最近在做百度OCR图片文字识别时，因为免费版OCR接口调用次数有限，就想把多张图片合并成一张进行文字识别。这就需要在代码中进行图片合并操作，在查找图片批量合并方案时，看到了linux的convert命令，可以将多张图片合并，且使用特别方便，纪录一下convert是如何使用的。

convert命令属于ImageMagick工具包，具有图片创建、编辑，转换图像格式，以及调整图像大小、模糊、裁切、除去杂点、抖动 、绘图、翻转、合并、重新采样等功能。

要想使用covert命令，首先要安装ImageMagick包。

ImageMagick包介绍

  1.                                          ![image.png](https://cdn.nlark.com/yuque/0/2020/png/491128/1589206958083-7ca11041-378f-4c78-9b7a-2dd72c5cd464.png#align=left&display=inline&height=320&margin=%5Bobject%20Object%5D&name=image.png&originHeight=352&originWidth=265&size=110512&status=done&style=shadow&width=241)

ImageMagick是一款创建、编辑、合成，转换图像的命令行工具，支持格式超过 200 种，包括常见的 PNG, JPEG, GIF, HEIC, TIFF, DPX, EXR, WebP, Postscript, PDF, SVG 等。功能包括调整大小，翻转，镜像，旋转，扭曲，修剪和变换图像，调整图像颜色，应用各种特殊效果，或绘制文本，线条，多边形，椭圆和贝塞尔曲线等。对于图片的处理，ImageMagick基本可以实现任何常用操作。

官网：https://imagemagick.org/
中文镜像站： http://www.imagemagick.com.cn/index.html

安装

ImageMagick支持Linux, Windows, Mac OS X, iOS, Android OS 等平台。
安装参考文档地址：https://www.imagemagick.org/script/download.php

我以mac为例，安装方式如下：

brew install imagemagick

安装ImageMagick工具包后，即可使用其工具命令。

基本命令

ImageMagick 包括一组命令行工具来操作图片，安装好 ImageMagick 后，终端就可以使用如下命令了。

magick: 创建、编辑图像，转换图像格式，以及调整图像大小、模糊、裁切、除去杂点、抖动 ( dither )、绘图、 翻转、合并、重新采样等。

convert: 等同于 magick 命令。

identify: 输出一个或多个图像文件的格式和特征信息，如分辨率、大小、尺寸、色彩空间等。

mogrify: 与 magick 功能一样，不过不需要指定输出文件，自动覆盖原始图像文件。

composite: 将一个图片或多个图片组合成新图片。

montage: 组合多个独立的图像来创建合成图像。每个图像都可以用边框，透明度等特性进行装饰。

compare: 从数学和视觉角度比较源图像与重建图像之间的差异。

display: 在任何 X server 上显示一个图像或图像序列。

animate: 在任何 X server 上显示图像序列。

import: 保存 X server 上的任何可见窗口并把它作为图像文件输出。可以捕捉单个窗口，整个屏幕或屏幕的任意 矩形部分。

conjure: 解释并执行 MSL ( Magick Scripting Language ) 写的脚本。

stream: 一个轻量级工具，用于将图像或部分图像的一个或多个像素组件流式传输到存储设备。在处理大图像或 原始像素组件时很有用。

各个命令具体介绍，参考地址： https://imagemagick.org/script/command-line-tools.php

命令使用格式

基本命令的使用，遵循 Unix 风格的标准格式：

command [options] input_image output_image

比如我们将一张宽高 300x300 的图片 goods.png 转换成 200x200 的goods.jpg，可以这样用

convert -resize 200x200 goods.png goods.jpg

-resize 定义图片尺寸，ImageMagick 所有的选项参数都在这个【命令行选项手册】。

图片合并实例

接下来介绍我在OCR文字识别中将多张图片合并一张方法，代码合并使用convert命令，如我有图片1.jpg、2.jpg、3.jpg，我想将这三张图片合并成1张并命名为a.jpg,命令如下：

convert -append 1.jpg 2.jpg 3.jpg a.jpg

Python代码：

import os

imgDir = ''

pathDir = sorted(filter(is_img, os.listdir(imgDir)))

