PIL或Pillow学习1

news2024/12/31 5:22:32

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”。

除了 PIL 和 Pillow 库之外，Python 还提供了一些其他图像处理库：

  • Scikit-image：一款基于 scipy 科学计算的图像处理软件包，以数组的形式对图像进行处理；
  • OpenCV：其实是一个 C++ 图像处理库，不过它提供了 Python 语言的接口。


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版本支持

Pillow 支持跨平台运行，比如 Windows、Linux、MacOS 等，其最新版本为 Pillow 8.3.2，该版本支持 Python 3.6 及以上的版本（推荐使用）。Pillow 与 Python 支持版本的对照表如下所示：
 

版本对照表
Python版本3.103.93.83.73.63.52.7
Pillow>=8.3.2支持支持支持支持支持
Pillow8.0-8.3.1支持支持支持支持
Pillow7.0-7.2支持支持支持支持
Pillow6.2.1-6.22支持支持支持支持支持
Pillow6..0-6.2.0支持支持支持支持
PIL_test1.py：
from PIL import Image

'''
0, Pillow的下载与安装
python 2.7 : pip install PIL
python 3.7 : pip install pillow
'''

'''
1, Pillow创建Image对象

使用 Image 类的 open() 方法，可以创建一个 Image 对象，语法格式如下：
im = Image.open(filepath,mode="r")
参数说明：
filepath 表示文件路径，字符串格式；
mode：可选参数，若出现该参数，则必须设置为 "r"，否则会引发 ValueError 异常。
'''
#打开一图片文件
img = Image.open("C:/Users/86159/Desktop/py_workspace/myFlask/static/image/1.png")
#要显示图像需要调用 show()方法
#img.show()

'''
3, Pillow Image对象属性
'''
#1) size：查看图像的尺寸
#打印image对象
print(img)
#查看尺寸
print("宽width是 %s ; 高height是 %s"%(img.width,img.height))
#或者通过size查看
print("图像的大小size:",img.size)

#2) format：查看图片的格式
print("图像的格式:",img.format)

#3) readonly：图片是否为只读 ;该属性的返回为 0 或者 1，分别对应着是和否
print("图像是否为只读:",img.readonly)

#4) info：查看图片相关信息
# 包括了每英寸像素点大小和截图软件信息
print("图像信息:",img.info)

#5) mode：图像模式
'''
图片模式
mode    描述
1    1 位像素（取值范围 0-1），0表示黑，1 表示白，单色通道。
L    8 位像素（取值范围 0 -255），灰度图，单色通道。
P    8 位像素，使用调色板映射到任何其他模式，单色通道。
RGB    3 x 8位像素，真彩色，三色通道，每个通道的取值范围 0-255。
RGBA    4 x 8位像素，真彩色+透明通道，四色通道。
CMYK    4 x 8位像素，四色通道，可以适应于打印图片。
YCbCr    3 x 8位像素，彩色视频格式，三色通道。
LAB    3 x 8位像素，L * a * b颜色空间，三色通道
HSV    3 x 8位像素，色相，饱和度，值颜色空间，三色通道。
I    32 位有符号整数像素，单色通道。
F    32 位浮点像素，单色通道。
'''
print("图像模式信息:",img.mode)


'''
4, Pillow图片格式转换

1) save()
#Image.save(filepath, format=None)
参数说明如下：
filepath：图片的存储路径，包含图片的名称，字符串格式；
format：可选参数，可以指定图片的格式。
'''
img.save("C:/Users/86159/Desktop/py_workspace/myFlask/static/image/1.bmp")

'''
2) convert()+save()
并非所有的图片格式都可以用 save() 方法转换完成，比如将 PNG 格式的图片保存为 JPG 格式，
如果直接使用 save() 方法就会出现以下错误:"OSError: cannot write mode RGBA as JPEG"

Image 类提供的 convert() 方法可以实现图像模式的转换。该函数提供了多个参数，
比如 mode、matrix、dither 等，其中最关键的参数是 mode，其余参数无须关心。语法格式如下：
convert(mode,parms**)
mode：指的是要转换成的图像模式；
params：其他可选参数。
'''
#此时返回一个新的image对象，转换图片模式
image = img.convert('RGB')
#调用save()保存
image.save("C:/Users/86159/Desktop/py_workspace/myFlask/static/image/1.jpg")

