Pillow图像处理（PIL.Image类的详细使用）
文章目录
- Opencv、Matplotlib(plt)、Pillow(PIL)、Pytorch读取数据的通道顺序
- Python图像处理库（PIL、Pillow、Scikit-image、Opencv）
- Pillow 官方文档（超详细，超推荐）
-
- 一、PIL库与Pillow库的区别
- 二、Pillow库
-
- （1）Pillow库特点
- （2）Pillow库安装
- 三、Pillow的Image对象（PIL.Image）
-
- （1）打开图像：Image.open() —— 可以加载任意图像格式
- （2）自建图像：Image.new()
- （3）查看Image对象的属性 —— width + height + size + format + randonly + info + mode
- （4）保存图像：Image.save() —— 保存的同时可以改变格式
- （5）图像模式转换：im.convert() —— 不同格式之间的转换
- （6）图像缩放：im.resize() —— 整体缩放 + 局部放大（指定区域）
- （7）图像的缩略图：im.thumbnail() —— 只能在原图上修改，返回None
- （8）图像通道分离：im.split() —— r/g/b三通道
- （9）图像通道合并：Image.merge() —— 颜色通道合并 + 图像融合（权重值五五开）
- （10）混合图像：Image.blend() —— 将两张图像叠加在一起，并可以选择其中一张图像的透明度，取值范围[0, 1]。
- <11> 图像裁剪：im.crop() —— 获取指定区域
- <12> 图像拷贝：im.copy() —— 深拷贝
- <13> 图像粘贴：im.paste() —— 可以将两张图叠加在一起
- <14> 图像几何变换（翻转）：im.transpose()
- <15> 图像几何变换（旋转）：im.rotate()
- <16> 图像几何变换（形状变换）：im.transform()
- <17> 图像降噪处理：ImageFilter —— 集成多种滤波器（17种）
- <18> 图像像素增强：ImageEnhance —— 对选择的属性增强N倍（颜色平衡、对比度、亮度、锐度）
- <19> 绘制图形：ImageDraw.Draw() —— 添加文字 + 绘制点、直线、矩形、多边形、椭圆、圆弧、弦、饼图
- （20）获取 RGB 值：ImageColor.getrgb()
- （21）获取颜色值：ImageColor.getcolor()
- （22）ndarray数组与图像之间的相互转换：np.array + Image.fromarray
- （23）读取序列图像： seek() + tell() 、ImageSequence()
- 应用一：批量修改图像尺寸
- 应用二：图像添加水印：ImageDraw + ImageFont
- 应用三：生成GIF动态图
Opencv、Matplotlib(plt)、Pillow(PIL)、Pytorch读取数据的通道顺序
需注意：Pillow加载图像后的尺寸是二维，图形化是三维，但无法打印三维尺寸。
详细区别：
Opencv：uint8的ndarray数据，通道顺序[h, w, c]，颜色通道BGR。
- 导入模块：
import cv2
（1）cv2.imread()
（2）cv2.imshow()
（3）cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
Matplotlib(plt)：uint8的ndarray数据，通道顺序[h, w, c]，颜色通道RGB。
- 导入模块：
import matplotlib.pyplot as plt
（1）plt.imread()
（2）plt.imshow()
Pillow(PIL)：uint8的ndarray数据，通道顺序[h, w, c]，颜色通道RGB。
- 导入模块：
import PIL
（1）PIL.Image.open()
（2）PIL.Image.show()
Pythorch：tensor数据，通道顺序[n, c, h, w]，颜色通道RGB。
- 导入模块：
import torchvision
（1）torchvision.transforms.ToTensor()
（2）torchvision.transforms.ToPILImage()
Python图像处理库（PIL、Pillow、Scikit-image、Opencv）
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。
（1）PIL是一个免费开源的Python图像处理库。而Pillow是基于PIL库的一个派生分支，它在 PIL 库的基础上增加了许多新的特性。
- 特点：PIL、Pillow只提供最基础的数字图像处理**，功能有限。
（2）Scikit-image：基于 scipy 科学计算的python图像处理软件包，由 scipy 社区开发和维护，以数组的形式对图像进行处理。
- 特点：轻量，易安装，易使用，轻量级
（3）Opencv：由 C/C++ 语言编写的图像处理库，同时提供Python、Ruby、MATLAB等语言的接口。图像处理界中的绝对大佬
- 特点：环境难搭建，重量型，集成功能较多
Pillow 官方文档（超详细，超推荐）
Pillow 官方文档：https://pillow.readthedocs.io/en/stable/index.html
