python读取图片函数 python提取图片信息

❤️【Python从入门到精通】（二十七）更进一步的了解Pillow吧！

本文是接上一篇 ❤️【Python从入门到精通】（二十六）用Python的PIL库（Pillow）处理图像真的得心应手❤️ 进一步介绍Pillow库的使用， 本文将重点介绍一些高级特性：比如如何利用Pillow画图形（圆形，正方形），介绍通过Pillow库给图片添加水印；同时对上一篇文章未介绍的常用知识点进行补充说明。希望对读者朋友们有所帮助。

10年的莒南网站建设经验，针对设计、前端、开发、售后、文案、推广等六对一服务，响应快，48小时及时工作处理。全网营销推广的优势是能够根据用户设备显示端的尺寸不同，自动调整莒南建站的显示方式，使网站能够适用不同显示终端，在浏览器中调整网站的宽度，无论在任何一种浏览器上浏览网站，都能展现优雅布局与设计，从而大程度地提升浏览体验。创新互联从事“莒南网站设计”,“莒南网站推广”以来，每个客户项目都认真落实执行。

上一篇文章已经介绍了Image模块，但是介绍的还不够全面，例如如何从网页中读取图片没有介绍到，如何裁剪图片都没有介绍到。

读取网页中的图片的基本实现方式是：首先利用requests库读取当前图片链接的内容，接着将内容转成二进制数据，在通过open方法将该二进制数据，最后通过save方法进行保存。

读取结果是：

通过crop方法可以从图片中裁剪出一个指定大小的区域。裁取的区域范围是 (left, upper, right, lower) 比如从某个宽高都是400的图片中裁剪一个是宽高都是100的正方形区域，只需要指定裁剪区域的坐标是: (0, 0, 100, 100)

有裁剪还有一个方法就是重新设置图片大小的方法 resize，比如将前面400 400的图片 修改成 300 200，只需要调用resize方法

通过 convert方法进行图片模式的转换

前面介绍的ImageDraw库，只是介绍了利用它来向图片写入文本，其实ImageDraw模块还有一个更有用的途径，就是可以通过它来画各种图形。

首先创建一个600*600的画布。然后再画布中画出一个正方形，画直线的方法是 line方法。

ImageDraw.line(xy, fill=None, width=0, joint=None)

在xy的坐标之间画一条直线

xy-- 在两个坐标点之间画一条直线，坐标点的传入方式是[(x, y), (x, y), ...]或者[x, y, x, y, ...]

fill-- 直线的颜色

width-- 直线的宽度

画一个边框宽度为2px，颜色为蓝色的，面积为400*400的正方形。

ImageDraw.arc(xy, start, end, fill=None, width=0)

在给定的区域范围内，从开始角到结束角之间绘制一条圆弧

xy-- 定义边界框的两个点，传入的格式是[ (x0, y0), (x1, y1)] 或者 [x0, y0, x1, y1] ，其中 x1=x0,y1=y0

start -- 起始角度，以度为单位，从3点钟开始顺时针增加

end-- 结束角度，以度为单位

fill-- 弧线的颜色

width--弧线的宽度

这里就是画了一个半圆，如果结束角度是360度的话则就会画一个完整的圆。

画圆通过ImageDraw.ellipse(xy, fill=None, outline=None, width=1) 方法，该方法可以画出一个给定范围的圆

xy-- 定义边界框的两个点，传入的格式是[ (x0, y0), (x1, y1)] 或者 [x0, y0, x1, y1] ，其中 x1=x0,y1=y0

outline-- 轮廓的颜色

fill --- 填充颜色

width-- 轮廓的宽度

ImageDraw.chord(xy, start, end, fill=None, outline=None, width=1) 方法用来画半圆，跟arc()方法不同的是它会用直线将起始点和结束点连接起来

xy-- 定义边界框的两个点，传入的格式是[ (x0, y0), (x1, y1)] 或者 [x0, y0, x1, y1] ，其中 x1=x0,y1=y0

outline-- 轮廓的颜色

fill --- 填充颜色

width-- 轮廓的宽度

ImageDraw.pieslice(xy, start, end, fill=None, outline=None, width=1)