'''
5, Pillow图像缩放操作

在图像处理过程中经常会遇到缩小或放大图像的情况，Image 类提供的 resize() 方法能够实现任意缩小和放大图像。

resize() 函数的语法格式如下：
resize(size, resample=image.BICUBIC, box=None, reducing_gap=None)

参数说明：
size：元组参数 (width,height)，图片缩放后的尺寸；
resample：可选参数，指图像重采样滤波器，与 thumbnail() 的 resample 参数类似，默认为 Image.BICUBIC；
box：对指定图片区域进行缩放，box 的参数值是长度为 4 的像素坐标元组，即 (左,上,右,下)。
    注意，被指定的区域必须在原图的范围内，如果超出范围就会报错。当不传该参数时，默认对整个原图进行缩放；
reducing_gap：可选参数，浮点参数值，用于优化图片的缩放效果，常用参数值有 3.0 和 5.0。

注意，resize() 会返回一个新的 image 对象。
'''
try:
    #放大图片
    image = img.resize((300,400))
    #将新图像保存至桌面
    image.save("C:/Users/86159/Desktop/py_workspace/myFlask/static/image/1_放大.jpg")
    print("查看新图像的尺寸",image.size)
except IOError:
    print("放大图像失败")

'''
6, Pillow图像分离与合并
图像（指数字图像）由许多像素点组成，像素是组成图像的基本单位，而每一个像素点又可以使用不同的颜色，
最终呈现出了绚丽多彩的图像。它们的本质就是图片呈现颜色时需要遵循的规则，
比如 RGB、RGBA、CYMK 等，而图像的分离与合并，指的就是图像颜色的分离和合并。

Image 类提供了用于分离图像和合并图像的方法 split() 和 merge() 方法，通常情况下，这两个方法会一起使用。

1) split()
split() 的使用方法比较简单，用来分离颜色通道
'''
#分离颜色通道，产生三个 Image对象
r,g,b = img.split()
print('分离颜色通道')
#r.show()
#g.show()
#b.show()
'''
2) merge()
Image 类提供的 merge() 方法可以实现图像的合并操作。注意，图像合并，可以是单个图像合并，也可以合并两个以上的图像。

merge() 方法的语法格式如下：
Image.merge(mode, bands)
参数说明如下：
mode：指定输出图片的模式
bands：参数类型为元组或者列表序列，其元素值是组成图像的颜色通道，
比如 RGB 分别代表三种颜色通道，可以表示为 (r,g,b)。

注意，该函数会返回一个新的 Image 对象。
'''
#重新组合颜色通道，返回先的Image对象
image_merge = Image.merge('RGB',(b,g,r))
print('图像合并,将分离的3个颜色通道合并')
#image_merge.show()
#保存合并后的图像
image_merge.save("C:/Users/86159/Desktop/py_workspace/myFlask/static/image/1_split_merge.jpg")
print('保存合并后的图像')

'''
7, Pillow图像裁剪、复制、粘贴操作

图像的剪裁、复制、粘贴是图像处理过程中经常使用的基本操作，Pillow Image 类提供了简单、易用的 API 接口，
能够帮助您快速实现这些简单的图像处理操作。

1) 图像裁剪操作
Image 类提供的 crop() 函数允许我们以矩形区域的方式对原图像进行裁剪，函数的语法格式如下：
crop(box=None)
box：表示裁剪区域，默认为 None，表示拷贝原图像。

注意：box 是一个有四个数字的元组参数 (x_左上,y_左下,x1_右上,y1_右下)，
分别表示被裁剪矩形区域的左上角 x、y 坐标和右下角 x，y 坐标。
默认 (0,0) 表示坐标原点，宽度的方向为 x 轴，高度的方向为 y 轴，每个像素点代表一个单位。
'''
box =(0,0,200,200)
img_crop = img.crop(box)
#保存裁剪后的图像
img_crop.save("C:/Users/86159/Desktop/py_workspace/myFlask/static/image/1_crop.jpg")
print('保存裁剪后的图像')

'''
2) 图像拷贝和粘贴
拷贝、粘贴操作几乎是成对出现的，Image 类提供了 copy() 和 paste() 方法来实现图像的复制和粘贴。
其中复制操作（即 copy() 方法）比较简单.

