在 Python 中获取图像的长和宽，最常见的方法是使用 **Pillow（PIL）、OpenCV（cv2）或 Matplotlib 等图像处理库读取图片对象后，通过属性或数组结构直接获取尺寸信息**。不同库返回的宽高顺序略有差异，例如 Pillow 返回 `(width, height)`，而 OpenCV 读取后需要通过数组的 `shape` 属性获取 `(height, width)`。理解这些差异，能够避免尺寸混淆，是进行图像处理、计算机视觉开发与自动化处理的基础。

## 一、为什么需要获取图像长宽

在 Python 图像处理场景中，获取图像长宽是最基础也是最关键的操作之一。无论是进行图像缩放、裁剪、拼接，还是训练机器学习模型、进行目标检测、制作数据增强管线，**图像尺寸（宽度和高度）都是核心参数**。如果不准确掌握图像长宽信息，可能会导致比例失真、数组越界、模型输入维度错误等问题。

在 Web 开发、自动化办公或批量图片处理场景中，Python 获取图像尺寸也常用于筛选特定分辨率图片。例如筛选大于 1920×1080 的高清图片，或者将小尺寸图像自动归类。对于深度学习来说，输入张量维度必须统一，获取图像宽高是数据预处理第一步。

根据 Python 官方文档（Python Software Foundation, 2023），Python 在图像处理生态中高度依赖第三方库，而图像尺寸获取通常基于对象属性而非系统接口，因此理解不同库的差异非常重要。

## 二、使用 Pillow 获取图像长宽

Pillow 是 Python 最常用的图像处理库之一，是 PIL（Python Imaging Library）的维护版本。它提供简单直观的 API 来获取图像尺寸，是入门和实际项目中最常见的方式。

安装 Pillow：

```bash
pip install pillow
```

示例代码：

```python
from PIL import Image

img = Image.open("example.jpg")
width, height = img.size

print("宽度:", width)
print("高度:", height)
```

在 Pillow 中，`img.size` 返回的是 `(width, height)` 元组。这一点非常重要，因为很多开发者会误认为顺序是高在前。Pillow 官方文档（Pillow Documentation, 2023）明确说明 size 属性返回宽度和高度。

### Pillow 获取尺寸特点对比

| 特点 | 说明 |
|------|------|
| 返回格式 | (width, height) |
| 是否需要转换 | 不需要 |
| 是否依赖数组 | 否 |
| 适用场景 | 图像处理、Web开发、简单批量处理 |

Pillow 的优势在于语法简洁，适合初学者和轻量级处理任务。如果只是获取图像宽高信息，Pillow 是首选方案。

## 三、使用 OpenCV 获取图像长宽

OpenCV（cv2）是计算机视觉领域最常用的库之一，在目标检测、图像识别等领域应用广泛。与 Pillow 不同，OpenCV 读取图像后会转换为 NumPy 数组，因此获取图像尺寸依赖数组的 `shape` 属性。

安装 OpenCV：

```bash
pip install opencv-python
```

示例代码：

```python
import cv2

img = cv2.imread("example.jpg")
height, width = img.shape[:2]

print("宽度:", width)
print("高度:", height)
```

在 OpenCV 中，`img.shape` 返回的是 `(height, width, channels)`，因此必须注意顺序。很多开发者初学时会混淆这一点，导致宽高调换错误。

### OpenCV 与 Pillow 对比

| 对比维度 | Pillow | OpenCV |
|----------|----------|----------|
| 返回顺序 | (width, height) | (height, width) |
| 底层结构 | Image 对象 | NumPy 数组 |
| 适合场景 | 轻量图像处理 | 计算机视觉 |
| 学习曲线 | 简单 | 相对复杂 |

根据 OpenCV 官方文档（OpenCV.org, 2023），图像在内存中按行优先方式存储，因此数组第一维是高度。这也是 shape 返回顺序不同的原因。

## 四、使用 Matplotlib 获取图像尺寸

Matplotlib 主要用于图像显示和数据可视化，但也可以读取图像并获取尺寸。它通常结合 NumPy 使用，适合科研或数据分析场景。

示例代码：

```python
import matplotlib.image as mpimg

img = mpimg.imread("example.jpg")
height, width = img.shape[:2]

print("宽度:", width)
print("高度:", height)
```

Matplotlib 读取图像后返回 NumPy 数组，因此尺寸获取方式与 OpenCV 相同。需要注意的是，某些 PNG 图片可能返回浮点类型数组。

Matplotlib 获取图像长宽更适用于数据分析流程中顺带处理图像，而不是专门做图像处理。

## 五、批量获取文件夹中所有图片尺寸

在实际开发中，经常需要批量获取图片长宽，例如统计数据集图像分辨率分布。以下示例使用 Pillow 批量读取。

```python
import os
from PIL import Image

folder = "images"

for filename in os.listdir(folder):
    if filename.endswith((".jpg", ".png")):
        path = os.path.join(folder, filename)
        with Image.open(path) as img:
            width, height = img.size
            print(filename, width, height)
```

