Flask上传图片需用file.read()读取二进制数据，PIL用BytesIO(data)加载，OpenCV用np.frombuffer(data, np.uint8)转数组后cv2.imdecode；处理后返回前须output_buffer.seek(0)并指定mimetype。
Flask 接收上传图片时，request.files 拿到的是流，不能直接传给 cv2.imread 或 PIL.Image.open
OpenCV 和 Pillow 都不接受文件上传的 FileStorage 对象，直接传会报错：TypeError: Expected str, bytes or os.PathLike object, not FileStorage。必须先读取内容，再用内存方式加载。
- 用
file.read()读取二进制数据，然后用io.BytesIO包装成类文件对象 - Pillow：传给
PIL.Image.open(BytesIO(data)) - OpenCV：用
np.frombuffer(data, np.uint8)转为 numpy 数组，再用cv2.imdecode - 别忘了加
file.seek(0)—— 如果你之前调过file.filename或其他属性，内部指针可能已偏移，导致读出来空
用 Pillow 做缩放/裁剪/转格式，要注意 save 的 io.BytesIO 必须 seek(0) 才能返回给前端
Flask 返回图片要用 send_file 或直接构造 Response，但 BytesIO 写完后指针在末尾，不重置就啥也读不到，浏览器收到空响应或损坏图片。
- 缩放示例：
img.resize((w, h), PIL.Image.LANCZOS)，注意LANCZOS比默认的NEAREST更清晰 - 保存前务必调
output_buffer.seek(0)，否则send_file(output_buffer, ...)返回空白 - 指定
mimetype，比如"image/jpeg"，否则浏览器可能无法识别（尤其.webp） - 如果用户上传了
.png但你要转.jpeg，记得img = img.convert("RGB")，否则save(..., "JPEG")会报ValueError: could not save color palette
用 OpenCV 处理完图像后，cv2.imencode 返回的是 tuple，不是 bytes
cv2.imencode(".jpg", img) 返回的是 (True, ndarray)，其中 ndarray 是 uint8 类型的一维数组，不是原生 bytes。直接丢给 BytesIO 会出错。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 正确做法：
success, encoded_img = cv2.imencode(".jpg", img)，然后用encoded_img.tobytes()获取字节 - 别漏掉
success判断，编码失败（如传入空图、通道数异常）时返回False，不检查会导致后续tobytes()报错 - OpenCV 默认 BGR，Pillow 默认 RGB —— 如果混用（比如用 CV 读 + Pillow 显示），颜色会发紫；统一用
cv2.cvtColor(img, cv2.COLOR_BGR2RGB)转下 - WebP 支持有限：
cv2.imencode(".webp", img, [cv2.IMWRITE_WEBP_QUALITY, 95])可以，但老版本 OpenCV 不支持，建议 Pillow 处理 WebP 更稳
部署时常见崩溃点：多线程下 cv2 的全局状态和 Pillow 的字体缓存
Flask 默认多线程（threaded=True），而 cv2 的某些函数（如 cv2.putText）内部有共享字体资源，高并发时可能 segfault；Pillow 的 ImageFont.truetype 缓存也非线程安全。
立即学习“Python免费学习笔记（深入）”；
- 避免在请求中动态加载字体：
ImageFont.truetype("simhei.ttf", 16)放在模块顶层，复用对象 - OpenCV 文字绘制尽量用
cv2.FONT_HERSHEY_SIMPLEX等内置字体，避开putText的 freetype 分支 - 生产环境别用 Flask 自带 server（
app.run()），改用 Gunicorn +--threads 1或--worker-class sync，避免多线程触发 CV 底层冲突 - 如果必须并发处理图像，优先选 Pillow —— 它的纯 Python 实现更可控，OpenCV 更适合单次批量或离线任务
