Python PDF 程式庫

Name: IronPDF
Brand: Iron Software
Availability: InStock
Rating: 4.87 (307 reviews)

HTML 轉 PDF

from ironpdf import *

# Instantiate Renderer
renderer = ChromePdfRenderer()
 
# Create a PDF from a HTML string using Python
pdf = renderer.RenderHtmlAsPdf("<h1>Hello World</h1>")
 
# Export to a file or Stream
pdf.SaveAs("output.pdf")

# Advanced Example with HTML Assets
# Load external html assets: Images, CSS and JavaScript.
# An optional BasePath 'C:\site\assets\' is set as the file location to load assets from
myAdvancedPdf = renderer.RenderHtmlAsPdf("<img src='icons/iron.png'>", r"C:\site\assets")
myAdvancedPdf.SaveAs("html-with-assets.pdf")

from ironpdf import *

# Instantiate Renderer
renderer = ChromePdfRenderer()
 
# Create a PDF from a HTML string using Python
pdf = renderer.RenderHtmlAsPdf("<h1>Hello World</h1>")
 
# Export to a file or Stream
pdf.SaveAs("output.pdf")

# Advanced Example with HTML Assets
# Load external html assets: Images, CSS and JavaScript.
# An optional BasePath 'C:\site\assets\' is set as the file location to load assets from
myAdvancedPdf = renderer.RenderHtmlAsPdf("<img src='icons/iron.png'>", r"C:\site\assets")
myAdvancedPdf.SaveAs("html-with-assets.pdf")

PYTHON 幫助

scikit-image Python（開發者指南）

Curtis Chau

Updated: 2026年6月20日

Scikit-image 是一個設計用於Python圖像處理的算法集合。它是免費可用且無限制的，擁有來自活躍志願者社區的高質量、同行評審的程式碼。 Scikit-image專案於2009年在Google開始，作為Google夏日程式碼計劃的一部分，由Stefan van der Walt及其他Scikit-image貢獻者指導。它的目標是建立一個易於使用、有效且可擴展的Python圖像處理庫，以供學術和工業應用。在這篇文章中，我們將瞭解Scikit-image Python影像庫和來自Iron Software的一個PDF生成庫，名為IronPDF。

入門

要了解Scikit-image，請查看官方網站。此外，Data Carpentry提供了一個使用Scikit在Python中進行圖像處理的精彩課程。

通過pip安裝

確保您已安裝Python（至少3.10版）。

打開您的終端或命令提示符。

更新pip：

python -m pip install -U pip

python -m pip install -U pip

SHELL

通過pip安裝scikit-image：

python -m pip install -U scikit-image

python -m pip install -U scikit-image

SHELL

要存取演示資料集，請使用：

python -m pip install -U scikit-image[data]

python -m pip install -U scikit-image[data]

SHELL

對於額外的科學包，包括並行處理能力：

python -m pip install -U scikit-image[optional]

python -m pip install -U scikit-image[optional]

SHELL

基本範例

import skimage.io
import matplotlib.pyplot as plt

# Load an image from file
image = skimage.io.imread(fname='land.jpg')

# Display the image
plt.imshow(image)
plt.show()

import skimage.io
import matplotlib.pyplot as plt

# Load an image from file
image = skimage.io.imread(fname='land.jpg')

# Display the image
plt.imshow(image)
plt.show()

Python

濾鏡

import skimage as ski

# Load a sample image from the scikit-image default collection
image = ski.data.coins()

# Apply a Sobel filter to detect edges
edges = ski.filters.sobel(image)

# Display the edges
ski.io.imshow(edges)
ski.io.show()

import skimage as ski

# Load a sample image from the scikit-image default collection
image = ski.data.coins()

# Apply a Sobel filter to detect edges
edges = ski.filters.sobel(image)

# Display the edges
ski.io.imshow(edges)
ski.io.show()

Python

Scikit-image，經常縮寫為skimage，是一個強大的Python圖像處理任務庫。它基於NumPy陣列、SciPy和matplotlib構建，提供各種功能和算法來操縱和分析圖像。 skimage.data.coins() 用於從庫中獲取範例圖像。 skimage.filters 提供存取內建過濾器和實用功能。

