python圖像處理教程

Ⅰ 怎樣使用python圖像處理

Python圖像處理是一種簡單易學，功能強大的解釋型編程語言，它有簡潔明了的語法，高效率的高層數據結構，能夠簡單而有效地實現面向對象編程，下文進行對Python圖像處理進行說明。
當然，首先要感謝「戀花蝶」，是他的文章「用Python圖像處理 」 幫我堅定了用Python和PIL解決問題的想法，對於PIL的一些介紹和基本操作，可以看看這篇文章。我這里主要是介紹點我在使用過程中的經驗。
PIL可以對圖像的顏色進行轉換，並支持諸如24位彩色、8位灰度圖和二值圖等模式，簡單的轉換可以通過Image.convert(mode)函數完 成，其中mode表示輸出的顏色模式。例如''L''表示灰度，''1''表示二值圖模式等。
但是利用convert函數將灰度圖轉換為二值圖時，是採用固定的閾 值127來實現的，即灰度高於127的像素值為1，而灰度低於127的像素值為0。為了能夠通過自定義的閾值實現灰度圖到二值圖的轉換，就要用到 Image.point函數。
深度剖析Python語法功能
深度說明Python應用程序特點
對Python資料庫進行學習研究
Python開發人員對Python經驗之談
對Python動態類型語言解析

Image.point函數有多種形式，這里只討論Image.point(table, mode)，利用該函數可以通過查表的方式實現像素顏色的模式轉換。其中table為顏色轉換過程中的映射表，每個顏色通道應當有256個元素，而 mode表示所輸出的顏色模式，同樣的，''L''表示灰度，''1''表示二值圖模式。
可見，轉換過程的關鍵在於設計映射表，如果只是需要一個簡單的箝位值，可以將table中高於或低於箝位值的元素分別設為1與0。當然，由於這里的table並沒有什麼特殊要求，所以可以通過對元素的特殊設定實現（0, 255）范圍內，任意需要的一對一映射關系。
示例代碼如下：
import Image # load a color image im = Image.open(''fun.jpg'') # convert to grey level image Lim = im.convert(''L'') Lim.save(''fun_Level.jpg'') # setup a converting table with constant threshold threshold = 80 table = [] for i in range(256): if i < threshold: table.append(0) else: table.append(1) # convert to binary image by the table bim = Lim.point(table, ''1'') bim.save(''fun_binary.jpg'')

IT部分通常要完成的任務相當繁重但支撐這些工作的資源卻很少，這已經成為公開的秘密。任何承諾提高編碼效率、降低軟體總成本的IT解決方案都應該進行 周到的考慮。Python圖像處理所具有的一個顯著優勢就是可以在企業的軟體創建和維護階段節約大量資金，而這兩個階段的軟體成本佔到了軟體整個生命周期中總成本 的50%到95%。
Python清晰可讀的語法使得軟體代碼具有異乎尋常的易讀性，甚至對那些不是最初接觸和開發原始項目的程序員都 能具有這樣的強烈感覺。雖然某些程序員反對在Python代碼中大量使用空格。
不過，幾乎人人都承認Python圖像處理的可讀性遠勝於C或者Java，後兩 者都採用了專門的字元標記代碼塊結構、循環、函數以及其他編程結構的開始和結束。提倡Python的人還宣稱，採用這些字元可能會產生顯著的編程風格差 異，使得那些負責維護代碼的人遭遇代碼可讀性方面的困難。轉載

Ⅱ python處理圖像何時要將圖像轉化為uint8格式uint8是什麼用array（）方法打開圖像後圖像是什麼格式

1. uint8是無符號八位整型，表示範圍是[0, 255]的整數

2. Python處理圖像個人主要推薦下面兩種

a) PIL (pip install pillow)，這個比較原生，並且處理過程中一直是uint8

fromPILimportImage
importnumpyasnp
im=Image.open('test.jpg')#從讀入就是uint8
npim=np.array(im)#轉換成numpyarray處理

b) cv2 (pip install opencv-python)，opencv的python實現

importcv2
im=cv2.imread('test.jpg')#讀入默認是uint8格式的numpyarray

一般情況直接用uint8即可，若是有需求（如神經網路等），可以轉換成浮點數等形式。如果需要轉回PIL的圖像對象，那就必須是uint8的格式。如果一直用cv2的話，也可以直接保存浮點數形式的（注意是0~255，不是0~1）。

