本文主要介绍了python中保存图片的四种常用方法，包括PIL方法、opencv方法、Matplotlib方法和pytorch方法。有需要的可以参考一下。
目录
前言1。PIL保存图片的方法2.opencv保存图片的方法3.matplotlib保存图片的方法4.pytorch保存图片的方法matplotlib扩展：摘要
前言
python中有很多与图像处理相关的库。下面是一些常用的库，如PIL、cv2、scipy.imageio、matplotlib.image、skimage等。其中，PIL库是最方便使用的，cv2库是最强大的。下面是一些常用的保存图片的方法。
1.PIL的保存图片方法
Path=r '。/001.jpg' #图像路径
Img=Image.open(path) #打开图片
Img.save('1.jpg') #将图片另存为1.jpg
2.opencv保存图片
Path=r '。/001.jpg' #图像路径
# img=cv . im decode(NP . from file(' anime character _ 0 . jpg '，np.uint8))#用中文路径打开图片。
Img=cv2.imread(path) #读图
2.cvimwrite ('1.jpg '，img) #将图片另存为1.jpg。
3.Matplotlib保存图片的方法
将matplotlib.pyplot作为plt导入
导入cv2
导入操作系统
images_path='。/minist_img '
对于I，枚举中的img _ name(OS . listdir(images _ path)):
img _ path=OS . path . join(images _ path，img_name)
数组中Img=cv2.imread(img_path) #numpy，颜色空间为BGR。
img=cv2.cvtColor(img，cv2。COLOR_BGR2RGB) #
plt.subplot(2，2，i 1)，plt.imshow(img)
plt.savefig('。/minist . jpg’)
plt.show()
4.pytorch保存图片
save_image(real_img，os.path.join(save_img，f'{epoch}_real.jpg ')，nrow=10，padding=2，pad_value=255
参数：
张量：4d张量，形状为(B x C x H x W)，分别代表样本数、通道数、图像高度、图像宽度。nrow:每行的图片数，默认值为8padding:相邻图片之间的间隔。默认值为2normalize:如果为True，图像的像素值将根据range指定的最大值和最小值规范化为0-1。默认值为Falserange: tuple，用于指定最大值和最小值。使用默认图像像素的最大值和最小值。Sacle_each:如果为真，则规范化；每个图像分开；如果为假，统一标准化所有图像。默认值为FLASE PAD _ VALUE: FLOAT。上面的填充会在图像之间留下空隙，默认值为0。
matplotlib 扩展：
1.图像缩放和显示
从scipy导入杂项
Lena _ new _ sz=misc.imresize (img，0.5) #如果第二个参数是整数，就是百分比，如果是tuple，就是输出图像的大小。
plt.imshow(img_new_sz)
plt.axis(“关”)
plt.show()
2.将np.array另存为图像，直接保存np.array。
# 2.1 np.array=图像文件
从scipy导入杂项
misc.imsave('img_new_sz.png '，img_new_sz)
'''
从scipy导入杂项
#加载图像
lena=misc.imread('lena.png ')
#键入“numpy.ndarray”
类型(莉娜)
# lena.shape，lena.dtype
'''
# 2.2 np.array=np数据文件
将numpy作为np导入
Np.save ('img _ new _ sz '，img _ new _ sz) #会自动添加。npy到保存的名称。
Img=np.load('img_new_sz.npy') #读取之前保存的数组
注意：np.array数据可以通过np.save函数直接保存在磁盘上，扩展名为。npy，并由np.load函数直接恢复；Scipy.misc为numpy.array格式的图像提供了一个处理函数，尤其是misc.imsave函数，可以直接将np.array数据保存到图像文件中。
总结
关于python中保存图片的四种常用方法的文章到此结束。有关python保存图片的方法的更多信息，请搜索我们以前的文章或继续浏览下面的相关文章。希望你以后能支持我们！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。