 # 通过拼接convert命令，进行图片合并
tmp = 0
shell = 'convert -append '
for imgName in pathDir:
    tmp = tmp + 1
    # 每20张图片合并成一张
    if tmp % 20 == 0: 
        # 将合并后图片放到图片目录下的convert_img子目录
        shell = shell + ' ' + imgDir + 'convert_img/' + imgName
        # 执行convert命令
        os.system(shell)
        shell = 'convert -append '
    shell = shell + imgDir + imgName + ' '
# 图片遍历完成后将最后的图片合并
shell = shell + ' ' + imgDir + 'convert_img/' + imgName
os.system(shell)

使用上面方法就可以将多张图片合并成1张，再去识别这一张图片就可以省很多借口调用量了。但要注意若合并的图片太多，会导致识别失败；要根据原图片情况选择合适的图片合并量；若原图片只有固定的一部分有文字，还可以先把图片上有文字的部分裁剪下来再合并。

对于ImageMagick，不光可以用执行系统命令的形式，各常用语言都有封装好的包，可以直接使用。
各语言包参考地址： https://imagemagick.org/script/develop.php

其他实际案例

1、生成缩略图和裁剪图片

需求：将一张宽高为 900x600 的图片 goods.jpg 生成宽高为 150x100 的缩略图 thumbnail.jpg

convert -resize 150x100 -quality 70 -strip goods.jpg thumbnail.jpg

解释：

  • -resize 150x100：定义输出的缩略图尺寸为 150x100。
  • -quality 70：降低缩略图的质量为 70，取值范围 1 ( 最低图像质量和最高压缩率 ) 到 100 ( 最高图像质量和最低压缩率 )，默认值根据输出格式有 75、92、100，选项适用于 JPEG / MIFF / PNG。
  • -strip：让缩略图移除图片内嵌的所有配置文件，注释等信息，以减小文件大小。

    -resize 延伸解读，如下。

上面的例子中，输入的图片和输出的图片比例是一致的，所以不会有特殊情况出现，但是遇到比例不同的时候，上面的写法并不会得到 150x100 的图像，而是会根据图像的宽高比例，取最大值，得出来的结果可能是 150 宽和更小的高，或者 100 高和更小的宽；所以 IamgeMagick 提供了几种符号来定义缩放。

convert -resize '150x100!' goods.jpg thumbnail.jpg
convert -resize '150x100>' goods.jpg thumbnail.jpg
convert -resize '150x100<' goods.jpg thumbnail.jpg

!：不管图片宽高如何，都缩放成 150x100 这样的尺寸。
>：只有宽高均大于 150x100 的图片才缩放成该尺寸 ( 按比例取最大值 )，小于的图片不做处理。
<：与 > 功能相反。
提示：因为有些字符是 Linux shell 或其他系统的特殊字符，所以需要用引号包裹起来或者用反斜线 \ 转义，另外，不同平台可能引号都是有差异的。

自定义裁剪图片：**

convert -crop MxN+a+b src.jpg dst.jpg

从原始图片中剪切出 M x N 尺寸（宽为M，高为N）的图片，+a+b 表示以左上角为坐标原点，向右和下方向分别为X轴Y轴的点 (a,b) 位置开始。你也可以使用 -a-b 以右下角为坐标原点，左和上为XY轴的坐标系。

2、添加水印

需求 ① ：给图片居中加上透明文本水印。

convert  -draw 'text 0,0 "JD.COM"'  -fill 'rgba(221, 34, 17, 0.25)'  -pointsize 36  \
-font 'cochin.ttc'  -gravity center  joy.jpg  watermark.jpg

解释：

  • -draw：绘图选项，text 声明绘制文本， 0,0 声明文本距离图片左上角的偏移值， JD.COM 声明绘制的文本，最好用引号包裹起来，避免输入特殊字符引起错误。绘制文本的格式为 text x,y string，当然还可以绘制其他类型，诸如圆 ( circle )、折线 ( polyline )。
  • -fill：对文本填充颜色，貌似 ImageMagick 命令中前面的选项是用来控制后面的选项的，所以应该把这样的修饰选项放到 -draw 前面比较好，很重要，后面的案例就是这样的。
  • -pointsize：指定文本的字体大小。
  • -font：指定字体。
  • -gravity：设置文本在图片里的排列方式 ( 类似 CSS 里的 align-items + justify-content )，center 表示水平垂直都居中，其他值还可以是：NorthWest, North, NorthEast, West, East, SouthWest, South, SouthEast，不记大小写。
  • \：反斜线也是类 Unix 系统的续行字符，当一个命令很长时，我们可以把它写成多行，以便视觉上的美观和直观。