Ⅲ python圖像處理初學者求助

Pillow是Python里的圖像處理庫（PIL：Python Image Library），提供了了廣泛的文件格式支持，強大的圖像處理能力，主要包括圖像儲存、圖像顯示、格式轉換以及基本的圖像處理操作等。
1）使用 Image 類
PIL最重要的類是 Image class, 你可以通過多種方法創建這個類的實例；你可以從文件載入圖像，或者處理其他圖像, 或者從 scratch 創建。
要從文件載入圖像，可以使用open( )函數，在Image模塊中：

1
2

>>> from PIL import Image
>>> im = Image.open("E:/photoshop/1.jpg")

載入成功後，將返回一個Image對象，可以通過使用示例屬性查看文件內容：

1
2
3

>>> print(im.format, im.size, im.mode)
('JPEG', (600, 351), 'RGB')
>>>

format 這個屬性標識了圖像來源。如果圖像不是從文件讀取它的值就是None。size屬性是一個二元tuple，包含width和height（寬度和高度，單位都是px）。 mode 屬性定義了圖像bands的數量和名稱，以及像素類型和深度。常見的modes 有 「L」 (luminance) 表示灰度圖像, 「RGB」 表示真彩色圖像, and 「CMYK」 表示出版圖像。
如果文件打開錯誤，返回 IOError 錯誤。
只要你有了 Image 類的實例，你就可以通過類的方法處理圖像。比如，下列方法可以顯示圖像：

1

im.show()

2）讀寫圖像
PIL 模塊支持大量圖片格式。使用在 Image 模塊的 open() 函數從磁碟讀取文件。你不需要知道文件格式就能打開它，這個庫能夠根據文件內容自動確定文件格式。要保存文件，使用 Image 類的 save() 方法。保存文件的時候文件名變得重要了。除非你指定格式，否則這個庫將會以文件名的擴展名作為格式保存。
載入文件，並轉化為png格式：

1
2
3
4
5
6
7
8
9
10
11
12
13

"Python Image Library Test"
from PIL import Image
import os
import sys

for infile in sys.argv[1:]:
f,e = os.path.splitext(infile)
outfile = f +".png"
if infile != outfile:
try:
Image.open(infile).save(outfile)
except IOError:
print("Cannot convert", infile)

save() 方法的第二個參數可以指定文件格式。
3）創建縮略圖
縮略圖是網路開發或圖像軟體預覽常用的一種基本技術，使用Python的Pillow圖像庫可以很方便的建立縮略圖，如下：

1
2
3
4
5
6
7

# create thumbnail
size = (128,128)
for infile in glob.glob("E:/photoshop/*.jpg"):
f, ext = os.path.splitext(infile)
img = Image.open(infile)
img.thumbnail(size,Image.ANTIALIAS)
img.save(f+".thumbnail","JPEG")

上段代碼對photoshop下的jpg圖像文件全部創建縮略圖，並保存，glob模塊是一種智能化的文件名匹配技術，在批圖像處理中經常會用到。
注意：Pillow庫不會直接解碼或者載入圖像柵格數據。當你打開一個文件，只會讀取文件頭信息用來確定格式，顏色模式，大小等等，文件的剩餘部分不會主動處理。這意味著打開一個圖像文件的操作十分快速，跟圖片大小和壓縮方式無關。
4）圖像的剪切、粘貼與合並操作
Image 類包含的方法允許你操作圖像部分選區，PIL.Image.Image.crop 方法獲取圖像的一個子矩形選區，如：