一、PIL库与Pillow库的区别
PIL（Python Imaging Library）是一个免费开源的Python图像处理库，其功能丰富，API 简洁易用，一度深受好评。
发展历程
- 2011年，PIL官网宣布不再更新PIL，其最新版本仅支持 Python 2.7，而不支持 Python3。
- 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。目前，已成为Linux发行版中原始PIL的替代品。
二、Pillow库
Pillow是基于PIL库的一个派生分支，它在 PIL 库的基础上增加了许多新的特性。发展至今，已经成为比PIL本身更具活力的图像处理库。
- Pillow 安装后，导入库的使用方式仍是
import PIL，但实际上使用的是 Pillow 库，这里的 PIL 可以看做是 Pillow 库的简称。 - Pillow 支持跨平台运行，比如 Windows、Linux、MacOS 等。
- Pillow支持python3，Pillow官网最新版：Pillow 8.4.0。
（1）Pillow库特点
- （1） 支持图像的多种输入格式：jpeg、png、bmp、gif、ppm、tiff 等。且支持图像格式之间的相互转换。
- （2）支持多种图像操作：
- 11、创建缩略图、生成预览图像、图像批量处理等；
- 22、图像裁剪、图像缩放、像素点处理、添加滤镜、图像颜色处理等。
- 33、添加水印、合成 GIF 动态效果图等等。
- （3）可以配合 Python GUI（图形用户界面）工具 Tkinter 一起使用。
（2）Pillow库安装
备注：Pillow 和 PIL 不能共存于同一个环境中，在安装 Pillow 前，需要先卸载 PIL。
-
（1）pip安装：该方法是最简单、轻量级的一种安装方式，并且适用于任何平台。只需执行：
pip install Pillow。 -
（2）whl轮子安装：
通过Python PyPi第三方库官网下载与平台系统相对应的版本。下载完成后，进入下载文件的所在位置，然后执行：pip install + whl文件名。 -
（3）Anaconda安装：
Anaconda 是一款开源的 Python 发行版（官网下载地址），是当下较为流行的科学计算平台，支持 Windows、Linux、MacOS 系统。Anaconda 自带许多已经安装完成软件包，其中就包含 Pillow，因此无须重新安装。但默认安装的 Pillow 版本可能会比较低或不是你需要的版本。
验证是否安装成功：
（0）WIN键＋R键打开运行，输入cmd，回车进入命令提示符。
（1）输入：python（打开 Python 解释器交互环境）
（2）输入：import PIL（如果解释器没有报错，则安装成功）
三、Pillow的Image对象（PIL.Image）
Image 类是 Pillow 库中最为重要的类，该类被定义在和与其同名的 Image 模块中。
- 导入 Image 模块：
from PIL import Image。 - 使用 Image 类可以实例化 Image 对象，通过调用该对象的属性和方法对图像进行处理。
- Pillow 提供了两种创建 Image 实例对象的方法：open()、new()。
（1）打开图像：Image.open() —— 可以加载任意图像格式
"""
函数说明： im = Image.open(fp, mode = "r")
参数说明：
（1）fp(file_path)：文件路径， 字符串格式；
（2）mode：（可选参数）。若使用，则必须设置mode="r"，否则显示ValueError异常。
"""
from PIL import Image
im_open = Image.open("C:/Users/pc/Desktop/1.png") # 打开图像
im_open.show() # 显示图像
（2）自建图像：Image.new()
"""
函数说明： im = Image.new(mode, size, color)
参数说明：
（1）mode：指定图像模式，字符串格式。如： RGB真彩图像、L灰度图像、CMYK色彩图打印模式等；
（2）size：指定图像大小（width, height）。
（3）color：图像颜色，默认0表示黑色。参数值支持 [R,G,B] 三元组数字格式、颜色的十六进制值以及颜色英文单词。
"""
from PIL import Image
im_new = Image.new(mode='RGB', size=(260, 100), color="#ff0000") # 使用颜色的十六进制格式
im_new.show() # 显示图像
（3）查看Image对象的属性 —— width + height + size + format + randonly + info + mode
from PIL import Image
im = Image.open("C:/Users/pc/Desktop/1.png")
print('打印image对象:', im)
print("图像的宽=%s, 高=%s" %(im.width, im.height)) # width/height：查看图像的宽/高
print("图像的尺寸:", im.size) # size：查看图像的尺寸
print("图像的格式:", im.format) # format：查看图片的格式
print("图像是否为只读:", im.readonly) # readonly：图片是否为只读
