Python 获取图片分辨率的两种常用方法

使用 Pillow (PIL) 获取分辨率

Pillow 是 Python 图像处理的标准库之一，其接口简洁直观。通过 Image.open() 打开图片文件后，可以直接访问 .size 属性来获取图片的宽和高。该方法返回一个包含两个整数的元组，分别对应图片的像素宽度和像素高度。

from PIL import Image

# 指定图片路径
filename = r'E:\data\yangben\0.jpg'

# 打开图片文件
img = Image.open(filename)

# 获取图片尺寸 (width, height)
imgSize = img.size 
print(imgSize)

# 获取长边和短边数值
maxSize = max(imgSize) # 图片的长边
minSize = min(imgSize) # 图片的短边

print(maxSize, minSize)

上述代码首先导入 Image 模块，然后打开指定路径的图片。通过 img.size 直接获得分辨率数据，并利用 Python 内置的 max() 和 min() 函数进一步提取长边和短边的具体数值，便于后续逻辑判断。

使用 OpenCV 获取分辨率

OpenCV 是计算机视觉领域的强大工具库。使用 cv2.imread() 读取图片后，可以通过访问图像对象的 .shape 属性来获取图像的几何信息。该属性返回一个元组，包含图像的高度、宽度以及通道数（如果是彩色图像）。

import cv2

# 假设 F1 为图片路径变量
img = cv2.imread(F1)

# 获取图像形状信息
sp = img.shape
height = sp[0] # height(rows) of image
width = sp[1] # width(colums) of image
chanael = sp[2] # the pixels value is made up of three primary colors

# 打印宽、高及通道数
print('width: %d \nheight: %d \nnumber: %d' % (width, height, chanael))

在 OpenCV 中，sp[0] 代表图像的高度（行数），sp[1] 代表图像的宽度（列数）。对于彩色图像，sp[2] 表示通道数（通常为 3，对应 BGR 格式）。这种方法不仅获取了分辨率，还同时提供了通道信息，适用于需要深入处理图像像素值的场景。

总结

无论是使用 Pillow 还是 OpenCV，获取图片分辨率都非常便捷。Pillow 方法更轻量，适合仅需尺寸信息的场景；OpenCV 方法则提供了更丰富的图像元数据，适合复杂的计算机视觉任务。开发者可根据实际需求选择合适的方法。

以上就是 Python 获取图片分辨率的两种常用方法的详细内容，更多关于 Python 图像处理技巧的资料请关注本站其它相关文章！