学习记录02：如何用python的PIL包简单的处理图像

如何用python的PIL包简单的处理图像

---

前言

在这里并不推荐大家用cv2的图像处理包去处理图象，因为他无法访问中文路径下的图片，读取的值是NONE，这有时候就很恼火了，所以今天记录一下怎么用PIL包简单处理图像。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、PIL是什么？

Pillow库是一个Python的第三方库。
在Python2中，PIL(Python Imaging Library)是一个非常好用的图像处理库，但PIL不支持Python3，所以有人(Alex Clark和Contributors)提供了Pillow，可以在Python3中使用。

二、使用步骤

1.安装库

虽然Python3提供的是Pillow，但是在安装时，我们还是直接安装PIL。

pip install pillow

2.引入库

代码如下（示例）：

from PIL import Image

3.读入数据

代码如下（示例）：

	img = Image.open("E:/数据集/0426b97_45d.jpg")	#这里都是绝对地址的写法，也可以写成E:\\数据集\\guofeng1\\0426b97_45d.jpg
	img.show()												#展示图片

4.读取图片尺寸

这里读取到的图片没有shape，只有size，可以像下面这样读取：

a = img.size		#输出为(1224, 1024)

也可以将其赋值给其他变量：

a = img.size		#a被赋值(1224, 1024)
a = img.size[0]		#a被赋值1224
a = img.size[1]		#a被赋值1024

注意这里无法查看通道数，如果要查看，可以通过以下代码查看：

    print(len(img.split()))		#这里将输出3，split将图像颜色通道分成单独的波段，统计其个数就可以得到通道数

5.图像缩放

resize(size, resample=BICUBIC, box=None, reducing_gap=None): 缩放图片，返回缩放后的图片。有4个参数。
size, 图片缩放后的尺寸，传入一个长度为2的元组(width, height)。
resample, 重采样，是一个可选的重采样过滤器。可以传入Image.NEAREST, Image.BOX, Image.BILINEAR, Image.HAMMING, Image.BICUBIC, Image.LANCZOS。默认过滤器为Image.BICUBIC。如果图像的模式为’1’或’P’，则始终设置为Image.NEAREST。
box, 缩放图片的区域。传入长度为4的元组(x₁, y₁, x₂, y₂)，这个区域必须在原图的(0, 0, width, height)范围内，如果超出范围会报错，如果不传值则默认将整张原图进行缩放。(x₁, y₁)相当于裁剪区域的左上角坐标，（x₂, y₂）相当于裁剪区域的右下角坐标。
reducing_gap, 减少间隙。传入一个浮点数，用于优化图片缩放效果，默认不进行优化，值大于3.0时优化效果基本已经是公平的重采样。

img_resize = img.resize((500, 400), resample=Image.LANCZOS, box=(100, 100, 1200, 800), reducing_gap=5.0)

6.图片保存

img.save('d:/dog.jpg')

---