print("图像信息:", im.info) # info：查看图片相关信息。包括每英寸像素点大小和截图软件信息
print("图像模式:", im.mode) # mode：图像模式
"""
打印image对象：
图像的宽=1810, 高=228
图像的尺寸：(1810, 228)
图像的格式：PNG
图像是否为可读：1
图像信息：{}
图像模式：PGB
"""
（4）保存图像：Image.save() —— 保存的同时可以改变格式
"""
函数说明： Image.save(fp, format=None)
参数说明：
（1）fp：图像的存储路径，包含图像的名称+后缀，字符串格式；
（2）format：（可选参数），指定图像保存的格式。若不指定文件格式，则以默认的图片格式来存储。
"""
from PIL import Image
im = Image.open("C:/Users/pc/Desktop/1.png") # 打开图像
im.save('C:/Users/pc/Desktop/2.bmp') # 保存图像
- 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（四通道 RGBA 模式）保存为 JPG 格式（三通道 RGB 模式）。保存之前，需要进行图像模型转换。
（5）图像模式转换：im.convert() —— 不同格式之间的转换
常用的图像模式如下：
"""
函数说明： im.convert(mode, parms**)
参数说明：
（1）mode：指的是要转换成的图像模式；
（2）parms：其他可选参数。如：matrix、dither 等。
其中，最关键的参数是 mode，其余参数无须关心。
"""
from PIL import Image
import matplotlib.pyplot as plt
im = Image.open("大黄蜂.jpg")
print(im.mode) # RGB
im1 = im.convert('1')
im2 = im.convert('L')
im3 = im.convert('P')
im4 = im.convert('RGB')
im5 = im.convert('RGBA')
im6 = im.convert('CMYK')
im7 = im.convert('YCbCr')
# im8 = im.convert('LAB') # ValueError: conversion from RGB to LAB not supported
im9 = im.convert('HSV')
im10 = im.convert('I')
im11 = im.convert('F')
######################################################################
# 绘图
im_list = [im, im1, im2, im3, im4, im5, im6, im7, im9, im10, im11]
for i, j in enumerate(im_list):
plt.subplot(3, 4, i+1)
plt.title(['raw', '1', 'L', 'P', 'RGB', 'RGBA', 'CMYK', 'YCbCr', 'HSV', 'I', 'F'][i])
plt.axis('off')
plt.imshow(j)
plt.show()
"""
plt.subplot(3,4,1), plt.imshow(im), plt.title('raw'), plt.axis('off')
plt.subplot(3,4,2), plt.imshow(im1), plt.title('1'), plt.axis('off')
plt.subplot(3,4,3), plt.imshow(im2), plt.title('L'), plt.axis('off')
plt.subplot(3,4,4), plt.imshow(im3), plt.title('P'), plt.axis('off')
plt.subplot(3,4,5), plt.imshow(im4), plt.title('RGB'), plt.axis('off')
plt.subplot(3,4,6), plt.imshow(im5), plt.title('RGBA'), plt.axis('off')
plt.subplot(3,4,7), plt.imshow(im6), plt.title('CMYK'), plt.axis('off')
plt.subplot(3,4,8), plt.imshow(im7), plt.title('YCbCr'), plt.axis('off')
# plt.subplot(3,4,9), plt.imshow(im8), plt.title('LAB'), plt.axis('off')
plt.subplot(3,4,10), plt.imshow(im9), plt.title('HSV'), plt.axis('off')
plt.subplot(3,4,11), plt.imshow(im10), plt.title('I'), plt.axis('off')
plt.subplot(3,4,12), plt.imshow(im11), plt.title('F'), plt.axis('off')
plt.show()
"""
