Python图像处理讲解(多图预警)

Posted xinxi2010

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python图像处理讲解(多图预警)相关的知识,希望对你有一定的参考价值。

超全Python图像处理讲解(多图预警)
           
           
               
                   
                                       
                                       
                                       
                                       
                                       
                                                                                                                                            ZackSock
                    2020-04-07 13:20:25
                   
                    61699
                   
                       
                       
                        收藏
                       
                                                2038                                               
                   
                                       
               
                                最后发布:2020-04-07 13:20:25首发:2020-01-01 17:01:08
               
               
                                                       
                           分类专栏:
                                                                                            
                                       Python                                  
                                                                                                                           
                                       Python常用模块讲解                                  
                                                                                 
                                                                                                      
                                                                   
                           
                               
                           
                           
                                版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。                           
                           
                                本文链接:https://blog.csdn.net/ZackSock/article/details/103794134
                           
                       
                                                                               
               
                                                                展开
                                   
           
       
   
   
       
       
           
           
               
               
                    C语言数据结构与算法
                    数据结构是一门研究数据之间关系的一门课程,是编程境界提升的一大跳板,学好数据结构对提升编程能力有很大的帮助。
本次专栏全部使用C语言作为实践语言,带大家全面的了解数据结构和算法。以最直观的例子,让大家认识到各个数据结构,一级一些我们经常使用的算法和一些非常有趣的算法。希望本专栏可以给大家带来帮助。
                    ZackSock
               
               
               
                    ¥9.90
                   
                                                                                                            订阅专栏
                                                                       
               
           

   
       
                
           
                           
                   
                   
                                            文章目录Pillow模块讲解一、Image模块1.1 、打开图片和显示图片1.2、创建一个简单的图像1.3、图像混合(1)透明度混合(2)遮罩混合1.4、图像缩放(1)按像素缩放(2)按尺寸缩放1.5、图像的剪切与粘贴(1)图像粘贴(2)裁剪图像1.4、图像旋转和格式转换(1)图像旋转(2)格式转换1.5、分离和合并(1)分离(2)合并二、ImageFilter2.1、高斯模糊2.2、其它滤镜三、ImageChops模块(图像合成)3.1、加法运算3.2、减法运算3.3、其它函数四、ImageEnhance模块(色彩、亮度)五、ImageDraw模块5.1、绘制简单形状(1)绘制直线(2)绘制矩形(3)绘制圆弧(4)绘制椭圆(5)绘制弦(6)绘制扇形(7)绘制多边形(8)绘制点5.2、绘制文字
Pillow模块讲解
一、Image模块
1.1 、打开图片和显示图片
对图片的处理最基础的操作就是打开这张图片,我们可以使用Image模块中的open(fp, mode)方法,来打开图片。open方法接收两个参数,第一个是文件路径,第二个是模式。主要的模式如下:

 


mode(模式)
bands(通道)
说明

 


“1”
1
数字1,表示黑白二值图片,每个像素用0或1共1位二进制码表示


“L”
1
灰度图


“P”
1
索引图


“RGB”
3
24位真彩图


“RGBA”
4
“RGB”+透明通道


“CMYK”
4
印刷模式图像


光理论是不够的,在此送大家一套2020最新Python全栈项目视频教程,点击此处 进来获取  跟着练习下,希望大家一起进步哦!
更多的模式也就不说了,关于模式的模式的详细介绍我也不知道。这个open方法返回一个Image对象,mode也不是必须参数。打开图片代码如下:
from PIL import Image
# 打开图片
im = Image.open(‘test.jpg‘)
# 显示图片
im.show()
12345
当然显示图片不是我们的重点,我们获取Image对象之后,就可以获取它的一些信息了。
print(‘图像的格式:‘, im.format)
print(‘图像的大小:‘, im.size)
print(‘图像的宽度:‘, im.width)
print(‘图像的高度:‘, im.height)
# 传入坐标的元组
print(‘获取某个像素点的颜色值:‘, im.getpixel(100, 100))
123456
在我的环境中运行结果如下:
图像的格式: JPEG
图像的大小: (3968, 2976)
图像的宽度: 3968
图像的高度: 2976
获取某个像素点的颜色值: (198, 180, 132)
12345
1.2、创建一个简单的图像
在Image模块中,提供了创建图像的方法。主要是通过**Image.new(mode, size, color)**实现,该方法传入三个参数:

mode:图像的创建模式
size:图像的大小
color:图像的颜色

用该方法可以创建一个简单的图像,之后我们可以通过save方法将图像保存:
from PIL import Image
# 创建一个简单的图像
im = Image.new(‘RGB‘, (100, 100), ‘red‘)
# 保存这个图像
im.save(‘red.png‘)
12345
生成图片如下:

