pythonsave函数_“请问Python中的image.save命令怎么使用？会有什么效果“python image使用教程

用Python的PIL模块的image模块打开的图片位于哪个文件夹

你所问的问题实是属于： 1.考 【教程】Python中的内置的 和第三方的模块 搞懂PIL是属于第三方Python模块 2.再参考： 【待完善】【总结】Python安装第三方的库、package的方法 去安装PIL模块。 3.关于PIL的一些使用，可以参考： 【已解决】Python中通过Image的open之后，去show结果打不开bmp图片，无法正常显示图片 再针对PIL来说就是： 1. 这里不给贴地址，所以只能靠你自己用google搜： python pil 第一个就是： Python Imaging Library (PIL) 点击进去后，找到自己python版本的PIL，比如： Python Imaging Library 1.1.7 for Python 2.7 (Windows only) 下载，双击，安装，即可。 2. 如果下载到的是PIL源码， 则打开cmd，切换到其目录 然后执行 setup.py install 就可以通过源码方式安装了。 这些方法，上面帖子其实都有总结的。

python中image怎样压缩图像

需要 PIL

然后 from PIL import Image

im = Image.open(pash)

im.thumbnail((new_width, new_hight))

im.save(path)

python用graphics中的image图片保存与调用

from PIL import Image

import os.path

import glob

def convertjpg(jpgfile,outdir,width=1280,height=720):

img=Image.open(jpgfile)

new_img=img.resize((width,height),Image.BILINEAR)

new_img.save(os.path.join(outdir,os.path.basename(jpgfile)))

for jpgfile in glob.glob("D:/python/*.jpg"):

convertjpg(jpgfile,"D:/newfile")

convertjpg时可以有四个参数convertjpg(jpgfile,"D:/newfile",800,600)

Image open了jpg用完后不要close？

怎么用python显示一张图片

在 python 中除了用 opencv，以用 matplotlib 和 PIL 这两个库操作图片人偏爱 matpoltlib，因的语法更像 matlab。

一、matplotlib

1. 显示图片

复制代码

import matplotlib.pyplot as plt # plt 用于显示图片

　　import matplotlib.image as mpimg # mpimg 用于读取图片

import numpy as np

　　lena = mpimg.imread('lena.png') # 读取和代码处于同一目录下的 lena.png

# 此时 lena 就已经是一个 np.array 了，可以对它进行任意处理

lena.shape #(512, 512, 3)

plt.imshow(lena) # 显示图片

plt.axis('off') # 不显示坐标轴

plt.show()

复制代码

2. 显示某个通道

复制代码

# 显示图片的第一个通道

lena_1 = lena[:,:,0]

plt.imshow('lena_1')

plt.show()

# 此时会发现显示的是热量图，不是我们预想的灰度图，可以添加 cmap 参数，有如下几种添加方法：

plt.imshow('lena_1', cmap='Greys_r')

plt.show()

　　img = plt.imshow('lena_1')

　　img.set_cmap('gray') # 'hot' 是热量图

plt.show()

复制代码

3. 将 RGB 转为灰度图

matplotlib 中没有合适的函数可以将 RGB 图转换为灰度图，可以根据公式自定义一个：

复制代码

def rgb2gray(rgb):

return np.dot(rgb[...,:3], [0.299, 0.587, 0.114])

gray = rgb2gray(lena)

# 也可以用 plt.imshow(gray, cmap = plt.get_cmap('gray'))

plt.imshow(gray, cmap='Greys_r')

plt.axis('off')

plt.show()

复制代码

4. 对图像进行放缩

这里要用到 scipy

复制代码

from scipy import misc

lena_new_sz = misc.imresize(lena, 0.5) # 第二个参数如果是整数，则为百分比，如果是tuple，则为输出图像的尺寸

plt.imshow(lena_new_sz)

plt.axis('off')

plt.show()

复制代码

5. 保存图像

5.1 保存 matplotlib 画出的图像

该方法适用于保存任何 matplotlib 画出的图像，相当于一个 screencapture。

plt.imshow(lena_new_sz)

plt.axis('off')

plt.savefig('lena_new_sz.png')

5.2 将 array 保存为图像

from scipy import misc

misc.imsave('lena_new_sz.png', lena_new_sz)

5.3 直接保存 array

读取之后还是可以按照前面显示数组的方法对图像进行显示，这种方法完全不会对图像质量造成损失

np.save('lena_new_sz', lena_new_sz) # 会在保存的名字后面自动加上.npy

　　img = np.load('lena_new_sz.npy') # 读取前面保存的数组

二、PIL

1. 显示图片

from PIL import Image

im = Image.open('lena.png')

im.show()

2. 将 PIL Image 图片转换为 numpy 数组

im_array = np.array(im)

# 也可以用 np.asarray(im) 区别是 np.array() 是深拷贝，np.asarray() 是浅拷贝

3. 保存 PIL 图片

直接调用 Image 类的 save 方法

from PIL import Image

I = Image.open('lena.png')

I.save('new_lena.png')

4. 将 numpy 数组转换为 PIL 图片

这里采用 matplotlib.image 读入图片数组，注意这里读入的数组是 float32 型的，范围是 0-1，而 PIL.Image 数据是 uinit8 型的，范围是0-255，所以要进行转换：

　　import matplotlib.image as mpimg

from PIL import Image

　　lena = mpimg.imread('lena.png') # 这里读入的数据是 float32 型的，范围是0-1

im = Image.fromarray(np.uinit8(lena*255))

im.show()

5. RGB 转换为灰度图

from PIL import Image

I = Image.open('lena.png')

I.show()

L = I.convert('L')

L.show()

python图像处理opencv cv.createimage怎么用

Python: cv.CreateImage(size, depth, channels)

size  Image width and height

depth – Bit depth of image elements

channels – Number of channels per pixel

上面是opencv官方的文档，三数：

新建图像的长宽尺寸，像素数1920*1080

像素的，能够描述图像的色彩数量，一般是8位或者16位深，IPL_DEPTH_8U 或者IPL_DEPTH_16U

单像素的通道数量，opencv支持1~4通道，1通道就是黑白图，由位深描述由黑到白的程度。3通道就是常规的RGB通道了

python中image怎样缩小图像

首先需要安 PIL

然后 from PIL import Image

im = Image.open(pash)

im.thumbnail((new_width, new_hight))

im.save(path)

请问Python中的image.save命令怎么使用？会有什么效果

PIL.Image.save(filename,format)(保存指定格式的图像)

eg: im.save("save.gif","GIF") #保存图像为gif格式

版权声明：本站所有文章皆为原创，欢迎转载或转发，请保留网站地址和作者信息。