（6）图像缩放：im.resize() —— 整体缩放 + 局部放大（指定区域）
- 整体缩放操作
"""
函数说明： resize(size, resample=image.BICUBIC, box=None, reducing_gap=None)
参数说明：
（1）size：元组参数 (width,height)，图片缩放后的尺寸；
（2）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；
（3）box：（可选参数），对指定区域进行缩放，默认对整个原图进行缩放。
备注1：指定区域必须在原图范围内，若超出范围则报错。每个像素点代表一个单位。
备注2：box 的参数值是长度为 4 的像素坐标元组，即 (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）和右下角（x, y）。
例如：(0,0,120,180)表示以原图的左上角为原点，选择宽和高分别是(120,180)的图像区域。
（4）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。
"""
from PIL import Image
import matplotlib.pyplot as plt
im = Image.new(mode='RGB', size=(260, 100), color="#ff0000") # 使用颜色的十六进制格式
im1 = im.resize((550, 260)) # 放大图像
im2 = im.resize((80, 50)) # 缩小图像
######################################################################
# 绘图
im_list = [im, im1, im2]
for i, j in enumerate(im_list):
plt.subplot(1, 3, i+1)
plt.title(['raw', 'Enlarge image', 'Reduced image'][i])
plt.imshow(j)
plt.show()
- 局部放大操作
from PIL import Image
im = Image.open("大黄蜂.jpg")
try:
image = im.resize((550, 260), resample=Image.LANCZOS, box=(0, 0, 120, 180))
print("查看新图像的尺寸", image.size)
image.show()
except IOError:
print("操作有误")
（7）图像的缩略图：im.thumbnail() —— 只能在原图上修改，返回None
"""
函数说明： thumbnail(size, resample)
参数说明：
（1）size：元组参数，指的是缩小后的图像大小；
（2）resample：（可选参数），默认为 Image.BICUBIC。
备注：有四种图像重采样滤波器，分别是 Image.BICUBIC（双立方插值法）、PIL.Image.NEAREST（最近邻插值法）、PIL.Image.BILINEAR（双线性插值法）、PIL.Image.LANCZOS（下采样过滤插值法）。
"""
from PIL import Image
im = Image.open("C:/Users/pc/Desktop/1.png")
im.thumbnail((150, 50))
注意：缩略图的尺寸与您指定的尺寸可能会出现不一致的情况。
- 因为 Pillow 会对原图像的长、宽进行等比例缩小，当指定的尺寸不符合图像的尺寸规格时，缩略图就会创建失败。比如：指定的尺寸超出了原图像的尺寸规格。
（8）图像通道分离：im.split() —— r/g/b三通道
from PIL import Image
import matplotlib.pyplot as plt
im = Image.open("C:/Users/pc/Desktop/1.jpg")
r, g, b = im.split() # 分离颜色通道，产生三个Image对象
plt.subplot(131), plt.imshow(im), plt.title('im'), plt.axis('off')
plt.subplot(132), plt.imshow(r), plt.title('r'), plt.axis('off')
plt.subplot(133), plt.imshow(g), plt.title('g'), plt.axis('off')
plt.subplot(133), plt.imshow(b), plt.title('b'), plt.axis('off')
plt.show()
# r.show()
# g.show()
# b.show()
（9）图像通道合并：Image.merge() —— 颜色通道合并 + 图像融合（权重值五五开）
- 颜色通道合并
"""
函数说明： Image.merge(mode, bands)
参数说明：
（1）mode：指定输出图像的模式
（2）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(r,g,b)。
备注：要求两张图片的模式、大小必须一致，否则不能合并。
"""
from PIL import Image
import matplotlib.pyplot as plt
