《大数据应用技术基础》课件 项目五 处理图片

项目五处理图片目录任务一：在批量图片中添加图像标志任务二：图片批量加标题任务三：识别两张图像的相似度任务四：实现图像识别和分类任务任务五：图片批量处理成黑白任务一：在批量图片中添加图像标志【任务分析】

现在“D:\pictures”目录中有一批图片，在“D:\picture1”目录中有一张“logo.png”图片，如图5-1、图5-2所示。请尝试编程实现对图像批量添加“logo.png”图片。（1）遍历“D:\pictures”目录的所有图片，逐个在图片右上角添加“logo.png”图片。（2）完成后的图片另存在“结果”子目录下，原图片文件不变。图5-1一张“logo.png”图片任务一：在批量图片中添加图像标志图5-2一批图片任务一：在批量图片中添加图像标志【任务实施】1.启动PyCharm，执行File/NewPreject...创建Python项目，在项目的main.py文件中，输入程序代码，逐步按“任务分析”完成批量图片中添加图像标志的功能，如图5-3所示。图5-3输入程序代码任务一：在批量图片中添加图像标志参考代码：importos

fromPILimportImage

#定义原始图片目录和logo图片路径

picture_dir="D:/pictures"

logo_path="D:/picture1/logo.png"

#创建结果目录

result_dir="D:/pictures/结果"

os.makedirs(result_dir,exist_ok=True)

#遍历原始图片目录

forfilenameinos.listdir(picture_dir):

#检查文件扩展名，确保只处理图片文件

iffilename.lower().endswith((".png",".jpg",".jpeg")):

#打开原始图片和logo图片

picture_path=os.path.join(picture_dir,filename)

picture=Image.open(picture_path)

logo=Image.open(logo_path)

#获取原始图片和logo图片的尺寸

picture_width,picture_height=picture.size

logo_width,logo_height=logo.size

#计算logo添加的位置（右上角）

position=(picture_width-logo_width,0)

#将logo图片粘贴到原始图片的右上角

picture.paste(logo,position,logo)

#保存结果图片到结果目录

result_path=os.path.join(result_dir,filename)

picture.save(result_path)

#关闭打开的图片

picture.close()

logo.close()

#完成

print("图像处理完成！")任务一：在批量图片中添加图像标志2.运行程序，打开“结果”目录，可以看到图片右上角已添加了“logo.png”的图片，如图5-4所示。图5-4任务二：图片批量加标题【任务分析】

现在“D:\pictures”目录中有一批图片，如图5-5所示。请尝试编程实现对图像批量添加标题。（1）遍历“D:\pictures”目录的所有图片，逐个在图片左下角添加“内部设计初稿”文字，文字设为白色，设置一种背景色。（2）完成后的图片另存在“结果”子目录下，原图片文件不变。图5-5一批图片任务二：图片批量加标题【任务实施】1.启动PyCharm，执行File/NewPreject...创建Python项目，在项目的main.py文件中，输入程序代码，逐步按“任务分析”完成图片批量加标题的功能，如图5-6所示。图5-6输入程序代码任务二：图片批量加标题参考代码：importos

fromPILimportImage,ImageDraw,ImageFont

input_dir="D:\\pictures"#图片所在目录

output_dir="D:\\pictures\\结果"#处理后的图片保存目录

text='内部设计初稿'#设置文本

#如果输出目录不存在，则创建

ifnotos.path.exists(output_dir):

os.makedirs(output_dir)

forfilenameinos.listdir(input_dir):

iffilename.endswith(".jpg")orfilename.endswith(".png"):

img_path=os.path.join(input_dir,filename)

img=Image.open(img_path)

draw=ImageDraw.Draw(img)

#设置字体和字号大小

font=ImageFont.truetype('simsun.ttc',20)

text_width,text_height=draw.textsize(text,font)

#设置文字颜色

text_color=(255,255,255)#修改字体颜色为白色（RGB值为255,255,255）

#添加文字水印

position=(10,img.height-text_height-10)#文字位置设定为左下角

draw.text(position,text,font=font,fill=text_color)

#保存到新文件夹中

output_path=os.path.join(output_dir,filename)

img.save(output_path)#保存图片

print("处理完成")任务二：图片批量加标题2.运行程序，打开“结果”目录，可以看到图片左下角已添加了文字标题，如图5-7所示。图5-7打开“结果”目录任务三：识别两张图像的相似度【任务分析】

现在“D:\pictures”目录中有logo1.png、logo2.png两张图片，如图5-8所示。

请尝试编程实现识别两张图像的相似度，输出相似度参数。图5-8两张图片任务三：识别两张图像的相似度【任务实施】1.启动PyCharm，执行File/NewPreject...创建Python项目，在项目的main.py文件中，输入程序代码，逐步按“任务分析”完成识别两张图像的相似度的功能，如图5-9所示。图5-9输入程序代码任务三：识别两张图像的相似度参考代码：importcv2

