Python读取.DCM格式文件及焊接缺陷图像处理方案
本文介绍如何使用Python读取.DCM格式文件，重点探讨在焊接缺陷图像检测中遇到的读取问题。通过对比pydicom与dicom库的代码实现，分析图像阈值处理与轮廓提取流程，并指出特定场景下读取失败的可能原因，为相关图像处理提供参考。
2026-10-13
6
本文介绍如何使用Python读取.DCM格式文件，重点探讨在焊接缺陷图像检测中遇到的读取问题。通过对比pydicom与dicom库的代码实现，分析图像阈值处理与轮廓提取流程，并指出特定场景下读取失败的可能原因，为相关图像处理提供参考。
本文详细介绍Python中基于TensorFlow的图像处理技术。涵盖图像解码显示、缩放（双线性/最近邻等）、裁剪与填充、随机裁剪、上下左右翻转以及对比度、明度和饱和度调整。重点解析VGG网络输入数据的批处理拆分与重组流程，帮助提升深度学习模型识别准确率。
本文介绍使用 Python 的 imghdr 模块判断图片格式，并通过 PIL 库将 BMP 或 JPEG 格式转换为 JPG 格式。代码实现了根据当前时间自动生成唯一文件夹，并将转换后的图像保存至该文件夹中，适用于批量处理图像文件的场景。
本文介绍利用Python的tifffile库解决OpenCV对多帧TIFF支持不足的问题。通过读取8位灰度图像，利用NumPy进行升维处理并追加至数组，最终使用tifffile.imsave一次性保存为多帧TIFF文件，提供完整代码示例。
本文介绍如何在Python中读取TIF图片并保留其16bit编码格式。通过调整OpenCV的imread参数为-1，可避免图像被转换为8bit。此外，推荐使用tifffile库进行读取，确保数据完整性。
本文解析使用Python结合OpenCV库读取RTSP视频流的完整流程，包含基于海康摄像头的实时弹窗播放代码示例。文章指出该方式适用于本地测试，但在实际业务场景中建议采用RTSP转RTMP方案以提升稳定性。
本文详细介绍在Mac OS 10.14环境下使用Python识别图形验证码的完整流程。重点讲解pytesseract的安装配置，以及利用PIL进行灰度化和二值化处理，结合OpenCV进行去干扰线操作，从而提升验证码识别准确率。
本文介绍如何在Python中将FITS格式的灰度图像数组转换为Image类对象。由于FITS图像灰度值范围通常为0至65535，超出标准位图范围，直接转换会导致问题。通过示例代码展示如何利用numpy和Image库进行归一化处理，实现数组到Image对象的转换及后续操作。
本文介绍Python中使用Pillow库保存图像时，save方法中quality和subsampling参数的具体作用。quality值范围1至95，数值越高图片质量越好；subsampling控制色度子采样，可选0、1、2，通常设为0以平衡文件大小与画质。
本文介绍在Python中实现OpenCV图像格式与PIL.Image格式相互转换的方法。通过cv2.cvtColor进行色彩空间转换，并结合numpy.asarray或Image.fromarray完成数据格式适配，提供双向转换的完整代码示例。
本文详解如何在Python中使用OpenCV将numpy数组格式的图片转换为Base64字符串，以及将Base64字符串还原为OpenCV可用的图像矩阵。通过cv2.imencode和cv2.imdecode函数实现高效编码与解码，适用于网络传输及存储场景。
本文详细介绍Python中PIL、OpenCV(cv2)与Base64字符串之间的相互转换方法。涵盖PIL与cv2的格式互转，包括颜色空间RGB与BGR的转换；以及图片文件与Base64编码的双向转换，提供完整的代码示例，适用于网络传输和图像存储场景。