1
2
3
4

# crop, paste and merge
im = Image.open("E:/photoshop/lena.jpg")
box = (100,100,300,300)
region = im.crop(box)

矩形選區有一個4元元組定義，分別表示左、上、右、下的坐標。這個庫以左上角為坐標原點，單位是px，所以上訴代碼復制了一個 200×200 pixels 的矩形選區。這個選區現在可以被處理並且粘貼到原圖。

1
2

region = region.transpose(Image.ROTATE_180)
im.paste(region, box)

當你粘貼矩形選區的時候必須保證尺寸一致。此外，矩形選區不能在圖像外。然而你不必保證矩形選區和原圖的顏色模式一致，因為矩形選區會被自動轉換顏色。
5）分離和合並顏色通道
對於多通道圖像，有時候在處理時希望能夠分別對每個通道處理，處理完成後重新合成多通道，在Pillow中，很簡單，如下：

1
2

r,g,b = im.split()
im = Image.merge("RGB", (r,g,b))

對於split（ ）函數，如果是單通道的，則返回其本身，否則，返回各個通道。
6）幾何變換
對圖像進行幾何變換是一種基本處理，在Pillow中包括resize( )和rotate( )，如用法如下：

1
2

out = im.resize((128,128))
out = im.rotate(45) # degree conter-clockwise

其中，resize( )函數的參數是一個新圖像大小的元祖，而rotate( )則需要輸入順時針的旋轉角度。在Pillow中，對於一些常見的旋轉作了專門的定義：

1
2
3
4
5

out = im.transpose(Image.FLIP_LEFT_RIGHT)
out = im.transpose(Image.FLIP_TOP_BOTTOM)
out = im.transpose(Image.ROTATE_90)
out = im.transpose(Image.ROTATE_180)
out = im.transpose(Image.ROTATE_270)

7）顏色空間變換
在處理圖像時，根據需要進行顏色空間的轉換，如將彩色轉換為灰度：

1
2

cmyk = im.convert("CMYK")
gray = im.convert("L")

8）圖像濾波

Ⅳ 怎麼樣在Python編程中使用Pillow來處理圖像

安裝
剛接觸Pillow的朋友先來看一下Pillow的安裝方法，在這里我們以Mac OS環境為例： （1）、使用 pip 安裝 Python 庫。pip 是 Python 的包管理工具，安裝後就可以直接在命令行一站式地安裝/管理各種庫了（pip 文檔）。

$ wget http://pypi.python.org/packages/source/p/pip/pip-0.7.2.tar.gz$ tar xzf pip-0.7.2.tar.gz$ cd pip-0.7.2$ python setup.py install

（2）、使用 pip 下載獲取 Pillow：

$ pip install pillow

（3）、安裝過程中命令行出現錯誤提示：」error: command 『clang' failed with exit status
1」。上網查閱，發現需要通過 Xcode 更新 Command Line Tool。於是打開
Xcode->Preferences->Downloads-Components選項卡。咦？竟然沒了 Command Line
Tools。再查，發現 Xcode 5 以上現在需要用命令行安裝：

$ xcode-select —install

系統會彈出安裝命令行工具的提示，點擊安裝即可。
此時再 pip install pillow，就安裝成功了。
pip freeze 命令查看已經安裝的 Python 包，Pillow 已經乖乖躺那兒了。
好了，下面開始進入教程~
Image類
Pillow中最重要的類就是Image，該類存在於同名的模塊中。可以通過以下幾種方式實例化：從文件中讀取圖片，處理其他圖片得到，或者直接創建一個圖片。
使用Image模塊中的open函數打開一張圖片：

>>> from PIL import Image>>> im = Image.open("lena.ppm")

如果打開成功，返回一個Image對象，可以通過對象屬性檢查文件內容

>>> from __future__ import print_function>>> print(im.format, im.size, im.mode)

PPM (512, 512) RGB

format屬性定義了圖像的格式，如果圖像不是從文件打開的，那麼該屬性值為None；size屬性是一個tuple，表示圖像的寬和高（單位為像素）；mode屬性為表示圖像的模式，常用的模式為：L為灰度圖，RGB為真彩色，CMYK為pre-press圖像。
如果文件不能打開，則拋出IOError異常。
當有一個Image對象時，可以用Image類的各個方法進行處理和操作圖像，例如顯示圖片：