1.3、图像混合
(1)透明度混合
透明度混合主要是使用**Image中的blend(im1, im2, alpha)**方法,对该方法的解释如下:

im1:Image对象,在混合的过程中,透明度设置为(1-apha)
im2:Image对象,在混合的过程中,透明度设置为(apha)
alpha:透明度,取值是0-1。当透明度为0是,显示im1对象;当透明度为1时,显示im2对象


注意:im1和im2的大小必须一样,且mode都为RGB

代码实现如下:
from PIL import Image

# 打开im1
im1 = Image.open(‘pic.jpg‘).convert(mode=‘RGB‘)
# 创建一个和im1大小一样的图像
im2 = Image.new(‘RGB‘, im1.size, ‘red‘)
# 混合图片,并显示
Image.blend(im1, im2, 0.5).show()
12345678
下面为原图和混合图的对比:

不得不说,我家艾斯真滴帅。
(2)遮罩混合
接下来就是很迷的时刻了,我们可以通过Image.composite(im1, im2, mask)方法实现遮罩混合。三个参数都是Image对象,该方法的作用就是使用mask来混合im1和im2。我是听不懂,你们能听懂最好给我讲一下。具体实现如下:
# 这句代码写了好多遍,我真不想写了
from PIL import Image
# 打开图像1
im1 = Image.open(‘pic1.jpg‘)
# 打开图像2
im2 = Image.open(‘pic2.jpg‘)
# 重新设置im2的大小
im2.resize(im1.size)
# 将图像2的三个色道分离,其中r、g、b都为Image对象
r, g, b = im2.split()
# 遮罩混合
Image.composite(im1, im2, b).show()
123456789101112

注意:im1、im2和mask的大小必须一样

im1、im2和遮罩混合效果对比如下:

依旧是我帅气的艾斯。
1.4、图像缩放
(1)按像素缩放
按像素缩放通过Image.eval(im1, fun)方法实现,其中im1为我们老生常谈的Image对象了;第二个为一个方法(函数),该函数传入一个参数,即像素点。该函数会对图片中每个像素点进行函数内的操作。下面我们对来简单使用一下这个方法:
from PIL import Image
# 打开一张图像
im = Image.open(‘抠鼻屎.jpg‘)
# 对该图像每个像素点进行*2处理
Image.eval(im, lambda x:x*2).show()
12345
这里我使用的lambda表达式,当然一般也都是用lambda表达式,不过你也可以像下面这样写:
# 定义一个方法
def func(x):
    return x*2
# 对图像im每个像素点进行func中的操作,其中func不能加()
Image.eval(im, func)
12345
效果图如下:

细心的读者应该可以发现,这个抠鼻屎的图片和笔者头像并不完全一样。在血色方面,笔者的头像确实要差几分。

注意:笔者在日常生活中可不是天天在大街上抠鼻屎的那种。

(2)按尺寸缩放
按尺寸缩放是通过Image对象的thumbnail()方法实现的,这里不同于前面直接通过Image调用方法,而是使用Image的具体实例im2调用thumbnail方法,从而对im2直接进行处理。具体代码如下:
from PIL import Image
# 打开图像
im1 = Image.open(‘xx.jpg‘)
# 复制图像
im2 = im1.copy()
# 将复制后的图像进行缩放,传入一个元组
im2.thumbnail((100, 100))
# 输出图像大小
print("im1的大小", im1.size)
print(‘im2的大小‘, im2.size)
12345678910
这里缩放图像并不会对图像进行变形,即显示效果是一样的。这里就不放效果图了,输入结果如下:
im1的大小 (960, 960)
im2的大小 (100, 100)
12
1.5、图像的剪切与粘贴
(1)图像粘贴
粘贴的实现主要是通过Image对象的paste(im, box, mask)方法,其中im为Image对象;box为要粘贴到的区域;mask为遮罩(我也不知道啥是遮罩)。其中box的参数有三种形式:

(x1, y1):将im左上角对齐(x1,y1)点,其余部分粘贴,超出部分抛弃
(x1, x2, y1, y2):将im粘贴至此区域
None:此时im必须与源图像大小一致

(2)裁剪图像
裁剪主要通过Image对象的crop(box)方法实现,box同粘贴中一致。
接下来我们做一个小练习,想将图像某个区域剪切下来,然后粘贴到另一个图像上:
from PIL import Image
# 打开图像
im = Image.open(‘nnz.jpg‘)
# 复制两份
im1 = im.copy()
im2 = im.copy()
# 剪切图片
im_crop = im1.crop((200, 200, 400, 400))
# 粘贴图片
im2.paste(im_crop, (30, 30))
im2.show()
1234567891011
原图和效果图对比如下:

貌美如花的娜娜子。
1.4、图像旋转和格式转换
(1)图像旋转
图像旋转就非常简单了,简单的一句代码,通过Image对象调用rotate(),该方法返回被旋转图像的一个副本:
from PIL import Image
im = Image.open(‘nnz.jpg‘)
# 旋转90度然后显示
im.rotate(90).show()
1234
顺时针逆时针就不要问我了。
(2)格式转换

convert:转换图像的模式
transpose:转换图像的格式

convert之前已经使用过了,这里就简单演示一下transpose的作用,transpose主要传入一些Image中的常量:
from PIL import Image
# 打开图像
im = Image.open(‘nnz.jpg‘)
# 这里我也不知道注释啥了,总之效果和rotate(90)效果一样
im.transpose(Image.ROTATE_90).show()
12345
效果图我也就不放了,给大家列出一些可以传入的常量和该常量的作用:

 


常量
作用

 


Image.FILP_TOP_BOTTOM
上下翻转


Image.FILP_LEFT_RIGHT
左右翻转


Image.ROTATE_90
翻转90°


Image.ROTATE_180
翻转180°


Image.TRANSPOSE
颠倒


我也不知道这是哪门子的格式转换。
1.5、分离和合并
(1)分离
这个是之前使用过的,通过Image对象的split()方法,将图像的RGB三个通道分离,并返回三个Image对象:
from PIL import Image
# 打开图像
im = Image.open(‘nnz.jpg‘)
# 分离通道,返回3个Image对象
r, g, b = im.split()
12345
三个通道的效果图如下:

(2)合并
合并是通过Image.merge(mode, bands)方法实现的,其中mode为模式,bands为通道列表,传入一个列表类型数据。下面我实现以下小新多年来的愿望:
from PIL import Image
# 打开小新.jpg和娜娜子.jpg
im1 = Image.open(‘娜娜子.jpg‘)
im2 = Image.open(‘小新.jpg‘)
# 让im2大小和im1一样
im2.resize(im1.size)
# 将两个图像分别分离
r1, g1, b1 = im1.split()
r2, g2, b2 = im2.split()
# 合并图像
im3 = Image.merge(‘RGB‘, [r1, g2, b1])
im3.show()
123456789101112
效果图如下,看到这么美的图片,小新一定会感谢我的:

到这里,我们就把Image模块的大致内容讲解完了,接下来我们来了解PIL中更丰富的功能。
二、ImageFilter
ImageFilter中提供了很多常用的滤镜功能,
2.1、高斯模糊
高斯模糊也叫高斯平滑,是啥我也不知道,反正听名字就是模糊。我们结合上面的内容完成一个小案例:
from PIL import Image, ImageFilter
# 打开图像
im1 = Image.open(‘iron_man.jpg‘)
# 创建一个im1两倍宽的图像
img = Image.new(‘RGB‘, (im1.width*2, im1.height), ‘red‘)
# 高斯模糊处理
im2 = im1.filter(ImageFilter.GaussianBlur)
# 将im1粘贴到img上
img.paste(im1, (0, 0))
# 将im2(高斯模糊后的图像)粘贴到img上
img.paste(im2, (im1.width, 0))
img.show()
123456789101112
为了考虑小新的感受,下面不再用娜娜子作为素材。我选取了一张钢铁侠的图片,运行结果如下:

希望各位读者不要误会,他俩真没说你帅,他俩只说笔者一个人帅。
2.2、其它滤镜
除了高斯模糊,ImageFilter中还提供了许多其它滤镜:

 


滤镜值
滤镜名词

 


BLUR
模糊效果


CONTOUR
轮廓


DETAIL
细节


EDGE_ENHANCE
边缘增强


EDGE_ENHANCE_MORE
边缘增强plus


EMBOSS
浮雕效果


FIND_EDGES
寻找边缘


SMOOTH
平滑


笔者用一张美女图片,测试了上面几个滤镜的效果,发现9张图是看起来是完全一样的。虽然完全一样,但是笔者还是打算将这次测试的结果作为我慈善事业的一部分,分享给各位读者。

其中1为高斯模糊,2-9分别为表格中的8个滤镜。
三、ImageChops模块(图像合成)
ImageChops模块中,提供了很多图像合成的方法。这些方法是通过计算通道中像素值来实现的,不同的方法有不同的计算方式。
3.1、加法运算
加法运算通过**ImageChops.add(image1, image2, scale=1.0, offset=0)**方法实现,合成公式如下:
out = (im1 + im2)/scale + offset
1
我也看不懂,其中scale和offset是有默认值的。所以使用时我们可以省略参数,具体实现如下:
from PIL import Image, ImageChops
# 打开图像
im1 = Image.open(‘im1.jpg‘)
im2 = Image.open(‘im2.jpg‘)
# 合成图像并显示
im3 = ImageChops.add(im1, im2)
im3.show()
1234567
实验结果产不忍赌,效果图如下:

3.2、减法运算
加法运算通过**ImageChops.subtract(image1, image2, scale=1.0, offset=0)**方法实现,合成公式如下:
out = (im1 - im2)/scale + offset
1
其使用和add方法是一致的,代码如下:
from PIL import Image, ImageChops
# 打开图像
im1 = Image.open(‘xscn.jpg‘)
im2 = Image.open(‘xscn2.jpg‘)
# 合成图像并显示
im3 = ImageChops.subtract(im1, im2)
im3.show()
1234567
原本是不想放效果图的,但是运行后,发现效果图比较美,所以想和大家分享一下:

希望大家读到这篇博客的时候是独自一人的深夜。
3.3、其它函数
因为大多数函数的使用都比较简单,所以后续的函数也不单独拿出来讲了,具体功效可以看下列表:

 


函数名
参数
作用
计算公式

 


darker(变暗)
(image1, image2)
对比两种图片的像素,取两种图片中对应像素的较小值。(去亮留暗)
min(im1, im2)


lighter(变亮)
同上
对比两种图片的像素,取两种图片中对应像素的较大值。(去暗留亮)
max(im1, im2)


invert(反色)
(image)
将max(255)减去每个像素的值
max-image


multiply(叠加)
(image1, image2)
两种图片互相叠加。如果和黑色叠加,将获得一张很色图片
im1*im2/max


screen(屏幕)
同上
先反色后叠加
max-((max-im1)*(max-im2)/max)


difference(比较)
同上
各个像素做减法,取绝对值。如果像素相同结果为黑色
abs(im1-im2)


演示代码如下:
from PIL import Image, ImageChops

# 打开图像
im1 = Image.open("im1.jpg")
im2 = Image.open("im2.jpg")

# 对图像进行各种操作
im3 = ImageChops.darker(im1, im2)
im3.save(‘darker.jpg‘)
im3 = ImageChops.lighter(im1, im2)
im3.save(‘lighter.jpg‘)
im3 = ImageChops.invert(im1)
im3.save(‘invert.jpg‘)
im3 = ImageChops.multiply(im1, im2)
im3.save(‘multiply.jpg‘)
im3 = ImageChops.screen(im1, im2)
im3.save(‘screen.jpg‘)
im3 = ImageChops.difference(im1, im2)
im3.save(‘difference.jpg‘)
12345678910111213141516171819
其中,我选取的素材im1和im2都是上面使用到的那两张,效果图如下:

这样,我的女神就被我毁的体无完肤了。
四、ImageEnhance模块(色彩、亮度)
ImageEnhance提供了许多函数,用于调整图像的色彩、对比度、亮度、清晰度等。调整图像的步骤如下:

确定要调整的参数,获取特定的调整器
调用调整器的enhance方法,传入参数进行调整。


注意:所有调整器都实现同一个接口,该接口中包含一个方法enhance

其中enhance方法接收一个参数factor,factor是一个大于0的数。当factor为1时,返回原图,当factor小于1返回减弱图,大于1返回增强图。
各个获取色彩调整器的方法如下:

 


方法名称
方法作用

 


ImageEnhance.Color()
获取颜色调整器


ImageEnhance.Contrast()
获取对比度调整器


ImageEnhance.Brightness()
获取亮度调整器


ImageEnhance.Sharpness()
获取清晰度调整器


虽然是很想偷懒,不去做实验,但是想想还是做了如下实验,代码如下:
from PIL import Image, ImageEnhance
# 打开im1
im1 = Image.open("gtx.jpg")
# 获取颜色(各种)调整器
enhance_im1 = ImageEnhance.Color(im1)
#enhance_im1 = ImageEnhance.Contrast(im1)
#enhance_im1 = ImageEnhance.Brightness(im1)
#enhance_im1 = ImageEnhance.Sharpness(im1)
# 减弱颜色(以及其它属性)
im2 = enhance_im1.enhance(0.5)
# 增强颜色(以及其它属性)
im3 = enhance_im1.enhance(1.5)

# 获取原图大小
w, h = im1.size
# 创建一个原图大小3倍的图片
img = Image.new("RGB", (w*3, h))
# 将减弱的图片放在最左边
img.paste(im2, (0, 0))
# 将原图放在中间
img.paste(im1, (w, 0))
# 将增强后的图片放在最右边
img.paste(im3, (w*2, 0))
# 显示图片
img.show()
12345678910111213141516171819202122232425
其中,我们只需要修改获取调整器的代码就可以了,获取其它调制器的代码我注释了。然后看看效果图:

这种不伤大雅的工作,让我唐尼叔做再适合不过了。
另外再讲一个调节亮度的函数,但是这个函数时Image中的函数point(),而不是ImageEnhance的。该函数传入一个参数,使用方法和Image.eval()类似,使用示例如下:
from PIL import Image
# 打开图像
im1 = Image.open(‘gtx.jpg‘)

# 变暗操作
im2 = im1.point(lambda x:x*0.5)
# 变量操作
im3 = im1.point(lambda x:x*1.5)
# 获取原图大小
w, h = im1.size
# 创建一个原图大小3倍的图片
img = Image.new("RGB", (w*3, h))
# 将减弱的图片放在最左边
img.paste(im2, (0, 0))
# 将原图放在中间
img.paste(im1, (w, 0))
# 将增强后的图片放在最右边
img.paste(im3, (w*2, 0))
# 显示图片
img.show()
1234567891011121314151617181920
效果图如下:

五、ImageDraw模块
该模块提供了许多绘制2D图像的功能,我们可以通过绘制获取一个全新的图像,也可以在原有的图像上进行绘制。在我们使用该模块进行绘制时,我们需要先获取ImageDraw.Draw对象,获取方式如下:
from PIL import ImageDraw
# 构造函数中,im为一个Image对象
drawer = ImageDraw.Draw(im)
123
我们获取ImageDraw.Draw对象后就可以进行相应的绘制了。
5.1、绘制简单形状
在绘制之前,我们先创建一个空白的图片:
from PIL import Image, ImageDraw

# 创建一个300*300的白色图片
im = Image.new("RGB", (300, 300), "white")
# 获取ImageDraw.Draw对象
drawer = ImageDraw.Draw(im)
123456
后续的绘制都可以使用对象drawer绘制。
(1)绘制直线
"""
xy:起点坐标和终点坐标(x1, y1, x2, y2)
fill:填充色。"red"、"blue"...
width:轮廓粗细
joint:连接方式,可以是曲线
"""
line(xy, fill, width, joint)
# 绘制直线
drawer.line((50, 50, 150, 150), fill=‘green‘,width=2)
123456789
(2)绘制矩形
"""
xy:左上角坐标和右下角坐标(x1, y1, x2, y2)
fill:填充色。"red"、"blue"...
outline:轮廓色。同上
width:轮廓粗细
"""
rectangle(xy, fill, outline, width)
# 使用示例
drawer.rectangle((50, 50, 150, 150), fill=‘green‘, outline=‘red‘, width=3)
123456789
(3)绘制圆弧
"""
xy:包含圆弧所在圆的矩形的左上角坐标和右下角坐标(x1, y1, x2, y2)
start:起始角度
end:终止角度
fill:填充色。"red"、"blue"...
width:轮廓粗细
"""
arc(xy, start, end, fill, width)
# 使用示例
drawer.arc((50, 50, 150, 150), start=0, end=90, fill=‘green‘, width=3)
12345678910
对于xy参数的解释如图所示:

