Python调用百度API实现图像清晰度增强
1. 作者介绍
杨春晖，男，西安工程大学电子信息学院，2025级研究生
研究方向：车联网信道估计
电子邮件：270265752@qq.com
2. 项目简介
本项目使用 Python 调用百度智能云“图像清晰度增强”API，实现对本地图片的自动增强处理。
与自行搭建和训练图像增强模型相比，调用云端 API 的方式更加简单。开发者只需要准备图片和接口密钥，通过 Python 程序向百度智能云发送请求，即可获得处理后的图片结果。
2.1 项目功能
图像清晰度增强主要用于改善图片的边缘、纹理和整体清楚程度。对于轻度模糊、图片压缩、截图画质下降等情况，通常可以获得较为明显的视觉改善。
本项目可以应用于动画截图优化、交通场景图片增强、老照片改善和文档图片预处理等场景。
需要说明的是，图像清晰度增强并不能恢复已经完全丢失的信息。如果原图存在严重失焦、分辨率过低或大面积遮挡，最终效果可能比较有限。
2.2 实现流程
本项目采用“本地程序调用云端 AI 服务”的方式完成图像增强。Python 程序负责读取图片、发送请求和保存结果，具体的图像增强处理由百度智能云完成。
整体流程如下：
- 读取本地图片：获取需要处理的图像文件；
- Base64 编码：将图片的二进制数据转换为便于网络传输的文本格式；
- 获取 access_token：使用 API Key 和 Secret Key完成身份认证；
- 调用增强接口：通过 HTTP POST 请求将图片发送给百度智能云；
- 解析返回结果：获取接口返回的增强图片数据；
- 保存处理结果：将 Base64 数据解码并保存为本地图片；
- 生成对比图：将原图和增强图并排展示，方便观察处理效果。
3. 环境配置与服务准备
在运行程序之前，需要先配置Python环境、安装相关依赖，并在百度智能云中开通图像增强服务。
本文使用Windows系统进行测试，推荐使用Anaconda管理Python环境。若电脑中已经存在可用的Python环境，也可以直接使用，无需重复创建。
3.1 Python依赖安装
pip install requests pillow matplotlib
3.2 百度智能云服务开通
本项目调用的是百度智能云“图像增强与特效”服务中的图像清晰度增强接口。
使用前，需要先登录百度智能云控制台，并完成以下操作：
1.登录百度智能云账号；
2.进入“图像增强与特效”服务；
3.完成实名认证；
4.创建一个新的应用；
5.为应用开通图像清晰度增强接口权限；
6.获取API Key和Secret Key；
7.查看当前接口的可用资源和调用次数。
应用创建成功后，平台会生成以下信息：
AppID
API Key
Secret Key
3.3 项目目录结构
完整项目代码下载：夸克网盘分享
项目文件目录
4. 代码实现
本项目的主程序为 baidu_image_enhance.py。程序主要完成身份认证、图片编码、接口调用、结果保存和对比图生成等操作。
4.1 关键代码解析
1. 配置接口密钥与图片路径
API_KEY = ""
SECRET_KEY = ""
INPUT_IMAGE = "input/test.jpg"
OUTPUT_DIR = "output"
API_KEY 和 SECRET_KEY 是调用百度智能云接口所需的身份凭证，需要替换为自己在百度智能云控制台中获取的密钥。
2. 获取 access_token
def get_access_token(api_key, secret_key):
params = {
"grant_type": "client_credentials",
"client_id": api_key,
"client_secret": secret_key
}
response = requests.post(TOKEN_URL, params=params)
result = response.json()
return result["access_token"]
程序使用 API Key 和 Secret Key 向百度智能云认证服务器发送请求，获取 access_token。
3. 图片编码与接口调用
def image_to_base64(image_path):
with open(image_path, "rb") as file:
return base64.b64encode(file.read()).decode("utf-8")
程序首先将本地图片转换为 Base64 字符串，使图片数据能够通过网络请求发送给百度智能云。
随后，通过 HTTP POST 请求调用图像清晰度增强接口：
response = requests.post(
url,
data={"image": image_base64}
)
百度云端完成处理后，会返回增强图片的数据。
4. 保存增强图片与生成对比图
程序将接口返回的 Base64 数据解码并保存为图片文件：
image_data = base64.b64decode(image_base64)
with open(save_path, "wb") as file:
file.write(image_data)
保存增强图片后，程序使用 matplotlib 将原图和增强图左右排列，自动生成对比结果。
4.2 完整代码
下面给出项目主程序 baidu_image_enhance.py 的完整代码。
import base64
from pathlib import Path
import requests
import matplotlib.pyplot as plt
from PIL import Image
# 1. 基本信息
STUDENT_NAME = "你的姓名"
STUDENT_ID = "你的学号"
API_KEY = ""
SECRET_KEY = ""
# 2. 文件路径
ROOT = Path(__file__).resolve().parent
INPUT_PATH = ROOT / "input" / "test.jpg"
OUTPUT_DIR = ROOT / "output"
ENHANCED_PATH = OUTPUT_DIR / "test_enhanced.jpg"
COMPARE_PATH = OUTPUT_DIR / "test_compare.png"
# 3. 百度智能云接口地址
TOKEN_URL = "https://aip.baidubce.com/oauth/2.0/token"
ENHANCE_URL = (
"https://aip.baidubce.com/"
"rest/2.0/image-process/v1/image_definition_enhance"
)
# 4. 获取access_token
def get_access_token(api_key, secret_key):
params = {
"grant_type": "client_credentials",
"client_id": api_key,
"client_secret": secret_key
}
response = requests.post(
TOKEN_URL,
params=params,
timeout=20
)