>>> im.show()

ps：標准版本的show()方法不是很有效率，因為它先將圖像保存為一個臨時文件，然後使用xv進行顯示。如果沒有安裝xv，該函數甚至不能工作。但是該方法非常便於debug和test。（windows中應該調用默認圖片查看器打開）
讀寫圖片
Pillow庫支持相當多的圖片格式。直接使用Image模塊中的open()函數讀取圖片，而不必先處理圖片的格式，Pillow庫自動根據文件決定格式。
Image模塊中的save()函數可以保存圖片，除非你指定文件格式，那麼文件名中的擴展名用來指定文件格式。
圖片轉成jpg格式

from __future__ import print_functionimport os, sysfrom PIL import Imagefor infile in sys.argv[1:]: f, e = os.path.splitext(infile) outfile = f + ".jpg" if infile != outfile: try: Image.open(infile).save(outfile) except IOError: print("cannot convert", infile)

save函數的第二個參數可以用來指定圖片格式，如果文件名中沒有給出一個標準的圖像格式，那麼第二個參數是必須的。
創建縮略圖

from __future__ import print_functionimport os, sysfrom PIL import Imagesize = (128, 128)for infile in sys.argv[1:]: outfile = os.path.splitext(infile)[0] + ".thumbnail" if infile != outfile: try: im = Image.open(infile) im.thumbnail(size) im.save(outfile, "JPEG") except IOError: print("cannot create thumbnail for", infile)

必須指出的是除非必須，Pillow不會解碼或raster數據。當你打開一個文件，Pillow通過文件頭確定文件格式，大小，mode等數據，餘下數據直到需要時才處理。
這意味著打開文件非常快，與文件大小和壓縮格式無關。下面的程序用來快速確定圖片屬性：
確定圖片屬性

from __future__ import print_functionimport sysfrom PIL import Imagefor infile in sys.argv[1:]: try: with Image.open(infile) as im: print(infile, im.format, "%dx%d" % im.size, im.mode) except IOError: pass

裁剪、粘貼、與合並圖片
Image類包含還多操作圖片區域的方法。如crop()方法可以從圖片中提取一個子矩形
從圖片中復制子圖像

box = im.() #直接復制圖像box = (100, 100, 400, 400)region = im.crop(box)

區域由4-tuple決定，該tuple中信息為(left, upper, right, lower)。 Pillow左邊系統的原點（0，0）為圖片的左上角。坐標中的數字單位為像素點，所以上例中截取的圖片大小為300*300像素^2。
處理子圖，粘貼回原圖

region = region.transpose(Image.ROTATE_180)im.paste(region, box)

將子圖paste回原圖時，子圖的region必須和給定box的region吻合。該region不能超過原圖。而原圖和region的mode不需要匹配，Pillow會自動處理。
另一個例子

Rolling an imagedef roll(image, delta): "Roll an image sideways" image = image.() #復制圖像 xsize, ysize = image.size delta = delta % xsize if delta == 0: return image part1 = image.crop((0, 0, delta, ysize)) part2 = image.crop((delta, 0, xsize, ysize)) image.paste(part2, (0, 0, xsize-delta, ysize)) image.paste(part1, (xsize-delta, 0, xsize, ysize)) return image

分離和合並通道

r, g, b = im.split()im = Image.merge("RGB", (b, g, r))

對於單通道圖片，split()返回圖像本身。為了處理單通道圖片，必須先將圖片轉成RGB。
幾何變換
Image類有resize()、rotate()和transpose()、transform()方法進行幾何變換。
簡單幾何變換

out = im.resize((128, 128))out = im.rotate(45) # 順時針角度表示

置換圖像

out = im.transpose(Image.FLIP_LEFT_RIGHT)out = im.transpose(Image.FLIP_TOP_BOTTOM)out = im.transpose(Image.ROTATE_90)out = im.transpose(Image.ROTATE_180)out = im.transpose(Image.ROTATE_270)

transpose()和象的rotate()沒有性能差別。
更通用的圖像變換方法可以使用transform()
模式轉換
convert()方法
模式轉換

im = Image.open('lena.ppm').convert('L')