下面主要介绍 paste() 粘贴方法，语法格式如下所示：
paste(image, box=None, mask=None)
该函数的作用是将一张图片粘贴至另一张图片中。
    注意，粘贴后的图片模式将自动保持一致，不需要进行额外的转换。参数说明如下：
image：指被粘贴的图片；
box：指定图片被粘贴的位置或者区域，其参数值是长度为 2 或者 4 的元组序列，
    长度为 2 时，表示具体的某一点 (x,y)；长度为 4 则表示图片粘贴的区域，
    此时区域的大小必须要和被粘贴的图像大小保持一致。
mask：可选参数，为图片添加蒙版效果。
'''
#复制一张图片副本
img_copy=img.copy()
#打开图片2文件
img2 = Image.open("C:/Users/86159/Desktop/py_workspace/myFlask/static/image/2.png")
#将img2粘贴至副本图像上
print(img2.size)
#对副本进行裁剪
img_crop = img2.crop((0,0,580,580))
#将裁剪后的副本粘贴至副本图像上
img_copy.paste(img_crop,(0,0,580,580))
#显示粘贴后的图像
#img_copy.show()
#保存拷贝和粘贴后的图像
img_copy.save("C:/Users/86159/Desktop/py_workspace/myFlask/static/image/1_copy_paste.jpg")
print('保存拷贝和粘贴后的图像')

'''
8, Pillow图像几何变换
图像的几何变换主要包括图像翻转、图像旋转和图像变换操作，
Image 类提供了处理这些操作的函数 transpose()、rotate() 和 transform()

1) transpose() 翻转操作
该函数可以实现图像的垂直、水平翻转，语法格式如下：
Image.transpose(method)

method 参数决定了图片要如何翻转，参数值如下：
Image.FLIP_LEFT_RIGHT：左右水平翻转；
Image.FLIP_TOP_BOTTOM：上下垂直翻转；
Image.ROTATE_90：图像旋转 90 度；
Image.ROTATE_180：图像旋转 180 度；
Image.ROTATE_270：图像旋转 270 度；
Image.TRANSPOSE：图像转置；
Image.TRANSVERSE：图像横向翻转。
'''
#返回一个新的Image对象
img_out1=img.transpose(Image.TRANSPOSE)
#img_out1.show()
img_out1.save("C:/Users/86159/Desktop/py_workspace/myFlask/static/image/1_TRANSPOSE.png")
#图像旋转 90 度；左旋转
img_out2=img.transpose(Image.ROTATE_90)
#img_out2.show()
img_out2.save("C:/Users/86159/Desktop/py_workspace/myFlask/static/image/1_ROTATE_90.png")
print('保存翻转后的图像')
'''
2) rotate()任意角度旋转
当我们想把图像旋转任意角度时，可以使用 rotate() 函数，语法格式如下：
Image.rotate(angle, resample=PIL.Image.NEAREST, expand=None, center=None, translate=None, fillcolor=None)

参数说明如下：
angle：表示任意旋转的角度；
resample：重采样滤波器，默认为 PIL.Image.NEAREST 最近邻插值方法；
expand：可选参数，表示是否对图像进行扩展，如果参数值为 True 则扩大输出图像，如果为 False 或者省略，则表示按原图像大小输出；
center：可选参数，指定旋转中心，参数值是长度为 2 的元组，默认以图像中心进行旋转；
translate：参数值为二元组，表示对旋转后的图像进行平移，以左上角为原点；
fillcolor：可选参数，填充颜色，图像旋转后，对图像之外的区域进行填充。
'''
#translate的参数值可以为负数，并将旋转图之外的区域填充为蓝色
#返回同一个新的Image对象,旋转 45 度
img_out_rotate=img.rotate(45,translate=(0,-25),fillcolor="blue")
#img_out_rotate.show()
img_out_rotate.save("C:/Users/86159/Desktop/py_workspace/myFlask/static/image/1_rotate_45.png")
print('保存任意角度旋转后的图像')

'''
3) transform()图像变换
该函数能够对图像进行变换操作，通过指定的变换方式，产生一张规定大小的新图像，语法格式如下：
Image.transform(size, method, data=None, resample=0) 

参数说明：
size：指定新图片的大小；
method：指定图片的变化方式，比如 Image.EXTENT 表示矩形变换；
data：该参数用来给变换方式提供所需数据；
resample：图像重采样滤波器，默认参数值为 PIL.Image.NEAREST。
'''
#设置图像大小300*300，并根据data的数据截取原图像的区域，生成新的图像
img_out_transform=img.transform((300,300),Image.EXTENT,data=[0,0,30 + img.width//4,img.height//3])
#img_out_transform.show()
img_out_transform.save("C:/Users/86159/Desktop/py_workspace/myFlask/static/image/1_transform.png")
print('保存变换后的图像')