类似于arc()方法，不过他会在端点和圆点之间画直线

xy-- 定义边界框的两个点，传入的格式是[ (x0, y0), (x1, y1)] 或者 [x0, y0, x1, y1] ，其中 x1=x0,y1=y0

start -- 起始角度，以度为单位，从3点钟开始顺时针增加

end-- 结束角度，以度为单位

fill-- 弧线的颜色

width--弧线的宽度

ImageDraw.rectangle(xy, fill=None, outline=None, width=1)

xy-- 在两个坐标点之间画一条直线，坐标点的传入方式是[(x, y), (x, y), ...]或者[x, y, x, y, ...]

outline-- 轮廓的颜色

fill-- 填充的颜色

width-- 轮廓线的宽度

ImageDraw.rounded_rectangle(xy, radius=0, fill=None, outline=None, width=1) 该方法可以画一个圆角矩形

xy-- 在两个坐标点之间画一条直线，坐标点的传入方式是[(x, y), (x, y), ...]或者[x, y, x, y, ...]

radius-- 角的半径

outline-- 轮廓的颜色

fill-- 填充的颜色

width-- 轮廓线的宽度

这里有个问题，就是画好的图形如何从Image中扣出来呢？

ImageEnhance模块主要是用于设置图片的颜色对比度亮度锐度等啥的，增强图像。

原始图像

ImageFilter模块主要用于对图像进行过滤，增强边缘，模糊处理，该模块的使用方式是 im.filter(ImageFilter) 。

其中ImageFilter按照需求传入指定的过滤值。

下面一个个试下效果

4.边缘增强

ImageGrab模块主要用于对屏幕进行截图，通过grab方法进行截取，如果不传入任何参数则表示全屏幕截图，否则是截取指定区域的图像。其中box格式是：(x1,x2,y1,y2)

利用Pillow库可以轻易的对图像增加水印

首先，用PIL的Image函数读取图片

接着，新建一张图(尺寸和原图一样)

然后，在新建的图象上用PIL的ImageDraw把字给画上去，字的颜色从原图处获取。

原图

添加文字后的效果图

本文详细介绍了Pillow库的使用，希望对读者朋友们有所帮助。

Pillow官方文档

需要获取源码的小伙伴可以关注下方的公众号，回复【python】

python 图片读取 常用操作方法

批量获取图片：

keras 多张图片：

很多情况下，你并不能使用以上这些方法来直接输入数据去训练或者预测，原因是你的数据集太大了，没办法把所有的图片都载入到内存当中。那keras的data generator就派上用场了，当你的模型需要训练数据的时候，generator会自动从cpu生成一批图片，喂到GPU里面让模型进行训练，依次循环，直到训练结束。

压缩数据中维度为1的维度， numpy.squeeze()

模型是不能直接对图片进行卷积操作的，必须先转化为numpy数组才能输入模型里面去，而且如果数据集的图片尺寸不统一，也有不同的操作细节。

keras 模型保存路径： C:\Users\你的用户名.keras\models

notop代表是否包括顶层的全连接层，默认include_top=True，包括全连接层。

tf -- tensorflow 或者 CNTK

th -- theano

python怎么打开图片

使用python进行数字图片处理，可以使用pillow包，它是由PIL fork发展而来的。使用时需要import从PIL fork中导出。同时使用open()函数来打开图片，使用show()函数来显示图片。

opencv-python 缺口识别

一、cv函数

1、imread：读取图片

imread(image_path, flag):

 images_path:图片路径，找不到不报错

flag:

