Pillow和OpenCV对图片进行高亮及裁剪处理

2024-08-24 22:44

本文主要是介绍Pillow和OpenCV对图片进行高亮及裁剪处理,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

图片的高亮处理可以通过对图像的像素值进行调整来实现。常见的方法有改变亮度、对比度、应用滤镜等。以下是一些使用Pillow库和OpenCV库来进行图片高亮处理的示例代码。
使用Pillow调整亮度
Pillow库提供了一个非常方便的接口ImageEnhance中的Brightness类来调整图像的亮度。

from PIL import Image, ImageEnhance# 加载图片
image_path = "path_to_your_image.jpg"  # 替换为你的图片路径
image = Image.open(image_path)# 创建亮度增强器
enhancer = ImageEnhance.Brightness(image)# 调整亮度,1表示原始亮度,小于1变暗,大于1变亮
factor = 1.5  # 将亮度增加50%
brighter_image = enhancer.enhance(factor)# 显示结果
brighter_image.show()# 可选:保存调整后的图片
brighter_image.save("brighter_image.jpg")

使用OpenCV调整亮度
用OpenCV进行高亮处理,可以通过改变图片的像素值来实现。以下示例代码展示了如何将所有像素值提高,从而使图像变亮。

import cv2
import numpy as np# 读取图片
image_path = "path_to_your_image.jpg"  # 替换为你的图片路径
image = cv2.imread(image_path)# 增加亮度
# 注意:OpenCV中图片的数据类型为numpy数组,直接相加可能会导致数据溢出
# 使用clip函数确保结果仍然位于有效范围[0, 255]
brighter_image = np.clip(image + 50, 0, 255).astype(np.uint8)# 显示结果
cv2.imshow("Brighter Image", brighter_image)
cv2.waitKey(0)  # 等待按键
cv2.destroyAllWindows()# 可选:保存调整后的图片
cv2.imwrite("brighter_image_cv2.jpg", brighter_image)

注意事项
当使用Pillow调整亮度时,enhance方法的参数factor工作在一个相对亮度的级别上,它不是直接加到像素上的值,而是一个相乘的因子。
在使用OpenCV调整亮度时,直接对像素值进行加法操作可能会导致数值溢出,使用np.clip可以确保结果在有效的范围内。
除了简单的亮度调整,Pillow和OpenCV还提供了一系列处理图像对比度、色调、饱和度等方面的工具和函数,可以通过结合使用这些工具来实现更复杂的图像增强效果。

np.clip 函数是NumPy库中的一个重要函数,用于将数组中的元素限制在一个给定的区间内。对于区间之外的元素,如果某个元素小于区间的下限,它会被设置为区间的下限值;如果某个元素大于区间的上限,它会被设置为区间的上限值。对于在这个区间内的元素,保持不变。

基本语法
np.clip(a, a_min, a_max, out=None)
a : array_like —— 输入的数组。
a_min : scalar or array_like —— 剪切区间的下限。小于此值的元素将被设为a_min,可以是标量(单个数值)或数组形式(适用于广播操作)。
a_max : scalar or array_like —— 剪切区间的上限。大于此值的元素将被设为a_max,同样可以是标量或数组形式。
out : ndarray, optional —— 用于存储输出结果的数组。如果提供,其形状必须与输入数组a相匹配。

import numpy as np
# 创建一个数组
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
# 使用np.clip函数把所有元素限制在区间[3, 7]内
clipped_arr = np.clip(arr, 3, 7)
print(clipped_arr)
# 结果
[3 3 3 4 5 6 7 7 7]

其他用途
np.clip函数在图像处理中常用来调整像素值的范围。例如,在将图像的亮度提高后,一些像素值可能超出了有效的色彩范围[0, 255]。此时,可以使用np.clip来将这些值限制在有效范围内,避免数据溢出。
在机器学习和深度学习中,np.clip也常用于梯度裁剪(gradient clipping),以防止梯度爆炸问题。
注意事项
在使用np.clip时,提供的下限a_min不应大于上限a_max,否则可能不会得到预期的结果。当处理具有特定范围要求的数据时,合理设置这两个参数至关重要。

在Python中,裁剪图片可以通过多种库来实现,例如最常用的Pillow和OpenCV。下面分别介绍如何使用这两个库来裁剪图片。
使用Pillow裁剪图片
Pillow是一个Python图像处理库,提供了许多图像处理的功能,包括裁剪。以下是使用Pillow裁剪图片的示例:

from PIL import Image# 打开图片
image_path = 'path_to_your_image.jpg'  # 替换成你的图片路径
img = Image.open(image_path)# 定义裁剪区域 (左, 上, 右, 下)
crop_area = (100, 100, 300, 300)  # 根据需要调整这些值
# 裁剪图片
cropped_img = img.crop(crop_area)
# 显示裁剪后的图片
cropped_img.show()
# 保存裁剪后的图片
cropped_img.save('cropped_image.jpg')