需求 ② ：给图片加上倾斜平铺透明文本水印。

convert  -size 100x100  xc:none  \
-fill '#d90f02'  -pointsize 18  -font 'cochin.ttc'  \
-gravity center  -draw 'rotate -45 text 0,0 "JD.COM"'  \
-resize 60%  miff:-  |  composite  -tile  -dissolve 25  -  joy.jpg  watermark.jpg

解释：文本平铺水印其实是将文本画成一张 png 图片，然后用这张透明图片在目标图片上进行平铺。

  • -size：设置画布的大小。
  • xc:：全称 X Constant Image，是 canvas: 的别名，定义一张画布，用来绘图，常用格式为 xc:color，none 或者 transparent 设置画布为透明底，默认为白色。
  • -resize：该选项还可以指定百分比，意为缩放至原图像的百分之几。貌似 -pointsize 小于 14 后，-draw 里的 rotate 会不生效，所以用 -resize 来把平铺图案变得更小。
  • miff:-：
    • miff: 声明输出 ImageMagick ( IM ) 自己的图像文件格式：MIFF，主要用途是以复杂的方式处理图像时当做中间保存格式，适用于从一个 IM 命令向另一个 IM 命令传递图像元数据和其他关联属性。
      • 在管道符前面意为将 IM 命令执行的结果作为标准输出，在管道符后面则表示从标准输入中读取这个数据，如在管道符后面的 composite 中使用 - 读取刚刚生成的透明图像。
  • |：Linux shell 管道符，用于将上一个命令的标准输出传递到下一个命令作为标准输入。这里将生成的水印图案传递给 composite 命令。
  • -tile：顾名思义，让图案平铺。
  • -dissolve：设置平铺图案的透明度。

图释：
.图片处理命令行工具ImageMagick介绍 - 图1

3、绘制验证码

大概逻辑如下：

  1. 随机生成 4 个英文字母或数字。
  2. 创建一个宽高 100x40 的画布。
  3. 设置字体大小为 16，每个字符的宽高也就是 16 左右了，依次计算出每个字符的 x, y 坐标，再增加一丁点旋转。
  4. 随机创建一条透明曲线，加上噪点，增加图片被破解的难度（在保证肉眼能看得清楚的用户体验下）。
  5. 如果需要安全性更高的验证码，请了解验证码破解原理并做合理调整。

如果加上随机计算，可能代码会比较多，所以这里写成固定值，方便理解。

convert  'xc:[100x40!]'  -pointsize 20  -font 'cochin.ttc'  \
-gravity NorthWest  -strokewidth 1  \
-fill '#b72b36'  -stroke '#b72b36'  -draw 'translate 13,19  rotate 10  text -5,-8 "5"'  \
-fill '#821d70'  -stroke '#821d70'  -draw 'translate 36,13  rotate -8  text -8,-8 "C"'  \
-fill '#c7960a'  -stroke '#c7960a'  -draw 'translate 60,23  rotate 5   text -5,-8 "2"'  \
-fill '#03610a'  -stroke '#03610a'  -draw 'translate 85,25  rotate 13  text -8,-8 "E"'  \
-strokewidth 2  -stroke 'rgba(248, 100, 30, 0.5)'  -fill 'rgba(0, 0, 0, 0)'  \
-draw 'bezier  -20,30  -16,10  20,2    50,20'  \
-draw 'bezier  50,20   78,42   138,36  140,16'  \
+noise Impulse  \
captcha.jpg

结果：
.图片处理命令行工具ImageMagick介绍 - 图2
鉴于字体比较细，可以用 strokewidth 加边框来加粗，或者使用字体的粗体版本，这里使用了第一种方式。
解释：

