python-opencv PIL

### 结合使用OpenCV和PIL进行图像处理 为了在Python中结合使用OpenCV和PIL库来执行图像处理操作，可以遵循特定的方法转换图像数据格式以便于两个库之间的互操作。以下是具体方法： #### 将PIL图像转换为OpenCV格式 当从网络或其他源获取图像并希望利用OpenCV的功能对其进行处理时，可能最初是以PIL `Image`对象的形式获得该图像。此时可以通过NumPy数组作为中介完成转换过程。 ```python import numpy as np from PIL import Image import cv2 def pil_to_opencv(pil_image): # Convert RGB to BGR because OpenCV uses BGR format by default. open_cv_image = np.array(pil_image) # Convert RGB to BGR open_cv_image = cv2.cvtColor(open_cv_image, cv2.COLOR_RGB2BGR) return open_cv_image ``` 上述函数接收一个PIL `Image`实例，并返回适合用于OpenCV的numpy数组表示形式[^4]。 #### 将OpenCV图像转换为PIL格式 相反地，在某些情况下可能会先通过OpenCV读取或处理图像，之后想要应用PIL特有的功能，则需将OpenCV图像转回给PIL。 ```python def opencv_to_pil(opencv_image): # Convert BGR color (which is the OpenCV default) to RGB before converting to PIL.Image rgb_image = cv2.cvtColor(opencv_image, cv2.COLOR_BGR2RGB) pil_image = Image.fromarray(rgb_image) return pil_image ``` 这段代码展示了如何把由OpenCV加载后的图像（通常为BGR色彩空间）转变为适用于PIL的颜色模式（即RGB），从而创建一个新的PIL `Image`对象[^5]。 #### 实际案例展示 下面给出一段完整的例子，说明怎样综合运用这两个强大的工具来进行简单的边缘检测以及调整对比度的任务。 ```python # 导入必要的模块 from PIL import Image, ImageEnhance import cv2 import numpy as np # 加载原始图片文件到内存中 original_img = cv2.imread('example.jpg') # 使用OpenCV Canny算子提取边沿特征 edges = cv2.Canny(original_img, 100, 200) # 转换成PIL Image以进一步编辑其属性比如亮度、饱和度等... pil_edges = Image.fromarray(edges) # 增强对比度 enhancer = ImageEnhance.Contrast(pil_edges) factor = 1.5 # 提升比例因子 contrasted_edge = enhancer.enhance(factor) # 如果需要保存最终结果的话 contrasted_edge.save("output.png") # 或者显示出来查看效果 contrasted_edge.show() ``` 在这个脚本里，先是借助了OpenCV实现了基本的边缘探测；接着又切换到了PIL这边进行了视觉上的优化——增加了对比度使得边界更加明显清晰可见[^1]。