### Python 中间位置截图并保存功能 在 Python 的图像处理领域，无论是使用 PIL 还是 OpenCV 都可以轻松实现对图像中间部分进行截取并保存的操作。以下是两种方法的具体实现。 #### 方法一：基于 PIL 实现 PIL 提供了简单易用的接口来进行裁剪操作。通过 `Image.crop()` 函数指定左上角和右下角坐标即可完成裁剪。 ```python from PIL import Image def crop_middle_with_pil(input_path, output_path, size): """ 使用 PIL 对图像中间区域进行裁剪并保存。 参数: input_path (str): 输入图片路径 output_path (str): 输出图片路径 size (tuple): 裁剪尺寸 (width, height) """ with Image.open(input_path) as img: width, height = img.size crop_width, crop_height = size # 计算裁剪框的位置 left = (width - crop_width) / 2 top = (height - crop_height) / 2 right = (width + crop_width) / 2 bottom = (height + crop_height) / 2 cropped_img = img.crop((left, top, right, bottom)) cropped_img.save(output_path) # 示例调用 crop_middle_with_pil('input.jpg', 'output_pil.jpg', (200, 200)) ``` 此代码片段实现了从输入图像中心裁剪出指定大小的部分，并将其保存到新的文件中[^1]。 --- #### 方法二：基于 OpenCV 实现 OpenCV 同样支持高效的图像裁剪操作。由于其底层优化较好，在大规模数据集上的表现可能优于 PIL。 ```python import cv2 def crop_middle_with_opencv(input_path, output_path, size): """ 使用 OpenCV 对图像中间区域进行裁剪并保存。 参数: input_path (str): 输入图片路径 output_path (str): 输出图片路径 size (tuple): 裁剪尺寸 (width, height) """ image = cv2.imread(input_path) height, width = image.shape[:2] crop_width, crop_height = size # 计算裁剪范围 start_x = int(width / 2 - crop_width / 2) start_y = int(height / 2 - crop_height / 2) end_x = int(start_x + crop_width) end_y = int(start_y + crop_height) cropped_image = image[start_y:end_y, start_x:end_x] cv2.imwrite(output_path, cropped_image) # 示例调用 crop_middle_with_opencv('input.jpg', 'output_opencv.jpg', (200, 200)) ``` 这段代码同样完成了从中部裁剪固定大小的任务，同时利用了 OpenCV 更加灵活的颜色通道管理能力[^3]。 --- ### 性能对比与选择建议 对于简单的图像裁剪需求，两者都能很好地满足实际应用的要求。然而当涉及到更复杂的场景或者批量处理时，则需综合考量两者的优劣： - **速度方面**：通常情况下，OpenCV 在执行效率上会稍胜一筹，尤其是在高分辨率大图的情况下更为明显[^1]。 - **功能性扩展性**：如果后续还需要进一步做滤镜效果或其他高级变换的话，那么 OpenCV 可能是一个更好的选项；而对于基本图形编辑任务来说，PIL 已经足够强大且易于学习[^2]。 最终的选择取决于具体项目背景以及个人偏好等因素决定。