圖像增強
Filter ImageFilter模塊包含很多預定義的增強filters，通過filter()方法使用
應用filters

from PIL import ImageFilterout = im.filter(ImageFilter.DETAIL)

像素點處理
point()方法通過一個函數或者查詢表對圖像中的像素點進行處理（例如對比度操作）。
像素點變換

# multiply each pixel by 1.2out = im.point(lambda i: i * 1.2)

上述方法可以利用簡單的表達式進行圖像處理，通過組合point()和paste()還能選擇性地處理圖片的某一區域。
處理單獨通道

# split the image into indivial bandssource = im.split()R, G, B = 0, 1, 2# select regions where red is less than 100mask = source[R].point(lambda i: i < 100 and 255)# process the green bandout = source[G].point(lambda i: i * 0.7)# paste the processed band back, but only where red was < 100source[G].paste(out, None, mask)# build a new multiband imageim = Image.merge(im.mode, source)

注意到創建mask的語句：

mask = source[R].point(lambda i: i < 100 and 255)

該句可以用下句表示

imout = im.point(lambda i: expression and 255)

如果expression為假則返回expression的值為0（因為and語句已經可以得出結果了），否則返回255。（mask參數用法：當為0時，保留當前值，255為使用paste進來的值，中間則用於transparency效果）
高級圖片增強
對其他高級圖片增強，應該使用ImageEnhance模塊 。一旦有一個Image對象，應用ImageEnhance對象就能快速地進行設置。 可以使用以下方法調整對比度、亮度、色平衡和銳利度。
圖像增強

from PIL import ImageEnhanceenh = ImageEnhance.Contrast(im)enh.enhance(1.3).show("30% more contrast")

動態圖
Pillow支持一些動態圖片的格式如FLI/FLC，GIF和其他一些處於實驗階段的格式。TIFF文件同樣可以包含數幀圖像。
當讀取動態圖時，PIL自動讀取動態圖的第一幀，可以使用seek和tell方法讀取不同鄭

from PIL import Imageim = Image.open("animation.gif")im.seek(1) # skip to the second frametry: while 1: im.seek(im.tell()+1) # do something to imexcept EOFError: pass # end of sequence

當讀取到最後一幀時，Pillow拋出EOFError異常。
當前版本只允許seek到下一鄭為了倒回之前，必須重新打開文件。
或者可以使用下述迭代器類
動態圖迭代器類

class ImageSequence: def __init__(self, im): self.im = im def __getitem__(self, ix): try: if ix: self.im.seek(ix) return self.im except EOFError: raise IndexError # end of sequencefor frame in ImageSequence(im): # ...do something to frame...Postscript Printing

Pillow允許通過Postscript Printer在圖片上添加images、text、graphics。

Drawing Postscriptfrom PIL import Imagefrom PIL import PSDrawim = Image.open("lena.ppm")title = "lena"box = (1*72, 2*72, 7*72, 10*72) # in pointsps = PSDraw.PSDraw() # default is sys.stdoutps.begin_document(title)# draw the image (75 dpi)ps.image(box, im, 75)ps.rectangle(box)# draw centered titleps.setfont("HelveticaNarrow-Bold", 36)w, h, b = ps.textsize(title)ps.text((4*72-w/2, 1*72-h), title)ps.end_document()

更多讀取圖片方法
之前說到Image模塊的open()函數已經足夠日常使用。該函數的參數也可以是一個文件對象。
從string中讀取

import StringIOim = Image.open(StringIO.StringIO(buffer))

從tar文件中讀取

from PIL import TarIOfp = TarIO.TarIO("Imaging.tar", "Imaging/test/lena.ppm")im = Image.open(fp)