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1033086.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

数据仓库数据库

数据仓库数据库

在当今的数字化时代，数据存储和管理是非常重要的领域。数据仓库和数据库是两个重要的数据存储和管理工具，它们有着不同的特点和用途。 一、数据仓库与数据库的定义 1. 数据仓库 数据仓库，是为企业所有级别的决策制定过程，提供所…
阅读更多...
2023华为杯D题——基于Kaya模型的碳排放达峰实证研究

2023华为杯D题——基于Kaya模型的碳排放达峰实证研究

一、前言 化石能源是推动现代经济增长的重要生产要素，经济生产活动与碳排放活动密切相关。充分认识经济增长与碳排放之间的关系对转变生产方式，确定碳达峰、碳中和路径极为必要。本研究在对经济增长与碳排放关系现有研究梳理的基础上，系统地分…
阅读更多...
postman发送图片

postman发送图片

POSTMAN 如何发送携带图片的请求? 闲话不叙 步骤如下： 新建一个请求，在Headers中添加一对k-v : Content-Type > multipart/form-data 请求的接口: RequestMapping("/fileUploadController")public String fileUpload(MultipartFile fil…
阅读更多...
手机无人直播手机用哪些软件系统最好？

手机无人直播手机用哪些软件系统最好？

最近手机无人直播可是风靡大江南北，只要是一个抖音用户都想装个手机无人直播软件，随时随地开启手机无人直播，抖音8亿用户想想这个市场得有多大，蛋糕有多肥。 那么问题来了，手机无人直播手机用啥软件？ 推荐…
阅读更多...
Learn Prompt-GPT-4:能力

Learn Prompt-GPT-4:能力

GPT-4能力大赏​ 常识知识推理​ 一个猎人向南走了一英里，向东走了一英里，向北走了一英里，最后回到了起点。他看到了一只熊，于是开枪打了它。这只熊是什么颜色的？ 答案是白色，因为这种情况只可能发生在北…
阅读更多...
智慧银行：数字化金融时代的引领者

智慧银行：数字化金融时代的引领者

在当今数字化的时代，金融行业正经历着一场前所未有的变革。传统的银行模式已经不再适用，取而代之的是智慧银行的新兴概念。智慧银行不仅仅是数字化的银行，更是一个全新的金融服务范式，将科技与金融相结合，为客户提供更…
阅读更多...
第七章 查找

第七章 查找

一、树形查找-二叉排序树和红黑树 二叉排序树 // 二叉排序树节点 typedef struct BSTNode{ElemType key;struct BSTNode *lchild, *rchild; } BSTNode, *BSTree;五叉查找树 // 5叉排序树的节点定义 struct Node{ElemType keys[4]; // 5叉查找树一个节点最多4个关键字struct…
阅读更多...
科普之加密、签名和SSL握手

科普之加密、签名和SSL握手

一 背景知识 感悟： 不能高不成低不就备注： 以下内容没有逻辑排版,仅做记录 ① 加密方式 说明： 单向和双向认证遗留： 如何用openssl从私钥中提取公钥? ② 互联网数据安全可靠条件 说明： 二者相互印证 二 互联…
阅读更多...
记录：移动设备软件开发（Android项目组织结构）

记录：移动设备软件开发（Android项目组织结构）

目录 Android项目管理结构ui管理ViewGroupUI控制 使用Android Studio开发Android应用简单、方便，除了创建Android项目，开发者只需要做两件事情：使用activity_main.xml文件定义用户界面：打开Java源代码编写业务实现。但对于一个喜欢…
阅读更多...
拼多多API接口解析，实现根据ID取商品详情

拼多多API接口解析，实现根据ID取商品详情

拼多多是一个流行的电商平台，它提供了API接口供开发者使用。要根据ID获取商品详情，您需要使用拼多多API接口并进行相应的请求。 以下是使用拼多多API接口根据ID获取商品详情的示例代码（使用Python编写）： import requ…
阅读更多...
LeetCode【42. 接雨水】