这种批量获取图像尺寸的方式在数据分析、机器学习数据准备阶段非常常见。可以结合 Pandas 生成尺寸统计表，进一步分析分辨率分布情况。

## 六、常见错误与注意事项

在 Python 获取图像长宽时，常见错误主要集中在以下几个方面。第一是宽高顺序混淆。Pillow 返回 `(width, height)`，OpenCV 返回 `(height, width)`，必须特别注意。

第二是图像未成功读取。例如 OpenCV 读取失败会返回 `None`，调用 `shape` 会报错。因此建议添加判断：

```python
if img is not None:
    height, width = img.shape[:2]
```

第三是图像通道数问题。彩色图像 shape 为 `(h, w, 3)`，灰度图像为 `(h, w)`，因此推荐使用 `shape[:2]` 获取尺寸，避免通道干扰。

这些细节在图像处理流程中至关重要，尤其在自动化系统中，一旦尺寸错误会导致后续处理链路异常。

## 七、不同方法性能与适用性分析

在性能方面，OpenCV 由于底层基于 C++ 实现，在处理大批量图像时速度更快。而 Pillow 更轻量，更适合简单图像处理。

| 维度 | Pillow | OpenCV | Matplotlib |
|------|----------|----------|------------|
| 速度 | 中等 | 快 | 中等 |
| 易用性 | 高 | 中 | 中 |
| 依赖复杂度 | 低 | 中 | 中 |
| 适合数据分析 | 一般 | 强 | 强 |

如果仅仅是获取图像长宽信息，三者性能差异并不明显。但在大规模数据集处理场景中，OpenCV 更具优势。

## 八、在深度学习中的尺寸获取应用

在深度学习框架如 TensorFlow 和 PyTorch 中，图像通常会被转换为张量。获取图像长宽信息用于调整输入尺寸、数据增强和批量处理。

例如在 PyTorch 中：

```python
from PIL import Image

img = Image.open("example.jpg")
print(img.size)
```

随后可使用 transforms.Resize 调整大小。图像尺寸直接影响模型输入维度和显存占用。

根据 TensorFlow 官方指南（TensorFlow Guide, 2023），输入图像尺寸应保持一致，否则模型无法正常训练。因此，在数据预处理阶段准确获取图像宽高是必要步骤。

## 九、总结与未来趋势

总体来看，Python 获取图像长宽的方法主要依赖 Pillow、OpenCV 与 Matplotlib 三种方式。**Pillow 适合基础图像处理与快速开发，OpenCV 更适合计算机视觉项目，而 Matplotlib 更偏向数据分析流程。**核心差异在于返回顺序与数据结构形式。

未来趋势方面，随着 AI 与自动化处理需求增长，图像数据规模持续扩大，批量获取图像尺寸与自动校验将成为标准数据管道的一部分。同时，基于 GPU 加速的图像读取方式可能进一步提升处理效率。

无论选择哪种方式，理解图像尺寸返回顺序与数据结构，是每位 Python 开发者必须掌握的基础技能。

参考与资料来源  
Python Software Foundation. Python Documentation, 2023.  
OpenCV.org. OpenCV Official Documentation, 2023.  
Pillow Documentation, 2023.  
TensorFlow Guide, 2023.

可以使用Python的Pillow库打开图片文件，然后通过image.size属性获取图像的宽度和高度，返回的是一个元组，例如：(width, height)。

使用Pillow库获取图片宽高的方法

我想知道如何用Python代码获取一张图片的宽度和高度，应该用什么库和方法？

如何使用Python读取图像的尺寸信息？

Python标准库没有专门处理图片的模块，直接获取图像长宽较为复杂。可以通过解析图片文件头获取尺寸，但各格式不同，建议还是使用Pillow等第三方库更方便可靠。

利用标准库读取图像尺寸的限制和方法

如果我不想安装额外的库，通过Python自带功能能获得图片大小吗？

有没有不用第三方库也能获取图像长宽的方式？

可以写一个函数，将图片路径传入，使用Image.open()打开后，通过size属性返回一个包含宽和高的元组，代码简洁且执行效率高，如：

```python
from PIL import Image

def get_image_size(path):
    with Image.open(path) as img:
        return img.size
```

简洁的函数示例使用Pillow读取图片大小

我想写一个简短的Python函数快速读取图片长宽，有什么简便方法？

怎样获取图像尺寸时保持代码简洁高效？

PingCodeDocs

在 Python 中获取图像长宽主要依赖 Pillow、OpenCV 和 Matplotlib 三种常见库。Pillow 通过 img.size 直接返回 (width, height)，适合简单图像处理；OpenCV 通过数组 shape 属性获取 (height, width)，更适用于计算机视觉场景；Matplotlib 方式类似 OpenCV。实际开发中需特别注意宽高顺序差异及读取失败问题。对于批量处理和深度学习数据准备，准确获取图像尺寸是关键基础步骤。掌握不同库的特性与应用场景，有助于构建稳定高效的图像处理流程。

python怎么获取图像长宽

用户关注问题