python将不定长宽比的图像调整到制定5922x3567的大小,并转为二值图像可以用空白填充

时间: 2024-01-21 14:20:02 浏览: 26
可以使用Pillow库来实现图像调整大小和二值化,具体操作如下: ```python from PIL import Image # 打开原图像 img = Image.open("original_image.png") # 调整图像大小并保持宽高比 width, height = img.size if width > height: new_width = 5922 new_height = int(height * (new_width / width)) else: new_height = 3567 new_width = int(width * (new_height / height)) resized_img = img.resize((new_width, new_height), resample=Image.LANCZOS) # 创建新的空白画布并将调整后的图像粘贴在中心位置 background = Image.new('RGB', (5922, 3567), (255, 255, 255)) x = int((5922 - new_width) / 2) y = int((3567 - new_height) / 2) background.paste(resized_img, (x, y)) # 将图像转为灰度图像并进行二值化 gray_img = background.convert('L') binary_img = gray_img.point(lambda x: 0 if x < 128 else 255, '1') # 保存处理后的图像 binary_img.save('processed_image.png') ``` 在上面的代码中,我们首先打开原始图像,然后调整大小并保持宽高比。接下来,我们创建一个新的空白画布,并将调整后的图像粘贴在中心位置。最后,我们将图像转换为灰度图像并进行二值化。最终,我们保存处理后的图像。

相关推荐

最新推荐

recommend-type

Python图像处理二值化方法实例汇总

主要介绍了Python图像处理二值化方法实例汇总,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
recommend-type

opencv python如何实现图像二值化

这篇文章主要介绍了opencv python如何实现图像二值化,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 代码如下 import cv2 as cv import numpy as np import ...
recommend-type

python-opencv获取二值图像轮廓及中心点坐标的代码

今天小编就为大家分享一篇python-opencv获取二值图像轮廓及中心点坐标的代码,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

python将处理好的图像保存到指定目录下的方法

今天小编就为大家分享一篇python将处理好的图像保存到指定目录下的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

使用Python和OpenCV检测图像中的物体并将物体裁剪下来

主要介绍了使用Python和OpenCV检测图像中的物体并将物体裁剪下来,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。