### Python 图片矫正方法及相关库 在 Python 中，可以利用多个库来完成图片矫正的任务。以下是几种常用的方法及其对应的代码示例。 #### 使用 Pillow 进行基础图像处理 Pillow 是一个非常流行的图像处理库，尽管其更新频率较低，但它仍然能够满足一些基本的图像处理需求[^1]。然而，对于复杂的图片矫正任务，Pillow 的功能可能有限。 ```python from PIL import Image # 打开一张图片并调整大小 img = Image.open('example.jpg') resized_img = img.resize((800, 600)) resized_img.save('resized_example.jpg') ``` #### 基于 OpenCV 的图片矫正 OpenCV 提供了更高级的功能，特别是针对几何变换的操作，如仿射变换 (Affine Transform) 和透视变换 (Perspective Transform)[^5]。这些技术非常适合用来矫正倾斜或变形的图片。 ```python import cv2 import numpy as np # 加载原始图片 image = cv2.imread('tilted_image.jpg') # 定义四个角点坐标（手动指定） pts_src = np.array([[150, 70], [390, 150], [150, 400], [390, 470]], dtype='float32') pts_dst = np.array([[0, 0], [400, 0], [0, 500], [400, 500]], dtype='float32') # 计算透视变换矩阵 M = cv2.getPerspectiveTransform(pts_src, pts_dst) # 应用透视变换 corrected_image = cv2.warpPerspective(image, M, (400, 500)) cv2.imwrite('corrected_image.jpg', corrected_image) ``` #### 利用 skimage 进行伽马校正和日志校正 `skimage` 是另一个强大的图像处理库，特别适合执行颜色空间转换、直方图均衡化以及各种增强操作[^4]。虽然它主要用于改善图像质量而非几何矫正，但在某些情况下也可以辅助完成特定类型的矫正工作。 ```python from skimage import exposure, io import matplotlib.pyplot as plt # 读取输入图像 img = io.imread('input_image.png') # Gamma 校正 gamma_corrected = exposure.adjust_gamma(img, gamma=0.5) # Log 校正 log_corrected = exposure.adjust_log(img, gain=1) fig, axes = plt.subplots(1, 3, figsize=(15, 5)) axes[0].imshow(img); axes[0].set_title("Original") axes[1].imshow(gamma_corrected); axes[1].set_title("Gamma Corrected") axes[2].imshow(log_corrected); axes[2].set_title("Log Corrected") plt.show() ``` 综上所述，在实际应用中可以根据具体需求选择合适的工具链组合起来解决问题。如果只是简单的尺寸修改或者轻微的角度修正，则 `Pillow` 可能就足够用了；而对于更加复杂的情况比如文档扫描件自动摆正之类的需求来说，采用 `OpenCV` 将会更为合适[^3]。