常用图片处理操作

静态图片文件转base64

import base64
with open('1.png', 'rb') as f:
    source = f.read()
base64_img = base64.b64encode(source)

base64转静态图片文件

imgdata = base64.b64decode(base64_img)

# 将图片保存为文件
with open("new.png", 'wb') as f:
    f.write(imgdata)

PS:这里有一点需要注意的是，有的图片的base64，它是有一个编码的头部的，类是data:image/png;base64,******,如果是这样的base64要转为静态图片需要将data:image/png;base64,去掉，否则base64.b64decode会报错,如果你是用上面的方式将图片转为base64的话，是没有上面的编码头的

pillow转base64

import base64
from io import BytesIO

from PIL import Image

image = Image.open('new.png')
byte_data = BytesIO()  # 创建一个字节流管道
image.save(byte_data, format="PNG")  # 将图片数据存入字节流管道
byte_data = byte_data.getvalue()  # 从字节流管道中获取二进制
base64_img = base64.b64encode(byte_data)

base64转pillow

import base64
from io import BytesIO
from PIL import Image

byte_data = base64.b64decode(base64_img)  # base64解码并转bytes
image = Image.open(BytesIO(byte_data))  # 将bytes转为PIL格式图片
image.show()

opencv转base64

import cv2
import base64

# 读取图像
image = cv2.imread('new.png')
# 将图像转换为字节流
buffer = cv2.imencode('.png', image)[1]
img_bytes = buffer.tobytes()
# 将字节流转换为 base64
base64_img = base64.b64encode(img_bytes)

base64转opencv

import cv2
import base64
import numpy as np

# 将 Base64 字符串解码为字节流
buffer = base64.b64decode(base64_img)
# 将字节流转换为 NumPy 数组
image_array = np.frombuffer(buffer, dtype=np.uint8)
# 从 NumPy 数组中读取图像
image = cv2.imdecode(image_array, cv2.IMREAD_COLOR)

cv2.imshow('image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

pillow转opencv

转化的核心是将pillow的图片转化为numpy.ndarray，opencv的图片格式就是numpy的数组，正因如此，也有图像即数组的说法，图像可以看作是由像素值构成的数组，处理图像实质上就是对这些数组进行操作，通过对数组的操作来实现对图像的处理和分析

PIL.PngImagePlugin.PngImageFile—>numpy.ndarray

import cv2
import numpy as np
from PIL import Image

# 打开 Pillow 图像
pillow_img = Image.open('new.png')
# 将 Pillow 图像转换为 NumPy 数组（numpy.ndarray）
image_np = np.array(pillow_img)
# 将 RGB 格式转换为 BGR 格式
opencv_img = cv2.cvtColor(image_np, cv2.COLOR_RGB2BGR)

cv2.imshow('image', opencv_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

PS:因为pillow与opencv默认读取的图片通道顺序不一样，所以在转换前需要先做RGB->BGR的通道格式转换，反之亦然，所以这里即使不做通道格式转换，也是可以展示的，但显示会偏蓝色

opencv转pillow

numpy.ndarray—>PIL.PngImagePlugin.PngImageFile

import cv2
from PIL import Image

# 读取 OpenCV 图像
opencv_img = cv2.imread('new.png')
# 将 OpenCV 图像从 BGR 格式转换为 RGB 格式
image_rgb = cv2.cvtColor(opencv_img, cv2.COLOR_BGR2RGB)
# 从numpy.ndarray读取图片
pillow_img = Image.fromarray(image_rgb)

pillow_img.show()

图片指定位置叠加

有的时候会需要将两张图片叠加，即将一张图片叠加到另一张图片的指定位置，但经常图片的通道格式会不同，即有的图片有alpha通道，有的没有，还有就是图片叠加位置设置不当，导致前景图像的边界超过背景图像，而程序报错，下面代码可有效解决该问题

import numpy as np
import cv2


def add_alpha_channel(img):
    """ 为jpg图像添加alpha通道 """

    b_channel, g_channel, r_channel = cv2.split(img)  # 剥离jpg图像通道
    alpha_channel = np.ones(b_channel.shape, dtype=b_channel.dtype) * 255  # 创建Alpha通道

    img_new = cv2.merge((b_channel, g_channel, r_channel, alpha_channel))  # 融合通道
    return img_new


def merge_img(background_img, foreground_img, x1, y1):
    """ 将background_img图像与foreground_img图像叠加
        x1,y1分别为图片叠加起始坐标值
    """
    x2 = x1 + foreground_img.shape[1]
    y2 = y1 + foreground_img.shape[0]

    # 判断图像是否已经为4通道
    if background_img.shape[2] == 3:
        background_img = add_alpha_channel(background_img)
    if foreground_img.shape[2] == 3:
        foreground_img = add_alpha_channel(foreground_img)
    '''
    当叠加图像时，可能因为叠加位置设置不当，导致前景图像的边界超过背景图像，而程序报错
    这里设定一系列叠加位置的限制，可以满足前景图像超出背景图像范围时，依然可以正常叠加
    '''
    yy1 = 0
    yy2 = foreground_img.shape[0]
    xx1 = 0
    xx2 = foreground_img.shape[1]

    if x1 < 0:
        xx1 = -x1
        x1 = 0
    if y1 < 0:
        yy1 = - y1
        y1 = 0
    if x2 > background_img.shape[1]:
        xx2 = foreground_img.shape[1] - (x2 - background_img.shape[1])
        x2 = background_img.shape[1]
    if y2 > background_img.shape[0]:
        yy2 = foreground_img.shape[0] - (y2 - background_img.shape[0])
        y2 = background_img.shape[0]

    # 获取要覆盖图像的alpha值，将像素值除以255，使值保持在0-1之间
    alpha_png = foreground_img[yy1:yy2, xx1:xx2, 3] / 255.0
    alpha_jpg = 1 - alpha_png

    # 开始叠加
    for c in range(0, 3):
        background_img[y1:y2, x1:x2, c] = ((alpha_jpg * background_img[y1:y2, x1:x2, c]) + (alpha_png * foreground_img[yy1:yy2, xx1:xx2, c]))

    return background_img


background_img = cv2.imread('background_img.jpg', cv2.IMREAD_UNCHANGED)
foreground_img = cv2.imread('foreground_img.png', cv2.IMREAD_UNCHANGED)
ret_img = merge_img(background_img=background_img, foreground_img=foreground_img, x1=0, y1=0)
cv2.imshow('new_img', ret_img)
cv2.waitKey(0)
cv2.destroyAllWindows()