(4)绘制椭圆
"""
xy:包含椭圆(或圆)的矩形的左上角坐标和右下角坐标(x1, y1, x2, y2)
fill:填充色。"red"、"blue"...
outline:轮廓颜色
width:轮廓粗细
"""
ellipse(xy, fill, outline, width)
# 使用示例
drawer.ellipse((50, 50, 150, 150),fill=‘green‘, outline=‘red‘, width=3)
123456789
(5)绘制弦

"""
xy:弦所在椭圆的矩形的左上角坐标和右下角坐标(x1, y1, x2, y2)
start:开始角度
end:终点角度
fill:填充色。"red"、"blue"...
outline:轮廓颜色
width:轮廓粗细
"""
chord(xy, start, end, fill, outline, width)
# 使用示例
drawer.chord((50, 50, 150, 150),start=0, end=90, fill=‘green‘, outline=‘red‘, width=3)
123456789101112
(6)绘制扇形

"""
xy:扇形所在椭圆的矩形的左上角坐标和右下角坐标(x1, y1, x2, y2)
start:开始角度
end:终点角度
fill:填充色。"red"、"blue"...
outline:轮廓颜色
width:轮廓粗细
"""
pieslice(xy, start, end, fill, outline, width)
# 使用示例
drawer.pieslice((50, 50, 150, 150),start=0, end=90, fill=‘green‘, outline=‘red‘, width=3)
123456789101112
(7)绘制多边形
"""
xy:多边形各个点坐标的元组/列表(x1, y1, x2, y2)
fill:填充色。"red"、"blue"...
outline:轮廓颜色
"""
pieslice(xy, fill, outline)
# 使用示例
drawer.polygon((50, 50, 150, 150, 150, 200, 200, 250, 50, 50), fill=‘green‘, outline=‘red‘)
12345678
(8)绘制点
"""
xy:点的坐标
fill:填充色。"red"、"blue"...
"""
point(xy, fill)
# 使用示例
drawer.point((100, 100), fill=‘black‘)
1234567
除了上面这些简单图形外,我们还可以使用Draw绘制文字。
5.2、绘制文字
绘制文字和绘制图形是一样的:
"""
xy:起点坐标
text:绘制的文本
fill:填充色。"red"、"blue"...
...其中绘制文字还有许多其它参数
"""
text(xy, text, fill)
# 使用示例
drawer.text((100, 100), text=‘zack‘ fill=‘red‘)
123456789
当我们绘制中文时,上述代码会报错,因为默认编码是不支持中文的。我们可以在C:/Windows/Fonts目录下找到字体文件,我们选择一个支持中文的。我这里直接是将字体文件复制到项目底下来了,代码如下:
from PIL import Image, ImageDraw, ImageFont
# 创建一个图像用于绘制文字
im = Image.new("RGB", (300, 300), "white")
drawer = ImageDraw.Draw(im)
# 获取字体对象
imFont = ImageFont.truetype(‘simkai.ttf‘, 30)
# 绘制文字时设置字体
drawer.text((50, 100),text="啥",font=imFont,fill="red")
im.show()
123456789
最后送大家一套2020最新Pyhon项目实战视频教程,点击此处 进来获取  跟着练习下,希望大家一起进步哦!
我们使用了ImageFont.truetype()函数获取字体对象,在获取时我们可以设置字体大小。
————————————————
版权声明:本文为CSDN博主「ZackSock」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/ZackSock/java/article/details/103794134

以上是关于Python图像处理讲解(多图预警)的主要内容,如果未能解决你的问题,请参考以下文章

超全Python图像处理讲解(多图预警)

听说你在写Python爬虫,你对浏览器的开发者工具了解多少?多图预警

听说你在写Python爬虫,你对浏览器的开发者工具了解多少?多图预警

多图预警面试官:请问Nginx为什么比Apache性能好

不需编程/无需写代码的中文英文文本分析教程,免费傻瓜式,多图预警

听说你在写Python爬虫,你对浏览器的开发者工具了解多少?多图预警