pyvips：高效的 Python 图像处理库

pyvips 是基于 libvips 的 Python 图像处理库。libvips 是一个开源、高效的图像处理库，广泛应用于各种图像处理任务中，因其极快的处理速度和低内存占用而备受欢迎。与传统图像处理库（如 PIL、OpenCV）相比，pyvips 在处理大尺寸图片或批量图像时具有显著的性能优势。

本文将介绍 pyvips 的主要特点、安装方法、使用示例及其在实际项目中的应用场景。

💯 pyvips 的特点

1. 高效的内存管理：pyvips 采用惰性处理（lazy evaluation），在处理图像时只有在必要时才会执行具体操作，大幅度降低了内存的占用。

2. 处理速度快：由于 pyvips 可以并行处理多个图像操作，尤其在处理大图像时，性能表现显著优于许多其他图像处理库。

3. 支持多种图像格式：pyvips 支持多种常见的图像格式，包括 JPEG、PNG、TIFF、WebP 等，以及许多高动态范围（HDR）图像格式。

4. 丰富的图像操作：提供了丰富的图像处理功能，如裁剪、缩放、旋转、滤镜、图像合成等，支持高精度的图像操作。

5. 跨平台支持：pyvips 兼容 Windows、macOS 和 Linux 平台，易于集成到各种操作系统中。

💯 安装 pyvips

在安装 pyvips 之前，您需要确保系统已经安装了 libvips。可以通过以下命令安装：

在 Linux 上：

sudo apt-get install libvips-dev

在 macOS 上：

brew install vips

然后，您可以通过 pip 来安装 pyvips：

pip install pyvips

安装完成后，您就可以在 Python 项目中导入 pyvips 并开始使用。

💯 pyvips 的基本用法

1. 加载和保存图像

使用 pyvips 加载图像非常简单。您可以通过 pyvips.Image.new_from_file() 方法读取图像，并使用 write_to_file() 方法保存图像。

import pyvips

# 读取图像
image = pyvips.Image.new_from_file('example.jpg')

# 保存为 PNG 格式
image.write_to_file('output.png')

在这个例子中，我们读取了一张 JPEG 图片并将其保存为 PNG 格式。

2. 图像缩放与裁剪

pyvips 提供了方便的图像缩放和裁剪功能。以下示例展示如何缩放和裁剪图像：

# 将图像缩放至 50% 大小
scaled_image = image.resize(0.5)

# 裁剪图像 (x, y, width, height)
cropped_image = scaled_image.crop(100, 100, 400, 400)

# 保存裁剪后的图像
cropped_image.write_to_file('cropped_output.png')

在这个示例中，我们先将图像缩放为原始大小的 50%，然后裁剪出一个 400x400 大小的区域。

3. 图像旋转与翻转

pyvips 支持图像的旋转与翻转操作，以下是一个简单的例子：

# 将图像旋转 90 度
rotated_image = image.rot90()

# 将图像水平翻转
flipped_image = rotated_image.fliphor()

# 保存翻转后的图像
flipped_image.write_to_file('flipped_output.png')

4. 图像合成与叠加

pyvips 还可以将多个图像进行合成与叠加，以下示例展示了如何将两个图像叠加在一起：

# 加载另一张图片
image2 = pyvips.Image.new_from_file('example2.jpg')

# 将 image2 叠加在 image 上
composite_image = image.composite(image2, 'over')

# 保存合成后的图像
composite_image.write_to_file('composite_output.png')

在这个例子中，我们将 image2 叠加到 image 上，最终保存合成后的图像。

5. 图像滤镜与调整

pyvips 提供了丰富的图像处理滤镜，可以进行颜色调整、锐化等操作。以下是一个简单的锐化示例：

# 应用锐化滤镜
sharpened_image = image.sharpen()

# 保存锐化后的图像
sharpened_image.write_to_file('sharpened_output.png')

此外，pyvips 还支持图像的亮度、对比度、饱和度等调整操作。

💯 pyvips 的高级用法

1. 处理多页 TIFF

pyvips 支持处理多页 TIFF 文件，这是很多图像处理库不具备的功能。以下是一个处理多页 TIFF 文件的示例：

# 读取多页 TIFF 文件
tiff_image = pyvips.Image.new_from_file('multipage.tiff', page=0)

# 遍历每一页并保存
for i in range(tiff_image.get("n-pages")):
    page_image = pyvips.Image.new_from_file('multipage.tiff', page=i)
    page_image.write_to_file(f'output_page_{i}.jpg')

2. 高级图像合成

pyvips 提供了灵活的图像合成功能，允许开发者精确控制每个图像的叠加方式。可以通过 composite 方法选择不同的叠加模式（如 over、add、subtract 等），甚至可以实现复杂的图像处理流程。

# 使用 'add' 模式合成两张图像
composite_image_add = image.composite(image2, 'add')

# 保存合成后的图像
composite_image_add.write_to_file('composite_add_output.png')

3. 高效处理大图像

pyvips 在处理大图像时优势非常明显，因为它不会将整个图像加载到内存中，而是采用流式处理，这意味着即使是几十 GB 的大图像也可以在内存消耗非常少的情况下进行处理。

# 读取一张大图像
large_image = pyvips.Image.new_from_file('large_image.tif')

# 进行处理，如缩放
resized_large_image = large_image.resize(0.1)

# 保存处理后的大图像
resized_large_image.write_to_file('resized_large_output.tif')

通过流式处理，pyvips 保证了在处理大图像时系统内存的高效使用，使其成为处理超高分辨率图像的理想选择。

💯 应用场景

1. 大批量图像处理：pyvips 适合处理大量图像文件，尤其是在需要进行高效转换、裁剪、缩放等操作时，通过流式处理大幅减少内存消耗。

2. 超大图像处理：在医疗成像、卫星图像等领域，通常需要处理数百 MB 甚至 GB 级别的图像。pyvips 的惰性处理机制使得在普通计算机上处理这些大图像成为可能。

3. 高效 Web 图像处理服务：对于需要处理海量图片的网站或应用（如图像上传、图片压缩服务），pyvips 提供了极高的处理性能，减少了服务器的压力。

4. 科研与图像分析：在需要高精度图像处理的场景，如生物医学成像或地理信息系统（GIS），pyvips 提供了强大的图像处理功能，并能高效处理多种高分辨率图像格式。

📥 下载地址

pyvips 最新版 下载地址

💬 结语

pyvips 是一个功能强大、效率极高的 Python 图像处理库，尤其适用于大规模和高分辨率图像处理任务。通过 pyvips，开发者可以在大幅减少内存占用的情况下，快速进行图像处理操作。无论是用于批量处理、构建高效的 Web 服务，还是用于科研项目，pyvips 都能为开发者提供可靠的解决方案。

如果您需要处理大批量图像或超高分辨率图像，pyvips 将是一个非常值得推荐的工具。

📒 参考文献

• pyvips GitHub仓库