使用OpenCV裁剪图片
OpenCV是另一个流行的图像处理库,常用于计算机视觉项目。以下是使用OpenCV裁剪图片的示例:

import cv2# 读取图片
image_path = 'path_to_your_image.jpg'  # 替换成你的图片路径
img = cv2.imread(image_path)# 定义裁剪区域 (y的开始和结束,x的开始和结束)
crop_area = (100, 300, 100, 300)  # 根据需要调整这些值# 裁剪图片
# 注意OpenCV中的图像格式是先行后列(即先高度(y)后宽度(x))
cropped_img = img[crop_area[0]:crop_area[1], crop_area[2]:crop_area[3]]# 显示裁剪后的图片
cv2.imshow('Cropped Image', cropped_img)
cv2.waitKey(0)  # 等待按键
cv2.destroyAllWindows()
# 保存裁剪后的图片
cv2.imwrite('cropped_image.jpg', cropped_img)

在这两种方法中,裁剪区域的选择至关重要。Pillow和OpenCV在指定裁剪区域时略有不同:

在Pillow中,裁剪区域是通过(left, upper, right, lower)来指定的,其中坐标原点在图片的左上角。
在OpenCV中,裁剪区域是通过行和列的索引来指定的,使用[y_start:y_end, x_start:x_end]的方式,其中坐标原点同样在图片的左上角,但需要注意的是,OpenCV使用的是(y, x)的顺序而非(x, y)。

这篇关于Pillow和OpenCV对图片进行高亮及裁剪处理的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1103820

相关文章

Java使用Curator进行ZooKeeper操作的详细教程

《Java使用Curator进行ZooKeeper操作的详细教程》ApacheCurator是一个基于ZooKeeper的Java客户端库,它极大地简化了使用ZooKeeper的开发工作,在分布式系统... 目录1、简述2、核心功能2.1 CuratorFramework2.2 Recipes3、示例实践3

Springboot处理跨域的实现方式(附Demo)

《Springboot处理跨域的实现方式(附Demo)》:本文主要介绍Springboot处理跨域的实现方式(附Demo),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不... 目录Springboot处理跨域的方式1. 基本知识2. @CrossOrigin3. 全局跨域设置4.

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

Python实现自动化接收与处理手机验证码

《Python实现自动化接收与处理手机验证码》在移动互联网时代,短信验证码已成为身份验证、账号注册等环节的重要安全手段,本文将介绍如何利用Python实现验证码的自动接收,识别与转发,需要的可以参考下... 目录引言一、准备工作1.1 硬件与软件需求1.2 环境配置二、核心功能实现2.1 短信监听与获取2.

Python使用date模块进行日期处理的终极指南

《Python使用date模块进行日期处理的终极指南》在处理与时间相关的数据时,Python的date模块是开发者最趁手的工具之一,本文将用通俗的语言,结合真实案例,带您掌握date模块的六大核心功能... 目录引言一、date模块的核心功能1.1 日期表示1.2 日期计算1.3 日期比较二、六大常用方法详

Python使用DrissionPage中ChromiumPage进行自动化网页操作

《Python使用DrissionPage中ChromiumPage进行自动化网页操作》DrissionPage作为一款轻量级且功能强大的浏览器自动化库,为开发者提供了丰富的功能支持,本文将使用Dri... 目录前言一、ChromiumPage基础操作1.初始化Drission 和 ChromiumPage

利用Go语言开发文件操作工具轻松处理所有文件

《利用Go语言开发文件操作工具轻松处理所有文件》在后端开发中,文件操作是一个非常常见但又容易出错的场景,本文小编要向大家介绍一个强大的Go语言文件操作工具库,它能帮你轻松处理各种文件操作场景... 目录为什么需要这个工具?核心功能详解1. 文件/目录存javascript在性检查2. 批量创建目录3. 文件

Java使用多线程处理未知任务数的方案介绍

《Java使用多线程处理未知任务数的方案介绍》这篇文章主要为大家详细介绍了Java如何使用多线程实现处理未知任务数,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 知道任务个数,你可以定义好线程数规则,生成线程数去跑代码说明:1.虚拟线程池:使用 Executors.newVir

一文带你深入了解Python中的GeneratorExit异常处理

《一文带你深入了解Python中的GeneratorExit异常处理》GeneratorExit是Python内置的异常,当生成器或协程被强制关闭时,Python解释器会向其发送这个异常,下面我们来看... 目录GeneratorExit:协程世界的死亡通知书什么是GeneratorExit实际中的问题案例