LeetCode【42. 接雨水】

我不喜欢等人,也不喜欢被别人等 给定 n 个非负整数表示每个宽度为 1 的柱子的高度图，计算按此排列的柱子，下雨之后能接多少雨水。 示例 1： 输入：height [0,1,0,2,1,0,1,3,2,1,2,1] 输出：6 解释：上面是由数…
阅读更多...
打开深度学习的锁：（2）单隐藏层的神经网络

打开深度学习的锁：（2）单隐藏层的神经网络

打开深度学习的锁 导言PS：神经网络的训练过程一、数据集和包的说明1.1准备文件1.2 需要导入的包 二、构建神经网络的架构三、初始化函数四、激活函数4.1 tanh（双曲正切函数）函数 五，前向传播六、损失函数七、后向传播八、梯度下降…
阅读更多...
代码随想录算法训练营第23期day3| 203.移除链表元素 ，707.设计链表，206.反转链表

代码随想录算法训练营第23期day3| 203.移除链表元素 ，707.设计链表，206.反转链表

目录 一、链表 基础操作 二、（leetcode 203）移除链表元素 1.使用原来的链表 2.设置虚拟头结点 三、（leetcode 707）设计链表 四、（leetcode 206）反转链表 1.双指针法 2.递归法 一、链表 单链表定义…
阅读更多...
SpringMVC学习笔记——1

SpringMVC学习笔记——1

SpringMVC学习笔记——1 一、SpringMVC简介1.1、SpringMVC概述1.2、SpringMVC快速入门1.3、Controller中访问容器中的Bean1.4、SpringMVC关键组件的浅析 二、SpringMVC的请求处理2.1、请求映射路径配置2.2、请求数据的接收2.2.1、键值对方式接收数据2.2.2、封装JavaBean数据2.2…
阅读更多...
JavaBean专项练习(学生信息管理系统)(增删改查)(每步详细解释和思路)

JavaBean专项练习(学生信息管理系统)(增删改查)(每步详细解释和思路)

/* 题目: 定义一个长度为3的数组,数组存储1~3名学生对象作为初始数据学生: 1. 学号 2.姓名 3.年龄要求: 1.再次添加一个学生对象,并在添加的时候进行学号唯一的判断2. 添加完毕后,遍历所有学生信息3. 通过id删除学生信息,如果存在则删除,如果不存在则提示删除失败4. 删除完毕之…
阅读更多...
tensorflow-卷积神经网络-图像分类入门demo

tensorflow-卷积神经网络-图像分类入门demo

猫狗识别 数据预处理：图像数据处理，准备训练和验证数据集卷积网络模型：构建网络架构过拟合问题：观察训练和验证效果，针对过拟合问题提出解决方法数据增强：图像数据增强方法与效果迁移学习：深度…
阅读更多...
网页版的 Redis 可视化工具来了，已开源？

网页版的 Redis 可视化工具来了，已开源？

轻量级Redis缓存图形化管理工具，包含redis的5种数据类型的CRUD操作 软件架构 后端 springboot 2.2.2.RELEASEJDK 1.8jedis 3.2.0commons-lang3 3.5hutool-core 5.1.1fastjson 1.2.62h2database 1.4.200 前端 vue-admin 1.0.5axios 0.15.3element-ui 2.13.0font-…
阅读更多...
海外媒体发稿：海外汽车媒体推广9个方式解析

海外媒体发稿：海外汽车媒体推广9个方式解析

根据下列9个国外汽车媒体推广方式，企业能够在国际范围内突破边界，获得领域关心。这将帮助企业完成国际化发展发展战略，扩展市场占有率和提升盈利空间。【华媒舍】国外全媒体发表文章将会成为企业完成这一目标的重要方式，为企业带来…
阅读更多...
Caton Media Xstream: 重新定义实时内容交付服务

Caton Media Xstream: 重新定义实时内容交付服务

// 编者按：随着公共互联网愈加复杂，best effort的基本原型已无法满足越来越多的有QoS保障需求的实时内容交付服务。而专线、卫星等传统解决方案存在部署成本高、周期长等问题，无法快速响应各类需求。LiveVideoStackCon邀请到了科腾科技的魏…
阅读更多...
解决：Typora上传图片后本地显示不出来

解决：Typora上传图片后本地显示不出来

在配置好PicGo、github以及Typora后，为了更好部署博客，将图片的偏好设置改为上传图片，会出现一个问题： github上图片已上传成功，但是本地Typora的图片不显示，这里进行配置： 文件——>偏好设…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023