参考Pillow

简介

​ PIL（ Python Imaging Library）是 Python 的第三方图像处理库，由于其功能丰富，API 简洁易用，因此深受好评。

​ 自 2011 年以来，由于 PIL 库更新缓慢，目前仅支持 Python 2.7 版本，这明显无法满足 Python3 版本的使用需求。于是一群 Python 社区的志愿者（主要贡献者：Alex Clark 和 Contributors）在 PIL 库的基础上开发了一个支持 Python3 版本的图像处理库，它就是 Pillow。

​ Pillow 不仅是 PIL 库的“复制版”，而且它又在 PIL 库的基础上增加了许多新的特性。Pillow 发展至今，已经成为了比 PIL 更具活力的图像处理库。

Pillow 的初衷只是想作为 PIL 库的分支和补充，如今它已是“青出于蓝而胜于蓝”。

​ Pillow 是 Python 中较为基础的图像处理库，主要用于图像的基本处理，比如裁剪图像、调整图像大小和图像颜色处理等。与 Pillow 相比，OpenCV 和 Scikit-image 的功能更为丰富，所以使用起来也更为复杂，主要应用于机器视觉、图像分析等领域，比如众所周知的“人脸识别”应用。

​ Pillow库特点.Pillow 库作为图像处理的常用库，主要有以下三大特点：

  • 支持广泛的文件格式：Pillow 支持广泛的图像格式，比如 “jpeg”，”png”，”bmp”，”gif”，”ppm”，”tiff” 等。同时，它也支持图像格式之间的相互转换。总之， Pillow 几乎能够处理任何格式的图像。
  • 提供丰富的功能：Pillow 提供了丰富的图像处理功能，可概括为两个方面：图像归档，图像处理
  • 配合GUI工具使用：Pillow 库可以配合 Python GUI（图形用户界面）工具 Tkinter 一起使用

​ 除上述特点之外，Pillow 库还能实现一些较为复杂的图像处理操作，比如给图像添加水印、合成 GIF 动态效果图等等。

​ 下载与安装

注意，PIL 库与 Pillow 库不允许在同一环境中共存，如果您之前安装了 PIL 库，请卸载后，再安装 Pillow。

pip install pillow
from PIL import Image # 导入Image类，该类是pillow中用于图像处理的重要类

打开、保存、显示图片

from PIL import Image

image = Image.open('2092.jpg')
image.show()
image.save('1.jpg')
print(image.mode, image.size, image.format)
# RGB (481, 321) JPEG
  • mode 属性为图片的模式，RGB 代表彩色图像，L 代表光照图像也即灰度图像等
  • size 属性为图片的大小(宽度，长度)
  • format 属性为图片的格式，如常见的 PNG、JPEG 等

转换图片模式

image.show()
grey_image = image.convert('L')
grey_image.show()

​ 任何支持的图片模式都可以直接转为彩色模式或者灰度模式，但是，若是想转化为其他模式，则需要借助一个中间模式（通常是彩色）来进行过转

通道分离与合并

r, g, b = image.split()
im = Image.merge('RGB', (b, g, r))

​ 彩色图像可以分离出 R、G、B 通道，但若是灰度图像，则返回灰度图像本身。然后，可以将 R、G、B 通道按照一定的顺序再合并成彩色图像。

图片裁剪、旋转和改变大小

box = (100, 100, 300, 300)
region = image.crop(box)
region = region.transpose(Image.ROTATE_180)
image.paste(region, box)
image.show()

​ 通过定义一个 4 元组，依次为左上角 X 坐标、Y 坐标，右下角 X 坐标、Y 坐标，可以対原图片的某一区域进行裁剪，然后进行一定处理后可以在原位置粘贴回去。

im = image.resize((300, 300))
im = image.rotate(45)  # 逆时针旋转 45 度
im = image.transpose(Image.FLIP_LEFT_RIGHT) # 左右翻转
im = im.transpose(Image.FLIP_TOP_BOTTOM)# 上下翻转

像素值操作

out = image.point(lambda i: i * 1.2) # 对每个像素值乘以 1.2

source = image.split()
out = source[0].point(lambda i: i > 128 and 255) # 对 R 通道进行二值化

​ i > 128 and 255，当 i <= 128 时，返回 False 也即 0,；反之返回 255 。

和 Numpy 数组之间的转化

array = np.array(image)
print(array.shape) #(321, 481, 3)
out = Image.fromarray(array)