前言
python中图像处理相关库有很多，这里简单介绍PIL、cv2、scipy.imageio 、matplotlib.image、skimage等常用库，其中PIL库使用最方便，cv2库功能最强大。下面分享保存图片的常用方法
1.PIL的保存图片方法
path = r"./001.jpg" #图片路径
img = Image.open(path) #打开图片
img.save("1.jpg") #将图片保存为1.jpg
2.opencv保存图片
path = r"./001.jpg" #图片路径
#img = cv.imdecode(np.fromfile("动漫人物_0.jpg",np.uint8))#含有中文路径的图片打开
img = cv2.imread(path) #读取图片
cv2.imwrite("1.jpg",img) #将图片保存为1.jpg
3.Matplotlib保存图片的方法
import matplotlib.pyplot as plt
import cv2
import os
images_path = "./minist_img"
for i,img_name in enumerate(os.listdir(images_path)):
img_path = os.path.join(images_path,img_name)
img = cv2.imread(img_path) #numpy的数组形式，色彩空间为BGR
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB) #
plt.subplot(2,2,i+1),plt.imshow(img)
plt.savefig("./minist.jpg")
plt.show()
4.pytorch保存图片
save_image(real_img,os.path.join(save_img,f"{epoch}_real.jpg"),nrow=10,padding=2,pad_value=255)
参数：
- tensor：4D张量，形状为(B x C x H x W)，分别表示样本数，通道数，图像高度，图像宽度
- nrow：每行的图片数量，默认值为8
- padding：相邻图像之间的间隔。默认值为2
- normalize：如果为True，则把图像的像素值通过range指定的最大值和最小值归一化到0-1。默认为False
- range：元组，用于指定最大值和最小值。默认使用图像像素的最大最小值。
- sacle_each：如果为True，就单独对每张图像进行normalize；如果是False，统一对所有图像进行normalize。默认为Flase
- pad_value：float，上述padding会使得图像之间留出空隙，默认为0
matplotlib 扩展：
1.图像缩放、显示
from scipy import misc
lena_new_sz = misc.imresize(img, 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(img_new_sz)
plt.axis('off')
plt.show()
2. 将np.array保存为图像、直接保存np.array
# 2.1 np.array=>image file
from scipy import misc
misc.imsave('img_new_sz.png', img_new_sz)
"""
from scipy import misc
# load image
lena = misc.imread('lena.png')
# <type 'numpy.ndarray'>
type(lena)
# lena.shape, lena.dtype
"""
# 2.2 np.array=>np data file
import numpy as np
np.save('img_new_sz', img_new_sz) # 会在保存的名字后面自动加上.npy
img = np.load('img_new_sz.npy') # 读取前面保存的数组注意： np.array数据可以通过np.save函数直接保存在磁盘上，扩展名为.npy, 通过np.load函数直接恢复； scipy.misc提供了对numpy.array格式图像的处理函数，特别是misc.imsave函数可以直接将np.array数据保存成图像文件。
总结
到此这篇关于python保存图片的四个常用方法的文章就介绍到这了,更多相关python保存图片方法内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