#加载图像

img1=cv2.imread(r'D:\pictures\logo1.png')

img2=cv2.imread(r'D:\pictures\logo2.png')

#将图像转换为灰度图像

gray_img1=cv2.cvtColor(img1,cv2.COLOR_BGR2GRAY)

gray_img2=cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY)

#计算直方图

hist1=cv2.calcHist([gray_img1],[0],None,[256],[0,256])

hist2=cv2.calcHist([gray_img2],[0],None,[256],[0,256])

#计算两个直方图之间的差异

diff=pareHist(hist1,hist2,cv2.HISTCMP_CORREL)

#打印结果

print("相似度：",diff)任务三：识别两张图像的相似度2.运行程序，从终端可以看到相似度的值，如图5-10所示。图5-10从终端可以看到相似度的值任务四：实现图像识别和分类保存【任务分析】

现在“D:\picture1”目录中有一张图片rabbit.png，在“D:\pictures”目录下有一批待处理图片，如图5-12、图5-13所示。请尝试编程实现图像识别和分类任务。（1）遍历“D:\pictures”目录的所有图片，逐个对比与rabbit.png的图片相似度，并输出相似度的值。（2）把与rabbit.png相似度的值大于80%的图片文件挑选出来，按原文件名保存在“挑选出的结果”子目录下。图5-12一张图片rabbit.png任务四：实现图像识别和分类保存图5-13一批待处理图片任务四：实现图像识别和分类保存【任务实施】1.启动PyCharm，执行File/NewPreject...创建Python项目，在项目的main.py文件中，输入程序代码，逐步按“任务分析”完成实现图像识别和分类保存的功能，如图5-14所示。图5-14输入程序代码任务四：实现图像识别和分类保存参考代码：importos

importcv2

importshutil

#加载rabbit.png图像并转换为灰度图像

rabbit_img=cv2.imread('D:\\picture1\\rabbit.png')

rabbit_gray=cv2.cvtColor(rabbit_img,cv2.COLOR_BGR2GRAY)

rabbit_hist=cv2.calcHist([rabbit_gray],[0],None,[256],[0,256])

#创建保存挑选结果的子目录

result_dir='D:\\pictures\\挑选出的结果'

ifnotos.path.exists(result_dir):

os.makedirs(result_dir)

#遍历“D:\pictures”目录中的每张图片

forfilenameinos.listdir('D:\\pictures'):

iffilename.endswith('.png')orfilename.endswith('.jpg'):

#加载当前遍历到的图片并转换为灰度图像

img_path=os.path.join('D:\\pictures',filename)

current_img=cv2.imread(img_path)

current_gray=cv2.cvtColor(current_img,cv2.COLOR_BGR2GRAY)

current_hist=cv2.calcHist([current_gray],[0],None,[256],[0,256])

#比较rabbit.png图像的直方图与当前遍历到的图片的直方图

similarity=pareHist(rabbit_hist,current_hist,cv2.HISTCMP_CORREL)

#输出相似度的值

print(f"{filename}与rabbit.png的相似度：{similarity}")

#如果相似度大于80%，则将该图片保存到“挑选出的结果”子目录下

ifsimilarity>0.8:

shutil.copy(img_path,os.path.join(result_dir,filename))任务四：实现图像识别和分类保存2.运行程序，从终端可以看到逐张图对比的相似度值，如图所示。图5-15从终端可以看到逐张图对比的相似度值任务四：实现图像识别和分类保存3.打开“D:\pictures\挑选出的结果”目录，可以看到挑选出来的图片文件，如图5-16所示。图5-16可以看到挑选出来的图片文件任务五：图片批量处理成黑白【任务分析】

现在“D:\待处理图片”目录中有一批彩色图片文件，如图5-17所示。

现需要全部处理成黑白图片，如果逐张打开进行处理，必定耗费过多的工作时间，为提高工作效率。请尝试编程实现批量把图片处理成黑白效果的功能。（1）把“D:\待处理图片”目录下图片打开并全部处理成黑白效果。

（2）处理完成后，按原文件名保存在“黑白图片”子目录下。图5-17“D:\待处理图片”任务五：图片批量处理成黑白【任务实施】1.启动PyCharm，执行File/NewPreject...创建Python项目，在项目的main.py文件中，输入程序代码，逐步按“任务分析”完成图片批量处理成黑白的功能，如图5-18所示。图5-18输入程序代码任务五：图片批量处理成黑白参考代码：fromPILimportImage

importos

#原始图片目录和黑白图片保存目录

input_di