### 使用Python打开图片 #### 使用PIL库打开图像文件 为了使用`PIL`（现在通常通过其活跃分支`Pillow`来安装和导入），可以按照如下方式读取图像： ```python from PIL import Image image_path = 'input.png' img_pil = Image.open(image_path) ``` 这段代码展示了如何利用`Image.open()`函数加载指定路径下的图像文件[^1]。 对于那些希望进一步处理或显示该图像的人而言，在完成操作之后还可以保存修改过的图像到新的位置，例如： ```python output_path = 'output.png' img_pil.save(output_path) ``` #### 利用OpenCV库读取图像数据 当选择`OpenCV`作为工具时，则会涉及到不同的方法论。具体来说，`cv2.imread()`用于从磁盘上载入图像，并将其存储在一个NumPy数组中；值得注意的是，默认情况下这些图像是按BGR颜色空间编码而不是常见的RGB格式[^2]。 下面是一个简单的例子说明怎样借助于`opencv-python`包中的功能实现这一点： ```python import cv2 image_cv = cv2.imread('input.jpg') if image_cv is not None: # 显示图像 cv2.imshow('Image', image_cv) cv2.waitKey(0) # 等待按键事件 cv2.destroyAllWindows() else: print("Failed to load image.") ``` 这里需要注意的一点是，如果想要查看所读取的内容，可以通过调用`cv2.imshow()`并配合键盘监听(`cv2.waitKey`)以及窗口清理(`cv2.destroyAllWindows`)来进行交互式的展示。 另外一种可视化的方式就是采用`matplotlib`里的`imshow()`函数，这允许更灵活地调整图形属性比如大小等参数设置[^3]: ```python import matplotlib.pyplot as plt plt.figure(figsize=(8, 8)) plt.axis('off') # 不显示坐标轴 plt.imshow(cv2.cvtColor(image_cv, cv2.COLOR_BGR2RGB)) # 转换色彩模式以便正确渲染 plt.show() ```