草稿模式
draft()方法允許在不讀取文件內容的情況下盡可能（可能不會完全等於給定的參數）地將圖片轉成給定模式和大小，這在生成縮略圖的時候非常有效（速度要求比質量高的場合）。
draft模式

from __future__ import print_functionim = Image.open(file)print("original =", im.mode, im.size)im.draft("L", (100, 100))print("draft =", im.mode, im.size)

Ⅳ 請問可以用python實現將大圖片變成小圖片處理嗎，這邊要做一個圖像識別，太大的解析度運行慢

python有一個圖像處理庫——PIL，可以處理圖像文件。PIL提供了功能豐富的方法，比如格式轉換、旋轉、裁剪、改變尺寸、像素處理、圖片合並等等等等，非常強大。
舉個簡單的例子，調整圖片的大小:

12345678910111213141516171819
import Image infile = 'D:\\original_img.jpg'outfile = 'D:\\adjust_img.jpg'im = Image.open(infile)(x,y) = im.size #read image sizex_s = 250 #define standard widthy_s = y * x_s / x #calc height based on standard widthout = im.resize((x_s,y_s),Image.ANTIALIAS) #resize image with high-qualityout.save(outfile) print 'original size: ',x,yprint 'adjust size: ',x_s,y_s '''OUTPUT:original size: 500 358adjust size: 250 179'''

Ⅵ python圖像處理代碼，望大神詳細解釋。越詳細越好

#初始化一個矩形np.max(marks)+1行，3列，默認值為0
colorTab=np.zeros((np.max(marks)+1,3))

#遍歷數組，給每行的3列賦值，就是RGB顏色值，8位的
foriinrange(len(colorTab)):
aa=np.random.uniform(0,255)
bb=np.random.uniform(0,255)
cc=np.random.uniform(0,255)
colorTab[i]=np.array([aa,bb,cc],np.uint8)

#初始化另一個跟img圖像形狀大小一樣的圖像，一副黑色圖像
bgrImage=np.zeros(img.shape,np.uint8)

#遍歷marks形狀的行列
foriinrange(marks.shape[0]):
forjinrange(marks.shape[1]):

index=marks[i][j]
#判斷是不是區域與區域之間的分界,如果是邊界(-1)，則使用白色顯示
ifindex==-1:
bgrImage[i][j]=np.array([255,255,255])#像素點設置位白色
else:
bgrImage[i][j]=colorTab[index]#像素點設置位上邊隨機生成的顏色值

#顯示處理後的圖像圖像
cv2.imshow('AfterColorFill',bgrImage)
#總結，先生成一個跟marks相同數量的row*col的一張顏色表，然後創建一個跟marks相同大小的一副黑色圖像
#最後對黑色圖像畫出白色邊界和內部隨機彩色像素值

Ⅶ 1.圖像裁剪、加邊框、旋轉（Python PIL）

        日常工作中經常要用Photoshop列印一些地質圖，雖然說PS有動作錄制的功能，但是列印這個功能我嘗試過錄制動作後並未能成功運行，而且要列印的圖像尺寸很多都是不同的，試了幾次後就放棄了，直到後來Python學起來了，通過pywinauto庫實現了這個功能，在這里就簡單記錄下吧。

        在寫Photoshop的列印操作之前，先來回顧下列印之前的圖像處理工作。

        接到的地質圖多為MapGIS程序導出的jpg圖片，偶爾也會有Tif格式的遙感圖。對這些圖像進行列印很簡單，基本流程是：用PS打開圖像->裁剪圖像四周空白邊緣->為圖像四周加上3cm寬白色邊框（為了美觀和裝訂的需要）->列印。那為啥用PS來列印不直接用Windows自帶列印呢，應該是列印需要用到PS特定的顏色處理模式吧，經過試驗，通過兩種方式打出來的色彩效果確實是不同的。

        列印前圖像處理的主要目標很簡單：

                1、裁剪圖像四周空白

                2、為圖像四周加上3cm白色邊框   

下面就用Python實現它們

圖像處理主要用的是PIL這個庫，中途由於單位電腦比較舊（4g內存Win7 32位系統，後來重裝成64位了，體驗就是搞這種東西必須整個64位系統），性能不太行了，也用Opencv整了下，還是感覺PIL稍微快那麼一點點，不知道是不是錯覺呢。

