import cv2 #计算机视觉库,常用，你一定需要它。如果报错是没有这个库，请在Powershell界面使用“pip install opencv-python”命令安装
from PIL import Image #图象处理库，你大概率需要它，如果报错是没有这个库，请在Powershell界面使用“pip install pillow”命令安装 
import os #用于和操作系统交互的内置库，你需要操作文件，所以你很有可能需要用到它
import numpy as np #用于矩阵运算的库，如果你也是使用Anaconda作为编程环境，同样应该随Python一同安装在你的环境中
import matplotlib.pyplot as plt #用于画图的库，在Anaconda环境中同样应该是已安装的

#此代码块使用的都是OpenCV（cv2）模块的函数，要用Python进行图象处理就一定会使用这些函数，这里的函数有获取图象长宽、获取图象的一部分以及旋转图象
#我曾经用过的差不多都在这里了，要是有什么没涉及到的随时来问我吧（笑）

# 读取图像  
image = cv2.imread('Image 7.tif')  
  
# 获取图像的分辨率（这个函数返回图象的高度，宽度和通道）  
height, width = image.shape[:2]  
print(f"分辨率: {width}x{height}")  
  
# 切割图像（截出了一个100*100的方块，注意Python和人不同，数数从0开始数）
x, y, w, h = 100, 100, 200, 200  
roi = image[y:y+h, x:x+w]  
  
# 旋转切割后的图像  
(h_roi, w_roi) = roi.shape[:2]  
center_roi = (w_roi // 2, h_roi // 2)  
M = cv2.getRotationMatrix2D(center_roi, 45, 1.0)  
rotated_roi = cv2.warpAffine(roi, M, (w_roi, h_roi))  
  
# 保存并显示旋转后的切割图像（我实际并不推荐显示图片，因为这会弹出一个窗口，阻止代码块完整运行，我建议保存文件即可） 
cv2.imwrite('Rotated_ROI.jpg', rotated_roi)
#如果想要查看图片请删去下方两个井号
#cv2.imshow('Rotated ROI', rotated_roi)  
#cv2.waitKey(0)  
cv2.destroyAllWindows()

分辨率: 2048x2048

#使用cv2库内转换函数的操作方法，如果你成功运行了上面的代码块，此代码块应该能获得一个名为“gray_image_cv2.jpg”的文件
original_image = cv2.imread('Image 7.tif') # ‘cv2.imread（）’为cv2库读取图片的函数，必需参数为图象的正确地址
gray_image = cv2.cvtColor(original_image, cv2.COLOR_BGR2GRAY) # ‘cv2.cvtColor（）’为该库转换颜色空间的函数，必需参数为图象和转换方法
cv2.imwrite('gray_image_cv2.jpg', gray_image)  # 'cv2.imwrite()'函数为cv2存储图片的函数，必需参数为图象储存地址和图象本身
cv2.destroyAllWindows() #关闭窗口以释放内存。cv2库如果你不进行这一步可能导致内存持续被占用，容易造成内存溢出，所以应用完cv2后记得运行该函数

#cv2库最值得注意的一点是该库的默认颜色显示通道顺序为BGR，而非常见的RGB，如果你需要处理彩色图片那记住这一点很重要。
#其他方法和该方法拥有类似的步骤，都是‘打开文件→修改文件→保存文件’这一流程，故接下来数个方法将减少注释。

#使用Pillow库内转换函数的操作方法，如果你的环境没有问题，此代码块应该能获得一个名为“gray_image_PIL.jpg”的文件
original_image = Image.open('Image 7.tif')  #打开原图片 
gray_image = original_image.convert('L') # 将原图片转换为灰度图 
gray_image.save('gray_image_PIL.jpg')  #保存灰度图

#使用numpy和灰度转化公式手动生成灰度图的操作方法，如果你的环境没有问题，此代码块应该能获得一个名为“gray_image_manual.jpg”的文件
original_image = Image.open('Image 7.tif')  #打开原图片
original_array = np.array(original_image)  

gray_array = 0.2126 * original_array[:,:,0] + 0.7152 * original_array[:,:,1] + 0.0722 * original_array[:,:,2]  #使用公式将原图转换为灰度图
gray_image = Image.fromarray(gray_array.astype('uint8')) 

gray_image.save('gray_image_manual.jpg')  #保存灰度图

#图象生成完毕，用matplotlib画图以查看效果
img0 = plt.imread('Image 7.tif')
img1 = plt.imread('gray_image_cv2.jpg')
img2 = plt.imread('gray_image_PIL.jpg')
img3 = plt.imread('gray_image_manual.jpg')

fig, axs = plt.subplots(1, 4) 

axs[0].imshow(img0,'gray')  
axs[0].set_title('original')  
axs[0].axis('off')

axs[1].imshow(img1,'gray')  
axs[1].set_title('cv2')  
axs[1].axis('off')

axs[2].imshow(img2,'gray')  
axs[2].set_title('PIL')  
axs[2].axis('off')

axs[3].imshow(img3,'gray')  
axs[3].set_title('manual')  
axs[3].axis('off')

(-0.5, 2047.5, 2047.5, -0.5)

2026年4月13日研究日志¶

图象处理相关函数使用示例¶

理论知识¶

示例1：图象求分辨率、图象切割、图象旋转¶

示例2：打开彩色图片并将其转化为灰度图¶

2026年4月13日 研究日志¶

图象处理相关函数使用示例¶

理论知识¶

示例1：图象求分辨率、图象切割、图象旋转¶

示例2：打开彩色图片并将其转化为灰度图¶

2026年4月13日研究日志¶