1/cv2.IMREAD_COLOR:彩色图片,图片透明性会被忽略,默认参数

0/cv2.IMREAD_GRAYSCALE:灰色图片

-1/cv2.IMREAD_UNCHANGED:包括其alpha通道

2、imwrite

imwrite(img_path_name,img)

img_path_name:保存的文件名

img：文件对象

3、cvtColor

cvtColor(img,code)

img: 图像对象

code：

cv2.COLOR_RGB2GRAY: RGB转换到灰度模式

cv2.COLOR_RGB2HSV： RGB转换到HSV模式（hue,saturation,Value）

4、matchTemplate

matchTemplate(img_path, bg_path, cv2.TM_CCOEFF_NORMED)

img_path:对比图片

bg_path：背景图片

cv2.TM_CCOEFF_NORMED

```

# encoding=utf8

import cv2

import numpyas np

def show(name):

cv2.imshow('Show', name)

cv2.waitKey(0)

cv2.destroyAllWindows()

def main():

otemp ='./images/tb.png'

oblk ='./images/bg.jpg'

target = cv2.imread(otemp, 0)

template = cv2.imread(oblk, 0)# 读取到两个图片，进行灰值化处理

w, h = target.shape[::-1]

aa = target.shape

print(aa)

print(w, h)

temp ='./images/temp.jpg'

targ ='./images/targ.jpg'

cv2.imwrite(temp, template)

cv2.imwrite(targ, target)# 处理后进行保存

target = cv2.imread(targ)

target = cv2.cvtColor(target, cv2.COLOR_BGR2GRAY)# 转化到灰度

target =abs(255 - target)# 返回绝对值

cv2.imwrite(targ, target)# 重新写入

target = cv2.imread(targ)

template = cv2.imread(temp)

result = cv2.matchTemplate(target, template, cv2.TM_CCOEFF_NORMED)# 进行匹配

x, y = np.unravel_index(result.argmax(), result.shape)# 通过np转化为数值，就是坐标

print(y, x)

# 展示圈出来的区域

cv2.rectangle(template, (y, x), (y + w, x + h), (7, 249, 151), 2)

show(template)

return y, x

if __name__ =='__main__':

a, b = main()

```

python读取保存多帧图片数量少了

cv2.imshow("left", img_left)

filename3=str(number)+'n3'+'.jpg' #打印第number张图片+增值方式+保存类型

cv2.imwrite(savedpath + filename3, img_left)

"""

# 数据增强实现

"""

import cv2

import numpy as np

import os

# 图像平移

def img_translation(image):

# 图像平移 下、上、右、左平移

M = np.float32([[1, 0, 0], [0, 1, 100]])

img_down = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

M = np.float32([[1, 0, 0], [0, 1, -100]])

img_up = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

M = np.float32([[1, 0, 100], [0, 1, 0]])

img_right = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

M = np.float32([[1, 0, -100], [0, 1, 0]])

img_left = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

# 保存图片，需要保存上述的哪一图片，就在cv2.imwrite()中，将哪一图片名放入。

# filename='xxx' +'.jpeg'

# cv2.imwrite(savedpath + filename, img_left)

# 显示图形

cv2.imshow("down", img_down)

filename0=str(number)+'n0'+'.jpg'

cv2.imwrite(savedpath + filename0, img_down)

cv2.imshow("up", img_up)

filename1=str(number)+'n1'+'.jpg'

cv2.imwrite(savedpath + filename1, img_up)

cv2.imshow("right", img_right)

filename2=str(number)+'n2'+'.jpg'

cv2.imwrite(savedpath + filename2, img_right)

cv2.imshow("left", img_left)

filename3=str(number)+'n3'+'.jpg'

cv2.imwrite(savedpath + filename3, img_left)

# 图像缩放

def img_scale(image):

result = cv2.resize(image, (224, 224))

cv2.imshow("scale", result)

filename=str(number)+'n5'+'.jpg'

cv2.imwrite(savedpath + filename, result)