（後來發現這兩步在PS錄個動作也能輕松完成(￫ܫ￩)）

一、獲取所有圖片路徑

        有時候要列印的圖片會放在好多個不同文件夾裡面，要把它們遍歷出來：

import os

二、讀取圖片並裁剪四周空白

import PIL

獲得了圖像尺寸後接下來就要對圖像進行邊緣空白的裁剪了（其實這兩步不分先後順序的）：

裁剪的思路是網上搜到的，整理下就是：

    1、先把圖像轉成灰度模式（值變成單一的0-255以方便判斷，如果要裁剪其他顏色我就不知道了，我這里只要裁掉最常見的由MapGIS導出的標準的白色邊緣）。

    2、分別從四個方向掃描圖像，找到四個方向各自第一個灰度值不為255（最純粹的白色(￫ܫ￩)）的像素，記下它的坐標(i,j)。

    3、通過四組坐標大小比較，得到圖像除了四周空白區域外的坐標極值，也就得到了裁剪的區域左上（left，top）和右下坐標（right，bottom）。

    4、利用PIL.Image.crop()，完成圖像的裁剪。

    5、沒了，就是後來發現PIL自帶這個演算法，引用一下： 使用PIL裁剪圖片白邊

        要是用PS來做呢，『圖像-裁切-確定』就完事了。

三、給裁剪後的圖像加上x厘米的白色邊框

這一步主要是為了列印出來的圖規范且美觀。

這一步要是用PS來搞，『圖像-畫布大小-設置相對的寬度和高度』 就好了

四、判斷圖像是否需要旋轉。

為什麼要旋轉這些圖像呢？因為最終是要把它們用列印機列印出來，而列印機能列印的最大寬度是有限的，所以就有了這個步驟。

單位的列印機型號是惠普的HP DesignJet Z6200 60 英寸照片列印機，最大列印紙張寬度是60英寸，大約就是1524mm左右吧，除了最大尺寸外，日常還用到的紙張寬度有440、610、914、1067、1274等6、7種吧，所以出於節約列印時間和省錢的考慮，為每張圖選擇最合適的列印紙張寬度也是很有必要的。

判斷圖像是否需要旋轉的思路是這樣的：

    1、比較圖像的寬和高，判斷誰是圖像的長邊和短邊。

    2、短邊如果大於1524mm，這圖按1:1就打不出來了，超過列印機最大可裝入的紙張的寬度，把這個圖像文件放到Oversize_path路徑下，後續自己看著辦。

    3、在短邊小於等於1524mm的前提下，根據對圖像寬高和長短邊的比較，有兩種需要旋轉的情況：

            3.1 如果圖像的寬是長邊（矮胖的矩形），且寬大於1524mm，那麼這圖得旋轉90°；

            3.2 如果圖像的高是長邊（瘦高的矩形），且高小於1524mm，那麼這圖也得旋轉90°。

*printTOtkinter()是個用tkinter搞的進度顯示窗口，就輸出下一些文本信息而已。

五、為圖像選擇最合適的列印紙張尺寸

單位列印紙有438、610、914、1524等7種寬度，現在要選出最適合的一種來進行列印。

在把短邊大於1524這種情況排除之後，剩下的圖像情況為短邊小於1524，即單位的列印機能列印出來了。

這時要判斷最佳列印用紙的寬度，有兩種情況需要考慮：

    1、長邊＞1524，改用短邊來比較選擇列印紙寬度。

    2、長邊 ≤ 1524，用長邊來比較選擇列印紙寬度。

下面思路就是把要用作比較的邊長放入紙張寬度列表，把列表排序後找到比這個邊長大一點的那個紙張寬度。

主要的步驟就是這些，再經過一頓復制粘貼完善一下其他細節之後，最後會得到一個存放列印信息的列表，把它用txt存起來，這樣後面的PS批量列印需要的信息就全部搞到手了。最後放個gif。