)算
matplotlib：顯示圖片和繪圖

2.2 準(zhǔn)備測試圖片

建議準(zhǔn)備一張普通圖片，例如：

demo.jpg

把圖片和 Python 腳本放在同一個(gè)文件夾中，方便后續(xù)讀取。

目錄結(jié)構(gòu)可以這樣：

image_demo/
├── demo.jpg
└── image_processing_demo.py

三、使用 Pillow 進(jìn)行基礎(chǔ)操作

3.1 打開和保存圖片

from PIL import Image

image = Image.open("demo.jpg")
print(image.size)
print(image.mode)

image.save("output_copy.jpg")

說明：

image.size：圖片尺寸，返回 (寬度, 高度)
image.mode：圖片模式，例如 RGB、RGBA、L
save()：保存圖片

3.2 圖片縮放

from PIL import Image

image = Image.open("demo.jpg")
resized = image.resize((400, 300))
resized.save("output_resized.jpg")

如果想按比例縮放，可以這樣寫：

from PIL import Image

image = Image.open("demo.jpg")
width, height = image.size

new_width = 400
new_height = int(height * new_width / width)

resized = image.resize((new_width, new_height))
resized.save("output_keep_ratio.jpg")

3.3 圖片裁剪

from PIL import Image

image = Image.open("demo.jpg")

box = (100, 100, 500, 400)
cropped = image.crop(box)

cropped.save("output_cropped.jpg")

crop() 的參數(shù)是一個(gè)四元組：

(左, 上, 右, 下)

3.4 灰度轉(zhuǎn)換

from PIL import Image

image = Image.open("demo.jpg")
gray = image.convert("L")
gray.save("output_gray.jpg")

L 表示灰度模式，每個(gè)像素只保留亮度信息。

四、使用 OpenCV 進(jìn)行圖像處理

4.1 讀取和顯示圖片

import cv2

image = cv2.imread("demo.jpg")

cv2.imshow("image", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意：

cv2.imread() 讀取圖片
cv2.imshow() 顯示圖片
cv2.waitKey(0) 等待鍵盤輸入
cv2.destroyAllWindows() 關(guān)閉窗口

4.2 BGR 轉(zhuǎn) RGB

OpenCV 默認(rèn)使用 BGR。如果要用 matplotlib 顯示，需要轉(zhuǎn)換為 RGB。

import cv2
import matplotlib.pyplot as plt

image = cv2.imread("demo.jpg")
rgb_image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

plt.imshow(rgb_image)
plt.axis("off")
plt.show()

4.3 灰度圖

import cv2

image = cv2.imread("demo.jpg")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

cv2.imwrite("opencv_gray.jpg", gray)

4.4 高斯模糊

高斯模糊常用于降噪，讓圖片變得更平滑。

import cv2

image = cv2.imread("demo.jpg")
blurred = cv2.GaussianBlur(image, (7, 7), 0)

cv2.imwrite("opencv_blur.jpg", blurred)

參數(shù) (7, 7) 是卷積核大小，必須是正奇數(shù)。

4.5 邊緣檢測

Canny 邊緣檢測可以提取圖片中的輪廓線。

import cv2

image = cv2.imread("demo.jpg")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 100, 200)

cv2.imwrite("opencv_edges.jpg", edges)

其中 100 和 200 是兩個(gè)閾值，閾值不同，邊緣檢測結(jié)果也會(huì)不同。

五、實(shí)戰(zhàn)項(xiàng)目一：批量生成縮略圖

很多網(wǎng)站或后臺(tái)系統(tǒng)都需要生成縮略圖。下面用 Pillow 批量處理一個(gè)文件夾中的圖片。

from pathlib import Path
from PIL import Image


def create_thumbnails(input_dir, output_dir, size=(300, 300)):
    input_path = Path(input_dir)
    output_path = Path(output_dir)
    output_path.mkdir(parents=True, exist_ok=True)

    image_exts = [".jpg", ".jpeg", ".png", ".bmp"]