  • xc:[100x40!]：设置画布大小的一种简写方式，方括号里写入画布宽高，注意要加 !，否则会出乎意料哟。
  • 文本定位与旋转
    1. 画布宽 100px，平均分成 4 分，每份 25px, 文字宽 16px, 得文字 x 的坐标左右摆动范围为 +0px, +9px，y 坐标同理，用于设置 translate 值。
    2. 实际上字体本身并没有填充满整个 16x16 的区域，根据字体的不同，填满的区域可能各有不同，所以根据cochin 字体的特性，上面稍微将字体大小调整为 20，实际渲染出来的字母才是 16x16 左右大小，数字大概是 10x16，所以设置数字的 x,y 为 -5,-8，结合下面两个属性解释 x,y 的计算方式。
    3. translate: 设置文本的横纵向偏移值。
    4. rotate：设置文本旋转，单位 degrees。根据 gravity 的设置坐标系统有一丁点变化，所以请设置为 西北(NorthWest) ，表示以画布 0,0 坐标旋转，跟 HTML 5 Canvas 坐标系统一致。
    5. 根据这样的坐标系统，如果要文字按自身的中心旋转，得配合 translate 和 text 的 x,y 一起使用，原理可参考这篇文章[图像旋转的实现]，注意 translate 与 rotate 的顺序。
  • strokewidth：设置文本的边框宽度或线条宽度。
  • stroke：设置文本的边框颜色或线条颜色。
  • -fill ‘rgba(0, 0, 0, 0)’：上面设置了文本的填充颜色，会影响下面的贝塞尔曲线，所以这里指定一个透明的填充色以覆盖上面的设定，使曲线没有填充。
  • bezier：绘制贝塞尔曲线，一两句话我怕解释不清楚，所以请大家参考一下维基百科的解释或者这篇中文文章的解释，最后再参考一下 IM 官方示例的描述。上面两条三次贝塞尔曲线的坐标分别表示 起始点，起始点的控制点，结束点的控制点，结束点。
  • +noise：增加噪点，可以使用 convert -list noise 查看当前系统支持哪些算法的噪点，大概有 Gaussian, Impulse, Laplacian, Multiplicative, Poisson, Random, Uniform。

    4、克隆及拼合图像

    convert  \
\(  -crop 300x300+10+25  joy.jpg  \)  \
\(  -resize 400x400  -crop 300x300+50+0  logo:  \)  -swap 0,1  +append  \
\(  -clone 0  -flop  -flip  \)  -append  \
-resize 200x200  combined.jpg

结果如下：
.图片处理命令行工具ImageMagick介绍 - 图3
解释：

  • 圆括号 ( … )：图像堆栈 ( image stack )，相当于创建了一个独立作用域处理图像，这个可以使图像之前的处理互不干扰。圆括号需用反斜杠转义，才能不被 Shell 当做特殊字符处理，并且每个圆括号两边需要用空格隔开。不必要的圆括号会使 IM 增加少许额外的工作，但是却让命令更清晰不容易出错。
  • -crop：裁剪出图像的一个或多个矩形区域，格式为 {size}{+-}x{+-}y，如果不指定偏移值 x,y，则会被解释为按指定宽高切割图像成多少份（多图像）。
  • logo:：IM 内置图像，这个就是上图中拿着魔法棒的主人公了，本身宽高 640x480，其他内置图像还有：rose:，granite:等，看这里。
  • -swap：
    1. 交换图像的位置，格式 -swap index,index。
    2. IM 在图像处理操作时，实际上很可能是在处理一个图像列表，当新图像被读入或者创建时，IM 会将该新图像添加到当前图像列表的末尾。
    3. 如上，本来我们的图像列表里有 2 张图，第一张是 joy，但是 -swap 0,1 的意思是交换第一张图与第二张图的位置，所以 joy 变成跑到后面了。
  • +append：水平连接当前图像列表的图像来创建单个较长的图像。
  • -append：垂直连接当前图像列表的图像来创建单个较长的图像。
  • -clone：克隆图像，格式为-clone {index_range_list}。
    • -clone 0：表示克隆图像列表里的第一张图像。
    • -clone 1-2：表示克隆图像列表里的第二张到第三张图像。
    • -clone 0—1：0 表示第一张图像，-1 表示最后一张图像，所以整句命令则表示克隆整个图像列表。
    • -clone 2,0,1：表示克隆第三张，第一张，第二张图像，顺序根据指定的索引决定，用逗号分隔。
  • -flop：将图像水平翻转。
  • -flip：将图像垂直翻转。

笔记：

  1. 选项之间的顺序很重要。
  2. 与 -clone 雷同的选项还有诸如：-delete, -insert, -reverse, -duplicate，用于操作图像列表，功能与单词意思相同。