# 图像翻转

def img_flip(image):

# 0以X轴为对称轴翻转,0以Y轴为对称轴翻转, 0X轴Y轴翻转

horizontally = cv2.flip(image, 0) # 水平镜像

vertically = cv2.flip(image, 1) # 垂直镜像

hv = cv2.flip(image, -1) # 水平垂直镜像

# 显示图形

cv2.imshow("Horizontally", horizontally)

filename1=str(number)+'n6'+'.jpg'

cv2.imwrite(savedpath + filename1, horizontally)

cv2.imshow("Vertically", vertically)

filename2=str(number)+'n7'+'.jpg'

cv2.imwrite(savedpath + filename2, vertically)

cv2.imshow("Horizontally Vertically", hv)

filename3=str(number)+'n8'+'.jpg'

cv2.imwrite(savedpath + filename3, hv)

# 图像旋转

def img_rotation(image):

# 原图的高、宽 以及通道数

rows, cols, channel = image.shape

# 绕图像的中心旋转

# 参数：旋转中心 旋转度数 scale

M = cv2.getRotationMatrix2D((cols / 2, rows / 2), 30, 1)

# 参数：原始图像 旋转参数 元素图像宽高

rotated = cv2.warpAffine(image, M, (cols, rows))

# 显示图像

cv2.imshow("rotated", rotated)

filename1=str(number)+'n9'+'.jpg'

cv2.imwrite(savedpath + filename1, rotated)

#选装60度

W = cv2.getRotationMatrix2D((cols / 2, rows / 2), 60, 1)

# 参数：原始图像 旋转参数 元素图像宽高

rotated1 = cv2.warpAffine(image, W, (cols, rows))

cv2.imshow("rotated", rotated)

filename2=str(number)+'n12'+'.jpg'

cv2.imwrite(savedpath + filename2, rotated1)

#选装145度

W = cv2.getRotationMatrix2D((cols / 2, rows / 2), 60, 1)

# 参数：原始图像 旋转参数 元素图像宽高

rotated2 = cv2.warpAffine(image, W, (cols, rows))

cv2.imshow("rotated", rotated)

filename3=str(number)+'n13'+'.jpg'

cv2.imwrite(savedpath + filename3, rotated2)

# 图像加噪

def img_noise(image, mean=0, var=0.001):

'''

添加高斯噪声

mean : 均值

var : 方差

'''

image = np.array(image / 255, dtype=float)

noise = np.random.normal(mean, var ** 0.5, image.shape)

out = image + noise

if out.min() 0:

low_clip = -1.

else:

low_clip = 0.

out = np.clip(out, low_clip, 1.0)

out = np.uint8(out * 255)

cv2.imshow("noise", out)

filename3=str(number)+'n10'+'.jpg'

cv2.imwrite(savedpath + filename3, out)

# 图像亮度调节

def img_brightness(image):

contrast = 1 # 对比度

brightness = 100 # 亮度

pic_turn = cv2.addWeighted(image, contrast, image, 0, brightness)

# cv2.addWeighted(对象,对比度,对象,对比度)

'''cv2.addWeighted()实现的是图像透明度的改变与图像的叠加'''

cv2.imshow('bright', pic_turn) # 显示图片

filename3=str(number)+'n11'+'.jpg'

cv2.imwrite(savedpath + filename3, pic_turn)

if __name__ == '__main__':

i = 0

path = '../Data/'

print(path)

savedpath = './result_new/'

filelist = os.listdir(path)

total_num = len(filelist)

for item in filelist:

number = i + 1

i = number

print("######")

print("打印到第",i,"张图片")

src = cv2.imread(path + item)

img_translation(src)

img_scale(src)

img_flip(src)

img_rotation(src)

img_noise(src)

img_brightness(src)

cv2.waitKey(0)

cv2.destroyAllWindows()

代码较为繁琐，有空之后进行优化

输出结果