    for file_path in input_path.iterdir():
        if file_path.suffix.lower() not in image_exts:
            continue

        image = Image.open(file_path)
        image.thumbnail(size)

        save_path = output_path / f"{file_path.stem}_thumb.jpg"
        image.convert("RGB").save(save_path, quality=90)
        print(f"已生成縮略圖：{save_path}")


create_thumbnails("images", "thumbnails")

thumbnail() 會(huì)保持原始比例，不會(huì)強(qiáng)行拉伸圖片。

六、實(shí)戰(zhàn)項(xiàng)目二：批量添加文字水印

在圖片右下角添加文字水印，是非常常見的批處理需求。

from pathlib import Path
from PIL import Image, ImageDraw, ImageFont


def add_text_watermark(image_path, output_path, text):
    image = Image.open(image_path).convert("RGBA")
    watermark_layer = Image.new("RGBA", image.size, (255, 255, 255, 0))
    draw = ImageDraw.Draw(watermark_layer)

    font = ImageFont.truetype("arial.ttf", 32)
    text_box = draw.textbbox((0, 0), text, font=font)
    text_width = text_box[2] - text_box[0]
    text_height = text_box[3] - text_box[1]

    x = image.width - text_width - 30
    y = image.height - text_height - 30

    draw.text((x, y), text, font=font, fill=(255, 255, 255, 160))

    result = Image.alpha_composite(image, watermark_layer)
    result.convert("RGB").save(output_path, quality=95)


def batch_add_watermark(input_dir, output_dir, text):
    input_path = Path(input_dir)
    output_path = Path(output_dir)
    output_path.mkdir(parents=True, exist_ok=True)

    for file_path in input_path.glob("*.*"):
        if file_path.suffix.lower() not in [".jpg", ".jpeg", ".png"]:
            continue

        save_path = output_path / f"{file_path.stem}_watermark.jpg"
        add_text_watermark(file_path, save_path, text)
        print(f"已添加水?。簕save_path}")


batch_add_watermark("images", "watermarked", "Python Image")

如果 arial.ttf 找不到，可以換成 Windows 常見字體路徑：

font = ImageFont.truetype("C:/Windows/Fonts/msyh.ttc", 32)

七、實(shí)戰(zhàn)項(xiàng)目三：圖像邊緣檢測工具

下面做一個(gè)完整的小工具：讀取圖片、灰度化、模糊降噪、邊緣檢測，并把每一步結(jié)果保存下來。

from pathlib import Path

import cv2


def detect_edges(image_path, output_dir):
    output_path = Path(output_dir)
    output_path.mkdir(parents=True, exist_ok=True)

    image = cv2.imread(str(image_path))
    if image is None:
        raise FileNotFoundError(f"圖片讀取失敗：{image_path}")

    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(gray, (5, 5), 0)
    edges = cv2.Canny(blurred, 80, 180)

    cv2.imwrite(str(output_path / "01_gray.jpg"), gray)
    cv2.imwrite(str(output_path / "02_blurred.jpg"), blurred)
    cv2.imwrite(str(output_path / "03_edges.jpg"), edges)

    print("處理完成，結(jié)果已保存。")


detect_edges("demo.jpg", "edge_output")

這個(gè)流程適合用來理解很多視覺任務(wù)的前處理步驟。

八、完整代碼演示

下面是一份完整代碼，整合了圖片信息讀取、縮放、裁剪、灰度化、模糊、邊緣檢測、批量縮略圖和水印功能。

保存為 image_processing_demo.py：

from pathlib import Path

import cv2
from PIL import Image, ImageDraw, ImageFont


IMAGE_EXTS = [".jpg", ".jpeg", ".png", ".bmp"]


def show_image_info(image_path):
    image = Image.open(image_path)
    print("圖片路徑：", image_path)
    print("圖片尺寸：", image.size)
    print("圖片模式：", image.mode)
    print("圖片格式：", image.format)