    5、GIF 与图片互转

5.1、GIF 转图片

convert  -coalesce  rain.gif  frame.jpg

-coalesce：根据图像 -dispose 元数据的设置覆盖图像序列中的每个图像，以重现动画序列中每个点的动画.
也就是加-coalesce参数每张图片和gif中肉眼看到的一致，不加该参数图片会失真。

5.2、定义输出文件名

上面默认输出的文件名为：frame-0.jpg, frame-1.jpg, frame-2.jpg …，
如果想使用下划线作为符号，输出为 frame_0.jpg, frame_1.jpg, frame_2.jpg …，则可以如下设置。

convert  -coalesce  rain.gif  frame_%d.jpg

或者

convert  -coalesce  -set filename:n '%p'  rain.gif  'frame_%[filename:n].jpg'

解释：

  1. 第一种方式 %d 是 C 语言 printf() 中表示输出一个整数，参考 -adjoin 选项。
  2. 第二种为常规方式。
    • -set：设置图像属性，格式为 -set key value
    • filename:n ‘%p’：以 filename: 开头的 key 用于设置输出文件名的相关信息，如这里使用 filename:n，在输出文件名时，则可以使用 %[filename:n] 拿到刚刚的设置，而设置的内容则是 ‘%p’。’%p’ 表示图像在图像列表中的索引值，更多百分比选项 ( Percent Escapes ) 参考。

5.3、解析特定帧

如果只想拿到 GIF 的第一帧，可以这样设置。

convert  -coalesce  'rain.gif[0]'  first_frame.jpg

拿到某些帧，如同 -clone 的写法。

convert  -coalesce  'rain.gif[0-2]'  some_frames_%d.jpg

5.4、获取页数

通过 identify 命令我们可以简要得到文件的信息，如下。

identify  rain.gif

image.png
通过identify，将结果用换行符分割，可以得到gif的图片页数。
对于pdf,同样可以使用该命令。

5.5、图片转 GIF

convert  -loop 0  'frame-*.jpg'  rain_animation.gif

将所有与 frame-*.jpg 模式匹配的图像转换成一张 GIF 图像，如 frame-0.jpg，frame-1.jpg等。
-loop 设置动画循环次数，0 表示无限循环。
设置每张图像的播放速度可以使用 -delay 选项。
笔记： 在 IM 读取系列文件时，frame-10.jpg 会排在 frame-2.jpg 前面，为获得图像正确的读取顺序，可以为文件名设置前导零 ( leading zeros )。如：frame-000.jpg, frame-001.jpg, frame-002.jpg … frame-010.jpg。
所以在生成图像时，我们可以使用 %03d 获得三位前导零。

convert  -coalesce  rain.gif  frame-%03d.jpg

6、PDF 与图片互转

PDF 与图片互转跟 GIF 很相似，稍微有些格式自身需要注意的区别。
ImageMagick本身是不具备解析 PDF 的功能的，需要依赖专门解析这种格式的外部程序，如官方指明的 ghostscript 解析程序。
首先安装 gs，还是演示 Mac OS 安装：

brew install ghostscript

把pdf转换成图片，有两种方式能达到我们想要的结果:

① convert  -density 150  -flatten  'download.pdf[0]'  first_page.jpg

② convert  -density 150  -background white  -alpha remove  download.pdf  download.jpg

解释：

  1. 当转换 PDF 成 JPG 格式图像时，某些情况得到的 JPG 图片会出现黑色背景（转换成 PNG 不会），所以可以使用 -flatten 选项让其保持白色背景，但加上这个选项，多页 PDF 不会分成多个 JPG 图像，第二种方式 -background white -alpha remove 则可以一次命令转换多页 PDF 成多个图像并保持白色背景。
  2. 第二种方式 IM 内部应该是一页一页的转换，所以一个 10 页的 PDF 耗时会比较久，采用第一种方式让 Node.js 多进程同时转换该 PDF 可以提升速率。
  3. -density：指定输出图像的分辨率 ( DPI )，在 Mac OS 上，默认的分辨率 ( 72 ) 输出的图像字迹不清，需要更高分辨率获得清晰的图像。

参考文档：

图像处理 - ImageMagick 简单介绍与案例 https://aotu.io/notes/2018/06/06/ImageMagick_intro/

convert 命令剪切合并图片 https://upliu.net/convert-crop-composite-image.html

ImageMagick 中文站 http://www.imagemagick.com.cn/index.html