response.raise_for_status()
result = response.json()
if "access_token" not in result:
raise RuntimeError(
f"获取access_token失败：{result}"
)
return result["access_token"]
# 5. 图片转换为Base64
def image_to_base64(image_path):
with open(image_path, "rb") as file:
image_data = file.read()
return base64.b64encode(
image_data
).decode("utf-8")
# 6. 调用图像清晰度增强API
def enhance_image(access_token, image_base64):
url = (
f"{ENHANCE_URL}"
f"?access_token={access_token}"
)
headers = {
"Content-Type":
"application/x-www-form-urlencoded"
}
response = requests.post(
url,
headers=headers,
data={"image": image_base64},
timeout=60
)
response.raise_for_status()
result = response.json()
if "error_code" in result:
raise RuntimeError(
f"图像增强接口调用失败：{result}"
)
image_result = (
result.get("image")
or result.get("result")
)
if not image_result:
raise RuntimeError(
f"接口未返回图片数据：{result}"
)
return image_result
# 7. 保存Base64图片
def save_base64_image(image_base64, save_path):
image_data = base64.b64decode(
image_base64
)
with open(save_path, "wb") as file:
file.write(image_data)
# 8. 生成原图与增强图对比结果
def save_comparison(
original_path,
enhanced_path,
save_path
):
original_image = Image.open(
original_path
).convert("RGB")
enhanced_image = Image.open(
enhanced_path
).convert("RGB")
plt.figure(figsize=(14, 6))
plt.subplot(1, 2, 1)
plt.imshow(original_image)
plt.title("Original Image")
plt.axis("off")
plt.subplot(1, 2, 2)
plt.imshow(enhanced_image)
plt.title("Enhanced Image")
plt.axis("off")
plt.suptitle(
"Baidu API Image Definition Enhancement",
fontsize=18
)
plt.tight_layout()
plt.savefig(
save_path,
dpi=200,
bbox_inches="tight"
)
plt.close()
# 9. 主程序
def main():
print("=" * 60)
print(f"姓名：{STUDENT_NAME}")
print(f"学号：{STUDENT_ID}")
print("项目：Python调用百度API实现图像清晰度增强")
print("=" * 60)
OUTPUT_DIR.mkdir(
parents=True,
exist_ok=True
)
if not INPUT_PATH.exists():
raise FileNotFoundError(
f"输入图片不存在：{INPUT_PATH}"
)
if not API_KEY or not SECRET_KEY:
raise ValueError(
"请先填写API_KEY和SECRET_KEY"
)
print("1. 正在获取access_token")
access_token = get_access_token(
API_KEY,
SECRET_KEY
)
print(" access_token获取成功")
print("2. 正在读取输入图片")
image_base64 = image_to_base64(
INPUT_PATH
)
print(" 图片读取成功")
print("3. 正在调用图像清晰度增强API")
enhanced_base64 = enhance_image(
access_token,
image_base64
)
print(" 图像增强完成")
print("4. 正在保存增强图片")
save_base64_image(
enhanced_base64,
ENHANCED_PATH
)
print(
f" 增强图片已保存：{ENHANCED_PATH}"
)
print("5. 正在生成对比图")
save_comparison(
INPUT_PATH,
ENHANCED_PATH,
COMPARE_PATH
)
print(
f" 对比图已保存：{COMPARE_PATH}"
)
print("=" * 60)
print("程序运行完成")
print("=" * 60)
if __name__ == "__main__":
main()5. 运行结果与问题总结
5.1 运行结果展示
1. 动画插画图像
增强后，图像线条和角色轮廓更加清楚，色块边缘更加自然，适合动画截图优化和壁纸制作。
2. 交通场景图像
增强后，道路标线、车辆边缘和建筑轮廓更加清楚，适合交通场景优化，但对严重失焦或细节丢失的图片改善有限。
3.影视截图增强
增强后，西瓜纹理、人物轮廓和街道边缘更加清楚，画面整体观感有所提升。虽然不能凭空补出细节，但至少这次看起来更“保熟”了。
5.2 常见问题与解决方法
1. 输入图片不存在
常见报错：
FileNotFoundError: 输入图片不存在：input/test.jpg
解决方法：
检查图片是否放在 input 文件夹中，并确认图片名称为 test.jpg。
2. access_token 获取失败
可能原因包括：
1.API Key或Secret Key填写错误；
2.密钥前后存在多余空格；
3.百度智能云应用未开通图像清晰度增强权限。
建议重新检查控制台中的密钥和服务权限。
3. 增强效果不明显
如果原图本身已经比较清晰，前后变化可能较小；如果原图严重模糊，接口也无法完全恢复已经丢失的细节。
建议选择轻度模糊、边缘清楚、纹理信息较丰富的图片进行测试。
更多推荐
6
0- 0
已为社区贡献4条内容
所有评论(0)