def resize_keep_ratio(image_path, output_path, new_width=500):
    image = Image.open(image_path)
    width, height = image.size
    new_height = int(height * new_width / width)
    resized = image.resize((new_width, new_height))
    resized.save(output_path)


def crop_center(image_path, output_path, crop_width=400, crop_height=300):
    image = Image.open(image_path)
    width, height = image.size

    left = (width - crop_width) // 2
    top = (height - crop_height) // 2
    right = left + crop_width
    bottom = top + crop_height

    cropped = image.crop((left, top, right, bottom))
    cropped.save(output_path)


def convert_to_gray(image_path, output_path):
    image = Image.open(image_path)
    gray = image.convert("L")
    gray.save(output_path)


def opencv_blur_and_edges(image_path, output_dir):
    output_path = Path(output_dir)
    output_path.mkdir(parents=True, exist_ok=True)

    image = cv2.imread(str(image_path))
    if image is None:
        raise FileNotFoundError(f"圖片讀取失?。簕image_path}")

    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(gray, (5, 5), 0)
    edges = cv2.Canny(blurred, 80, 180)

    cv2.imwrite(str(output_path / "gray.jpg"), gray)
    cv2.imwrite(str(output_path / "blurred.jpg"), blurred)
    cv2.imwrite(str(output_path / "edges.jpg"), edges)


def create_thumbnails(input_dir, output_dir, size=(300, 300)):
    input_path = Path(input_dir)
    output_path = Path(output_dir)
    output_path.mkdir(parents=True, exist_ok=True)

    for file_path in input_path.iterdir():
        if file_path.suffix.lower() not in IMAGE_EXTS:
            continue

        image = Image.open(file_path)
        image.thumbnail(size)

        save_path = output_path / f"{file_path.stem}_thumb.jpg"
        image.convert("RGB").save(save_path, quality=90)
        print(f"縮略圖已保存：{save_path}")


def load_font(size):
    font_candidates = [
        "C:/Windows/Fonts/msyh.ttc",
        "C:/Windows/Fonts/simhei.ttf",
        "arial.ttf"
    ]

    for font_path in font_candidates:
        if Path(font_path).exists():
            return ImageFont.truetype(font_path, size)

    return ImageFont.load_default()


def add_text_watermark(image_path, output_path, text):
    image = Image.open(image_path).convert("RGBA")
    watermark_layer = Image.new("RGBA", image.size, (255, 255, 255, 0))
    draw = ImageDraw.Draw(watermark_layer)

    font = load_font(32)
    text_box = draw.textbbox((0, 0), text, font=font)
    text_width = text_box[2] - text_box[0]
    text_height = text_box[3] - text_box[1]

    x = image.width - text_width - 30
    y = image.height - text_height - 30

    draw.text((x, y), text, font=font, fill=(255, 255, 255, 160))

    result = Image.alpha_composite(image, watermark_layer)
    result.convert("RGB").save(output_path, quality=95)


def batch_add_watermark(input_dir, output_dir, text):
    input_path = Path(input_dir)
    output_path = Path(output_dir)
    output_path.mkdir(parents=True, exist_ok=True)

    for file_path in input_path.iterdir():
        if file_path.suffix.lower() not in [".jpg", ".jpeg", ".png"]:
            continue

        save_path = output_path / f"{file_path.stem}_watermark.jpg"
        add_text_watermark(file_path, save_path, text)
        print(f"水印圖片已保存：{save_path}")


def main():
    demo_image = Path("demo.jpg")

    if not demo_image.exists():
        print("請(qǐng)先在當(dāng)前目錄準(zhǔn)備一張 demo.jpg 測試圖片。")
        return

    Path("output").mkdir(exist_ok=True)

    show_image_info(demo_image)

    resize_keep_ratio(demo_image, "output/resized.jpg", new_width=500)
    crop_center(demo_image, "output/cropped.jpg", crop_width=400, crop_height=300)
    convert_to_gray(demo_image, "output/gray.jpg")
    opencv_blur_and_edges(demo_image, "output/opencv")
    add_text_watermark(demo_image, "output/watermark.jpg", "Python Image")

    print("基礎(chǔ)圖像處理完成，結(jié)果在 output 文件夾中。")

    if Path("images").exists():
        create_thumbnails("images", "output/thumbnails")
        batch_add_watermark("images", "output/watermarked", "Python Image")
    else:
        print("如果需要批量處理，請(qǐng)創(chuàng)建 images 文件夾并放入圖片。")


if __name__ == "__main__":
    main()

