python常用库总结（二）：PIL.Image

摘自：https://www.cnblogs.com/lyrichu/p/9124504.html
可参考：https://www.cnblogs.com/kongzhagen/p/6295925.html
Image类是PIL中的核心类，你有很多种方式来对它进行初始化，比如从文件中加载一张图像，处理其他形式的图像，或者是从头创造一张图像等。下面是PIL Image类中常用的方法:

open(filename,mode)

打开一张图像

>>> from PIL import Image
>>> Image.open("dog.jpg","r")

>>> im = Image.open("dog.jpg","r")
>>> print(im.size,im.format,im.mode)
(296, 299) JPEG RGB

• Image.open返回一个Image对象，该对象有size,format,mode等属性。
• 其中size表示图像的宽度和高度(像素表示);
• format表示图像的格式,常见的包括JPEG,PNG等格式;
• mode表示图像的模式，定义了像素类型还有图像深度等，常见的有RGB,HSV等。
• 一般来说’L’(luminance)表示灰度图像,'RGB’表示真彩图像,'CMYK’表示预先压缩的图像。
• 一旦你得到了打开的Image对象之后，就可以使用其众多的方法对图像进行处理了，比如使用im.show()可以展示上面得到的图像。

save(filename,format)

保存指定格式的图像

>>> im.save("dog.png",'png')   #将图像重新保存成png格式。

thumbnail(size,resample)

创建缩略图

>>> im.thumbnail((50,50),resample=Image.BICUBIC)  #创建一个指定(50,50)的缩略图
>>> im.show()

• thumbnail方法可以创建一个指定大小(size)的缩略图
• thumbnail方法是原地操作，返回值是None。
• 第一个参数是指定的缩略图的大小;
• 第二个是采样的，有Image.BICUBIC，PIL.Image.LANCZOS，PIL.Image.BILINEAR，PIL.Image.NEAREST这四种采样方法。默认是Image.BICUBIC。

crop(box)

裁剪矩形区域

>>> im = Image.open("dog.jpg","r")
>>> box = (100,100,200,200)
>>> region = im.crop(box)
>>> region.show()
im.crop()

• 上面的代码在im图像上裁剪了一个box矩形区域，然后显示出来。
• box是一个有四个数字的元组(upper_left_x,upper_left_y,lower_right_x,lower_right_y),分别表示裁剪矩形区域的左上角x,y坐标,右下角的x,y坐标,规定图像的最左上角的坐标为原点(0,0),宽度的方向为x轴，高度的方向为y轴，每一个像素代表一个坐标单位。
• crop()返回的仍然是一个Image对象。

transpose(method)

图像翻转或者旋转

>>> im_rotate_180 = im.transpose(Image.ROTATE_180)
>>> im_rotate_180.show()

上面的代码将im逆时针旋转180°，然后显示出来,method是transpose的参数，表示选择什么样的翻转或者旋转方式，可以选择的值有:
- Image.FLIP_LEFT_RIGHT,表示将图像左右翻转
- Image.FLIP_TOP_BOTTOM,表示将图像上下翻转
- Image.ROTATE_90,表示将图像逆时针旋转90°
- Image.ROTATE_180,表示将图像逆时针旋转180°
- Image.ROTATE_270,表示将图像逆时针旋转270°
- Image.TRANSPOSE,表示将图像进行转置(相当于顺时针旋转90°)
- Image.TRANSVERSE,表示将图像进行转置,再水平翻转

paste(region,box,mask)

将一个图像粘贴到另一个图像

>>> im.paste(region,(100,100),None)
>>> im.show()

上面的代码将region图像粘贴到左上角为(100,100)的位置。region是要粘贴的Image对象,box是要粘贴的位置，可以是一个两个元素的元组，表示粘贴区域的左上角坐标,也可以是一个四个元素的元组，表示左上角和右下角的坐标。如果是四个元素元组的话,box的size必须要和region的size保持一致，否则将会被convert成和region一样的size。

split()(颜色通道分离)

>>> r,g,b = im.split()
>>> r.show()
>>> g.show()
>>> b.show()

split()方法可以原来图像的各个通道分离,比如对于RGB图像，可以将其R,G,B三个颜色通道分离。

merge(mode,channels)

颜色通道合并

>>> im_merge = Image.merge("RGB",[b,r,g])
>>> im_merge.show()

merge方法和split方法是相对的，其将多个单一通道的序列合并起来，组成一个多通道的图像，mode是合并之后图像的模式，比如"RGB",channels是多个单一通道组成的序列。

resize(size,resample,box)

