Python中PIL与OpenCV处理图片：读取、显示、裁剪及保存详解

PIL库图像基础处理

在Python图像处理领域，PIL（Pillow）库提供了基础的图像操作接口，常用于简单的图像格式转换和基础属性获取。

使用PIL库读取图片时，需导入Image模块。通过调用即可将指定路径的图片加载到内存中，生成Image对象供后续处理。

img = Image.open(“a.jpg”)

若需快速预览图像，可直接调用。该方法会弹出系统默认的图片查看窗口展示图像。注意，若图像数据为numpy数组类型，需先通过Image.fromarray(nparr, mode='RGB')转换为Image对象后再显示。

im.show() # im是Image对象，im是numpy类型，通过Image.fromarray(nparr, mode='RGB')函数转换为Image对象

获取图像的尺寸信息是处理前的必要步骤。执行可解包得到图像的宽度和高度，分别赋值给width和height变量，便于后续进行坐标计算或缩放操作。

(width, height) = img.size

了解图像的通道模式有助于正确解析像素数据。通过可以获取图像的mode属性，常见的模式包括'RGB'（彩色）、'L'（灰度）等，这决定了后续处理时的数据格式。

mode = img.mode

PIL库支持对图像指定区域进行截取。使用函数，传入左上角(x1, y1)和右下角(x2, y2)坐标，即可提取指定矩形区域的图像内容，返回新的Image对象。

img_c = img.crop(x1,y1,x2,y2)

调整图像大小通常涉及缩放操作。调用并指定目标尺寸(size, size)及抗锯齿参数Image.ANTIALIAS，可将原图调整为指定分辨率，适用于图像预处理或缩略图生成场景。

img = img.resize((size,size), Image.ANTIALIAS)

处理完成后，需将结果持久化。执行可将Image对象保存至指定path路径。此外，PIL还支持ImageDraw模块进行绘图，例如通过imDrwa.rectangle((x1, y1, x2, y2), outline="red")绘制红色边框，最后通过img.show()预览带有标注的图像。

img.save(path)
ImageDraw

  imDrwa = ImageDraw.Draw(img)
  # boxes = [[10, 20, 129, 255],[126, 0, 221, 164]]
  imDrwa.rectangle((x1, y1, x2, y2), outline="red")
  img.show()

OpenCV库图像处理方法

OpenCV（cv2）是计算机视觉领域的常用库，其API设计与PIL不同，更侧重于算法处理和实时视频流操作，适合复杂的图像分析任务。

在OpenCV中读取图片使用cv2.imread()函数。该函数返回一个numpy数组，若路径错误或文件不存在，则返回None，因此实际开发中建议检查返回值以确保读取成功。

im = cv2.imread()

OpenCV显示图像需结合窗口管理函数。通过创建名为'image'的窗口并显示图像，随后调用cv2.waitKey(0)等待用户按键，最后使用cv2.destroyAllWindows()关闭所有OpenCV窗口，防止资源占用。

cv2.imshow('image',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

OpenCV调整图像大小使用cv2.resize()函数。如所示，传入源图像、目标尺寸(size, size)以及插值方法interpolation（如cv2.INTER_AREA适用于缩小图像），可高效完成缩放操作，保持图像质量。

img=cv2.resize(image,(size,size),interpolation = cv2.INTER_AREA)

保存图像时，OpenCV允许设置编码参数。执行可将图像保存为'1.jpg'，并通过列表[int(cv2.IMWRITE_JPEG_QUALITY), 95]指定JPEG质量因子，默认值为95，数值越高图像质量越好但文件体积越大。

cv2.imwrite('1.jpg',img, [int( cv2.IMWRITE_JPEG_QUALITY), 95]) # 默认95

上述内容总结了Python中PIL和OpenCV处理图片的核心方法，包括读取、显示、属性获取、裁剪、缩放及保存等关键操作，为图像预处理提供了基础参考。