import matplotlib . image as mpimg from scipy import misc from skimage import data , exposure , img_as_float , color from PIL import Image , ImageFilter import numpy as np from PIL import ImageEnhance #img = Image.open(r'C:\Users\Desktop\1.jpg') img = Image . open ( r'C:\Users\Desktop\1.jpg' ) crop_box = ( 0 , 0 , 300 , 200 ) img1 = img . crop ( crop_box ) #plt.imshow(img1) #img_rotate=img.rotate(20, expand = True) img_rotate = img . rotate ( 20 ) plt . imshow ( img_rotate ) plt . imshow ( img_rotate , 'Greys_r' ) img_rotate . save ( 'C:\\Users\\Desktop\\coal_rotate.jpg' ) img_resize1 = img . resize ( ( 150 , 150 ) ) plt . imshow ( img_resize1 , 'Greys_r' ) img_resize1 . save ( 'C:\\Users\\Desktop\\coal_resize.jpg' ) #亮度增加 image = img_as_float ( img ) #转换成指定格式 figure_adjust_low = exposure . adjust_gamma ( image , 2 ) #图片调暗 figure_adjust_high = exposure . adjust_gamma ( image , 0.5 ) #图片调亮 plt . subplot ( 311 ) plt . imshow ( figure_adjust_low ) plt . imshow ( figure_adjust_low , 'Greys_r' ) plt . axis ( 'off' ) # 不显示坐标轴 plt . subplot ( 312 ) plt . imshow ( figure_adjust_high ) plt . imshow ( figure_adjust_high , 'Greys_r' ) plt . axis ( 'off' ) # 不显示坐标轴 plt . show ( ) #改变颜色 img2 = Image . open ( 'C:\\Users\\Desktop\\3.jpg' ) image_color = np . array ( img2 ) figure_adjust = color . convert_colorspace ( image_color , 'rgb' , 'HSV' ) plt . subplot ( 212 ) plt . imshow ( figure_adjust ) plt . axis ( 'off' ) # 不显示坐标轴 plt . show ( ) #对比度增强 enh_con = ImageEnhance . Contrast ( img2 ) contrast = 6 img_contrasted = enh_con . enhance ( contrast ) #亮度增强 enh_con = ImageEnhance . Brightness ( img2 ) Bright = 2 img_Bright = enh_con . enhance ( Bright ) img_Bright . show ( ) #色度增强 enh_con = ImageEnhance . Color ( img2 ) color = 5 img_Color = enh_con . enhance ( color ) img_Color . show ( ) 用python实现图片的缩放，颜色转换，图像增强，调节亮度等。from PIL import Imageimport matplotlib.pyplot as pltimport osimport matplotlib.image as mpimgfrom scipy import miscfrom skimage import data, exposure, img_as_float, colorfrom PIL import Image,ImageFilterimport numpy a 现在有一文件夹中存在许多分辨率不同的 图片 或文件夹，需要 裁剪 至指定大小以便作为网页中的 图片 缩略图。 cut 函数，将 图片 裁剪 为指定大小，统一分辨率， 缩放 后取 图片 中间部分，超出的部分直接 裁剪 掉。 还有一个函数 cut2，为等比 缩放 至x或y为定值。 缩放 裁剪 后的x、y像素值在代码开始部分更改即可。 默认只使用 cut 函数，使用 cut2 函数时需在代码第18-20行更改。 1. 缩放 裁剪 后会覆盖原文件，需要的话，请在 缩放 裁剪 前备份 图片 。 2.没有做文件夹验证，请确认输入正确的文件夹路径，并确 为了解决 图片 被改变大小后，比例保持不变（这样就不会变形了） 图片 需要压缩，避免填图后的word文件太大通过Image模块中的resize函数，就能给解决如上问题。我们还是先按“修改时间”顺序获取 图片 文件夹下的所有 图片 的完整路径 实际演示阶段 我们需要做的事情就是将图一变为图二 进行等比例缩小。 这周和大家分享如何用 python 识别图像里的条码。用到的库可以是zbar。希望西瓜6辛苦码的代码不要被盗了。（zxing的话，我一直没有装好，等装好之后再写一篇） 用opencv去读取 图片 ，用pip进行安装。 pip install opencv- python 所用到的 图片 就是这个 使用pyzbar windows的安装方法是 pip install pyzbar 而mac的话，最好用brew来安装。 （有可能直接就好，也有可能很麻烦） 装好之后就是读取 图片 ，识别条码。 import cv2 import pyzbar.pyzbar as p