>>> im_resize = im.resize((200,200))
>>> im_resize

>>> im_resize.show()
>>> im_resize_box = im.resize((100,100),box = (0,0,50,50))
>>> im_resize_box.show()

resize方法可以将原始的图像转换大小,size是转换之后的大小,resample是重新采样使用的方法，仍然有Image.BICUBIC，PIL.Image.LANCZOS，PIL.Image.BILINEAR，PIL.Image.NEAREST这四种采样方法，默认是PIL.Image.NEAREST,box是指定的要resize的图像区域，是一个用四个元组指定的区域(含义和上面所述box一致)。

convert(mode,matrix,dither,palette,colors)

mode转换

>>> im_L = im.convert("L")
>>> im_L.show()
>>> im_rgb = im_L.convert("RGB")
>>> im_rgb.show()
>>> im_L.mode
'L'
>>> im_rgb.mode
'RGB'

convert方法可以改变图像的mode,一般是在’RGB’(真彩图)、‘L’(灰度图)、‘CMYK’(压缩图)之间转换。上面的代码就是首先将图像转化为灰度图，再从灰度图转化为真彩图。值得注意的是,从灰度图转换为真彩图，虽然理论上确实转换成功了，但是实际上是很难恢复成原来的真彩模式的(不唯一)。

filter(filter)

应用过滤器

>>> im = Image.open("dog.jpg","r")
>>> from PIL import ImageFilter
>>> im_blur = im.filter(ImageFilter.BLUR)
>>> im_blur.show()
>>> im_find_edges = im.filter(ImageFilter.FIND_EDGES)
>>> im_find_edges.show()
>>> im_find_edges.save("find_edges.jpg")
>>> im_blur.save("blur.jpg")

filter方法可以将一些过滤器操作应用于原始图像，比如模糊操作，查找边、角点操作等。filter是过滤器函数，在PIL.ImageFilter函数中定义了大量内置的filter函数，比如BLUR(模糊操作),GaussianBlur(高斯模糊),MedianFilter(中值过滤器)，FIND_EDGES(查找边)等。上面得到原始图像dog.jpg,find_edges.jpg以及blur.jpg。

point(lut,mode)

对图像像素操作

>>> im_point = im.point(lambda x:x*1.5)
>>> im_point.show()
>>> im_point.save("im_point.jpg")

point方法可以对图像进行单个像素的操作，上面的代码对point方法传入了一个匿名函数,表示将图像的每个像素点大小都乘以1.5,mode是返回的图像的模式，默认是和原来图像的mode是一样的。

#下面是一个结合了point函数,split函数,paste函数以及merge函数的小例子。
>>> source = im.split()
>>> R,G,B = 0,1,2
>>> mask = source[R].point(lambda x: x<100 and 255) 
>>> # x<100,return 255,otherwise return 0
>>> out_G = source[G].point(lambda x:x*0.7)
>>> # 将out_G粘贴回来，但是只保留'R'通道像素值<100的部分
>>> source[G].paste(out_G,None,mask)
>>> # 合并成新的图像
>>> im_new = Image.merge(im.mode,source)
>>> im_new.show()
>>> im.show()

ImageEnhance()

图像增强

>>> from PIL import ImageEnhance
>>> brightness = ImageEnhanBce.Brightness(im)
>>> im_brightness = brightness.enhance(1.5)
>>> im_brightness.show()
>>> im_contrast = ImageEnhance.Contrast(im)
>>> im_contrast.enhance(1.5)

>>> im_contrast.enhance(1.5).show()

ImageEnhance是PIL下的一个子类，主要用于图像增强，比如增加亮度(Brightness),增加对比度(Contrast)等。上面的代码将原来图像的亮度增加50%,将对比度也增加了50%。

ImageSequence()

处理图像序列

#遍历gif图像中的所有帧，并分别保存为图像，采用了迭代器的方式
>>> from PIL import ImageSequence
>>> from PIL import Image 
>>> gif = Image.open("pipixia.gif")
>>> for i,frame in enumerate(ImageSequence.Iterator(gif),1):
...     if frame.mode == 'JPEG':
...         frame.save("%d.jpg" %i)
...     else:
...         frame.save("%d.png" % i)

#一帧一帧读取gif
#该代码在读取到gif的最后一帧之后，会throw一个EOFError,所以我们只要捕获这个异常就可以了。
>>> index = 0
>>> while 1:
...     try:
...         gif.seek(index)
...         gif.save("%d.%s" %(index,'jpg' if gif.mode == 'JPEG' else 'png'))
...         index += 1
...     except EOFError:
...         print("Reach the end of gif sequence!")
...         break

PIL中的Image和numpy中的数组array相互转换

摘自：https://www.cnblogs.com/gongxijun/p/6114232.html

PIL image转换成array

 img = np.asarray(image)

需要注意的是，如果出现read-only错误，并不是转换的错误，一般是你读取的图片的时候，默认选择的是"r","rb"模式有关。

修正的办法:　手动修改图片的读取状态

img.flags.writeable = True  # 将数组改为读写模式

array转换成image

Image.fromarray(np.uint8(img))