Scikit-image的主要特點

1. 圖像過濾和邊緣檢測

from skimage import io, filters

# Load an image
image = io.imread('image.jpg')

# Apply Gaussian blur
blurred_image = filters.gaussian(image, sigma=1.0)

# Apply Sobel edge detection
edges = filters.sobel(image)

# Display the original image, blurred image, and edges
io.imshow_collection([image, blurred_image, edges])
io.show()

from skimage import io, filters

# Load an image
image = io.imread('image.jpg')

# Apply Gaussian blur
blurred_image = filters.gaussian(image, sigma=1.0)

# Apply Sobel edge detection
edges = filters.sobel(image)

# Display the original image, blurred image, and edges
io.imshow_collection([image, blurred_image, edges])
io.show()

Python

輸出

scikit-image Python (運作原理：開發人員指南)：圖1 - 圖像過濾和邊緣檢測輸出

2. 用HOG（方向梯度直方圖）進行特徵提取

from skimage import io, color, feature

# Load an example image and convert to grayscale
image = io.imread('image.jpg')
gray_image = color.rgb2gray(image)

# Compute HOG features and visualize them
hog_features, hog_image = feature.hog(gray_image, visualize=True)

# Display the original image and the HOG image
io.imshow_collection([image, gray_image, hog_image])
io.show()

from skimage import io, color, feature

# Load an example image and convert to grayscale
image = io.imread('image.jpg')
gray_image = color.rgb2gray(image)

# Compute HOG features and visualize them
hog_features, hog_image = feature.hog(gray_image, visualize=True)

# Display the original image and the HOG image
io.imshow_collection([image, gray_image, hog_image])
io.show()

Python

輸出

scikit-image Python (運作原理：開發人員指南)：圖2 - 特徵提取輸出

3. 幾何變換 - 調整大小和旋轉

from skimage import io, transform

# Load an image
image = io.imread('image.jpg')

# Resize image by dividing its dimensions by 2
resized_image = transform.resize(image, (image.shape[0] // 2, image.shape[1] // 2))

# Rotate image by 45 degrees
rotated_image = transform.rotate(image, angle=45)

# Display the original image, resized image, and rotated image
io.imshow_collection([image, resized_image, rotated_image])
io.show()

from skimage import io, transform

# Load an image
image = io.imread('image.jpg')

# Resize image by dividing its dimensions by 2
resized_image = transform.resize(image, (image.shape[0] // 2, image.shape[1] // 2))

# Rotate image by 45 degrees
rotated_image = transform.rotate(image, angle=45)

# Display the original image, resized image, and rotated image
io.imshow_collection([image, resized_image, rotated_image])
io.show()

Python

輸出

scikit-image Python (運作原理：開發人員指南)：圖3 - 幾何變換輸出

4. 使用總變異數濾波器進行圖像去噪

from skimage import io, restoration

# Load a noisy image
image = io.imread('image.jpg')

# Apply total variation denoising
denoised_image = restoration.denoise_tv_chambolle(image, weight=0.1)

# Display the noisy image and the denoised image
io.imshow_collection([image, denoised_image])
io.show()

from skimage import io, restoration

# Load a noisy image
image = io.imread('image.jpg')

# Apply total variation denoising
denoised_image = restoration.denoise_tv_chambolle(image, weight=0.1)

# Display the noisy image and the denoised image
io.imshow_collection([image, denoised_image])
io.show()

Python

輸出

scikit-image Python (運作原理：開發人員指南)：圖4 - 圖像去噪輸出

您可以在官方頁面上找到有關圖像處理和NumPy陣列的更多資訊。

介紹IronPDF

scikit-image Python (運作原理：開發人員指南)：圖5 - IronPDF：Python PDF庫

IronPDF是一個強大的Python庫，旨在使用HTML、CSS、圖像和JavaScript處理PDF文件的建立、編輯和簽名。它優先考慮資訊效能，並以最小的記憶體使用量運行。其主要功能包括：

**HTML到PDF轉換：**將HTML文件、HTML字串和URL轉換為PDF文件，利用如使用Chrome PDF渲染器渲染網頁的能力。
**跨平台支持：**與Python 3+在Windows、Mac、Linux和各種雲平台上的相容。 IronPDF 也適用於 .NET、Java、Python 和 Node.js 環境。
**編輯和簽名：**自定義PDF屬性，強制執行如密碼和權限等安全措施，並順利應用數位簽章。
**頁面模板和設置：**建立具有標題、頁尾、頁碼、可調整邊距、自定義紙張尺寸及響應式設計的PDF佈局。
**標準合規：**嚴格遵循如PDF/A和PDF/UA的PDF標準，確保UTF-8字元編碼相容，並熟練管理如圖像、CSS樣式表和字體等資產。

