Python图像处理库Pillow基础使用指南
本文介绍Python中广泛使用的Pillow图像处理库，它作为PIL的现代化分支支持Python3。通过具体代码示例，详细演示了如何创建新图像、获取尺寸、进行缩略图生成、缩放、模糊、旋转以及水平与垂直拼接等常用操作，帮助开发者快速掌握基础图像处理技能。
2026-10-13
6
本文介绍Python中广泛使用的Pillow图像处理库，它作为PIL的现代化分支支持Python3。通过具体代码示例，详细演示了如何创建新图像、获取尺寸、进行缩略图生成、缩放、模糊、旋转以及水平与垂直拼接等常用操作，帮助开发者快速掌握基础图像处理技能。
本文介绍如何使用Python的matplotlib库生成背景透明的图片，并实现图例部分的透明显示效果。通过设置savefig参数transparent=True及调整图例框架属性，可确保导出PNG图片时背景完全透明，适用于需要透明底图的场景。
本文详解OpenCV中图像平移的几何原理，通过二维坐标变换推导三维仿射矩阵的构造方法。重点解析cv2.warpAffine函数的参数配置，包括变换矩阵M、输出尺寸dsize及插值方式flags，结合Python代码示例演示如何实现图像平移及边界填充处理。
本文介绍了使用Python和OpenCV库同时读取多个USB摄像头的实现方法。通过为不同摄像头分配不同的索引号（如0、1），可以并行获取视频流。然而，文章指出仅靠索引无法区分具体硬件设备，建议通过源码分析理解设备接入顺序与索引的对应关系，以解决多设备连接时的识别问题。
本文介绍如何在Python环境中利用OpenCV与aircv库实现截图在原图中的精准定位。通过安装指定依赖包，加载原图与截图进行模板匹配计算，最终在原图上绘制圆圈标记出匹配位置，为自动化测试和图像识别提供实用参考。
本文介绍使用Python和OpenCV库提取二值图像轮廓并计算其中心点坐标的方法。通过cv2.findContours获取轮廓，利用cv2.moments计算矩以推导中心坐标，最后绘制轮廓与中心点并保存结果图像。
本文提供Python实现屏幕截取并保存为文件的完整代码，利用PIL库获取图像，结合schedule库设定周期性截屏与定时清理任务。代码演示如何按日期创建目录保存截图，并自动删除指定天数前的旧截图目录，适用于需要定期监控屏幕状态的场景。
本文介绍了在已获取图片链接的前提下，使用 Python3 下载网络图片的两种主要方式。第一种通过 urllib2 模块进行文件读写，第二种利用 urllib.request 中的 urlretrieve 方法。文章提供了相应的代码示例，帮助开发者快速实现图片下载功能。
本文详细介绍在Ubuntu系统中配置Python环境以实现基于Tesseract的OCR文字识别功能。涵盖tesseract-ocr、pytesseract及Pillow库的安装步骤，提供完整的Python识别代码示例。针对中文识别缺失训练包的问题，给出chi_sim训练数据的安装方法，并说明中英文识别效果的差异。
本文介绍利用Python进行图片二值化处理以提高OCR识别率的完整代码。通过PIL库将图像转为灰度，设定阈值200进行黑白分割，最终生成高对比度图像供Tesseract识别，有效提升文字提取准确率。
本文详解在Python2和Python3环境下，利用OpenCV和PIL库在图片上叠加汉字的实现方法。重点解析因内部编码机制不同导致的UnicodeDecodeError错误，并提供将UTF-8转换为GBK编码的具体代码修正方案，确保在Windows系统中正确显示中文标签。
本文介绍如何使用Python的PIL库在图片上添加自定义字体。通过示例代码展示如何加载图片、设置字体样式与颜色，并将结果保存为新图像文件。