九、運(yùn)行說明

9.1 安裝依賴

pip install pillow opencv-python numpy matplotlib

9.2 準(zhǔn)備圖片

把一張測試圖片命名為：

demo.jpg

并和代碼文件放在同一個(gè)目錄。

9.3 運(yùn)行程序

python image_processing_demo.py

運(yùn)行后會(huì)生成：

output/
├── resized.jpg
├── cropped.jpg
├── gray.jpg
├── watermark.jpg
└── opencv/
    ├── gray.jpg
    ├── blurred.jpg
    └── edges.jpg

如果你創(chuàng)建了 images 文件夾并放入多張圖片，程序還會(huì)批量生成縮略圖和水印圖。

十、常見問題與解決方案

10.1 cv2.imread 讀取結(jié)果是 None

常見原因：

圖片路徑寫錯(cuò)
文件名不存在
路徑中包含特殊字符
圖片文件損壞

建議先用 Path.exists() 判斷文件是否存在。

10.2 OpenCV 顯示顏色不對(duì)

OpenCV 默認(rèn)是 BGR，matplotlib 默認(rèn)按 RGB 顯示，所以需要轉(zhuǎn)換：

rgb_image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

10.3 水印中文亂碼或不顯示

通常是字體不支持中文。Windows 下可以使用：

font = ImageFont.truetype("C:/Windows/Fonts/msyh.ttc", 32)

10.4 保存 JPG 時(shí)報(bào)錯(cuò)

如果圖片是 RGBA 模式，直接保存為 JPG 可能報(bào)錯(cuò)，需要先轉(zhuǎn)換為 RGB：

image.convert("RGB").save("output.jpg")

十一、圖像處理的應(yīng)用場景

Python 圖像處理可以應(yīng)用在很多實(shí)際場景中：

電商圖片批量壓縮、裁剪、水印
證件照背景處理
文檔掃描件增強(qiáng)
OCR 文字識(shí)別前處理
醫(yī)學(xué)影像預(yù)處理
工業(yè)缺陷檢測
視頻幀分析
機(jī)器學(xué)習(xí)數(shù)據(jù)集清洗和增強(qiáng)

如果繼續(xù)深入，可以學(xué)習(xí)：

OpenCV 輪廓檢測
圖像閾值分割
形態(tài)學(xué)操作
模板匹配
人臉檢測
圖像分類
目標(biāo)檢測

十二、總結(jié)

Python 圖像處理是一個(gè)非常適合通過實(shí)踐學(xué)習(xí)的方向。入門階段建議先掌握 Pillow 和 OpenCV 的基礎(chǔ)用法：

使用 Pillow 完成圖片打開、保存、縮放、裁剪、灰度轉(zhuǎn)換和水印
使用 OpenCV 完成灰度化、模糊、邊緣檢測等視覺處理
使用 pathlib 管理文件路徑
把單張圖片處理擴(kuò)展為批量圖片處理

從學(xué)習(xí)路徑上看，可以先做小工具，再做完整項(xiàng)目。比如先寫一個(gè)圖片縮放腳本，再擴(kuò)展成批量壓縮工具；先做邊緣檢測，再擴(kuò)展成輪廓提取和目標(biāo)識(shí)別。

保持學(xué)習(xí)，保持輸出。圖像處理并不是只能停留在理論里，只要多動(dòng)手寫代碼，一張普通圖片也可以變成很好的練習(xí)素材。

以上就是Python進(jìn)行圖像處理的入門指南的詳細(xì)內(nèi)容，更多關(guān)于Python進(jìn)行圖像處理的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章:

最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线