安裝

> pip install ironpdf scikit-image

pip install ironpdf scikit-image

使用IronPDF和Scikit Image生成PDF文件

先決條件

確保已經安裝Visual Studio Code作為程式碼編輯器
已安裝 Python 版本3

首先，讓我們建立一個 Python 文件來新增我們的腳本。

打開Visual Studio Code並建立一個文件，scikitDemo.py。

安裝必要的庫：

> pip install scikit-image ironpdf

pip install scikit-image ironpdf

然後新增以下Python程式碼，以演示IronPDF和scikit-image Python包的用法。

from skimage import io, filters
from ironpdf import * 

# Apply your license key
License.LicenseKey = "YOUR_LICENSE_KEY"

# Load an image
image = io.imread('image.jpg')

# Apply Gaussian blur
blurred_image = filters.gaussian(image, sigma=1.0)

# Apply Sobel edge detection
edges = filters.sobel(image)

# Save the results to a file
io.imshow_collection([image, blurred_image, edges]).savefig('ironPdf-skimage.png')

# Convert the saved image to a PDF document
ImageToPdfConverter.ImageToPdf("ironPdf-skimage.png").SaveAs("ironPdf-skimage.pdf")

# Display the images
io.show()

from skimage import io, filters
from ironpdf import * 

# Apply your license key
License.LicenseKey = "YOUR_LICENSE_KEY"

# Load an image
image = io.imread('image.jpg')

# Apply Gaussian blur
blurred_image = filters.gaussian(image, sigma=1.0)

# Apply Sobel edge detection
edges = filters.sobel(image)

# Save the results to a file
io.imshow_collection([image, blurred_image, edges]).savefig('ironPdf-skimage.png')

# Convert the saved image to a PDF document
ImageToPdfConverter.ImageToPdf("ironPdf-skimage.png").SaveAs("ironPdf-skimage.pdf")

# Display the images
io.show()

Python

程式碼說明

此程式碼片段演示如何使用scikit-image（skimage）和IronPDF一起處理圖像並將結果轉換為PDF文件。這裡是每個部分的說明：

**導入語句：**從scikit-image導入必要的功能用於圖像載入和圖像過濾，並導入IronPDF功能。
**應用授權金鑰：**設置IronPDF的授權金鑰。此步驟是使用IronPDF功能所必需的。
**載入和處理圖像：**使用scikit-image的'image.jpg'的圖像。然後使用filters.sobel對載入的圖像應用Sobel邊緣檢測。
顯示和保存結果： 'ironPdf-skimage.png'。
將圖像轉換為PDF： ImageToPdfConverter.ImageToPdf("ironPdf-skimage.png").SaveAs("ironPdf-skimage.pdf")：使用IronPDF的功能將保存的PNG圖像轉換為PDF文件。
顯示圖像： io.show()：在圖形窗口中顯示圖像。

此程式碼片段結合了scikit-image的圖像處理功能和IronPDF的圖像轉換為PDF文件的功能。它展示了載入圖像、應用高斯模糊和Sobel邊緣檢測、將它們保存為PNG文件、使用IronPDF將PNG轉換為PDF，並顯示處理過的圖像。此整合對於需要以PDF格式處理、分析和紀錄圖像的任務非常有用，例如科學研究、圖像分析報告或自動文件生成工作流程。

輸出

scikit-image Python (運作原理：開發人員指南)：圖6 - 圖像輸入

PDF

scikit-image Python (運作原理：開發人員指南)：圖7 - PDF輸出

IronPDF 授權

IronPDF在Python上運行需要授權金鑰。 IronPDF for Python提供免費試用授權供使用者在購買前檢查其豐富功能。

請將授權金鑰放置在腳本開始處，然後再使用 IronPDF 套件：

from ironpdf import * 
# Apply your license key
License.LicenseKey = "YOUR_LICENSE_KEY"

from ironpdf import * 
# Apply your license key
License.LicenseKey = "YOUR_LICENSE_KEY"

Python

結論

scikit-image使Python開發者能夠高效地處理圖像相關任務。無論您正在從事計算機視覺、醫學影像或藝術專案，這個包都能滿足您的需求。 scikit-image是Python圖像處理中的一個多功能且強大的庫，提供廣泛的功能和算法，用於如過濾、分割、特徵提取和幾何變換等任務。它與其他科學庫的無縫整合使其成為研究人員、開發者和工程師進行圖像分析和計算機視覺應用的首選。

IronPDF是一個Python庫，可促進Python應用中PDF文件的建立、編輯和操作。它提供的功能包括從各種來源如HTML、圖像或現有PDF生成PDF文件。此外，IronPDF支援合併或拆分PDF文件、新增註釋、水印或數位簽章、從PDF中提取文字或圖像，並管理文件屬性如元資料和安全設置。此庫提供了一種程式化處理PDF相關任務的有效方式，使其適用於需要文件生成、報告建立或文件管理功能的應用。

結合這兩個庫，使用者可以處理圖像，將其高效處理，並將結果以PDF文件形式儲存以供存檔。