im = Image.open("starry_night.jpg")
r, g, b = im.split() # 分离颜色通道，产生三个 Image 对象
im1 = Image.merge('RGB', (r, g, b)) # 重新组合颜色通道，返回 Image 对象
im2 = Image.merge('RGB', (r, b, g))
im3 = Image.merge('RGB', (g, r, b))
im4 = Image.merge('RGB', (g, b, r))
im5 = Image.merge('RGB', (b, r, g))
im6 = Image.merge('RGB', (b, g, r))
plt.subplot(231), plt.imshow(im1), plt.title('rgb'), plt.axis('off')
plt.subplot(232), plt.imshow(im2), plt.title('rbg'), plt.axis('off')
plt.subplot(233), plt.imshow(im3), plt.title('grb'), plt.axis('off')
plt.subplot(234), plt.imshow(im4), plt.title('gbr'), plt.axis('off')
plt.subplot(235), plt.imshow(im5), plt.title('brg'), plt.axis('off')
plt.subplot(236), plt.imshow(im6), plt.title('bgr'), plt.axis('off')
plt.show()
- 图像融合：每张图像的权重值都是50%
from PIL import Image
im_1 = Image.open("starry_night.jpg")
im_2 = Image.open("大黄蜂.jpg")
# 因为两种图片的图片格式一致，所以仅需要处理图片的大小，让它们保持一致
im_2 = im_2.resize(im_1.size)
r1, g1, b1 = im_1.split()
r2, g2, b2 = im_2.split()
im_3 = Image.merge('RGB', [r2, g2, b1])
im_3.show()
（10）混合图像：Image.blend() —— 将两张图像叠加在一起，并可以选择其中一张图像的透明度，取值范围[0, 1]。
"""
函数说明： Image.blend(image1, image2, alpha)
参数说明：
（1）image1，image2：表示两个 Image 对象。
（2）alpha：表示透明度，取值范围为 0 到 1。
11：当取值为 0 时，等同于 image1 的拷贝。
22：而取值为 1 时，等同于 image2 的拷贝。
33：当取值为 0.5 时，与Image.merge()效果等同。
备注：要求两张图片的模式、大小必须一致，否则不能合并。
"""
from PIL import Image
im_1 = Image.open("starry_night.jpg")
im_2 = Image.open("大黄蜂.jpg")
im_2 = im_2.resize(im_1.size)
im3 = Image.blend(im_1, im_2, 0.7)
im3.show()
<11> 图像裁剪：im.crop() —— 获取指定区域
"""
函数说明： crop(box=None)
参数说明： box：表示裁剪区域，默认为 None，表示拷贝原图像。
备注：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）和右下角（x, y）。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。
"""
from PIL import Image
im = Image.open("大黄蜂.jpg")
im2 = im.crop((0, 0, 50, 50))
im2.show()
<12> 图像拷贝：im.copy() —— 深拷贝
"""
函数说明： copy(image)
参数说明： image：拷贝图像；
"""
from PIL import Image
im = Image.open("大黄蜂.jpg")
im_copy = im.copy()
im_copy.show()
<13> 图像粘贴：im.paste() —— 可以将两张图叠加在一起
"""
函数说明： im.paste(image, box=None, mask=None)
参数说明：
（1）image：指被粘贴的图像；
（2）box：指定图像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。
备注1：长度为 2 时，表示具体的某一点 (x, y)。
备注2：长度为 4 时，表示具体的粘贴的区域，此时区域的大小必须要和被粘贴的图像大小保持一致。
（3）mask：（可选参数），为图片添加蒙版效果。
"""
from PIL import Image
im = Image.open("starry_night.jpg")
im1 = Image.open("大黄蜂.jpg")
im_copy = im1.copy() # 图像拷贝
im_crop = im_copy.crop((0, 0, 200, 100)) # 图像裁剪
# 创建一个新的图像作为蒙版，L模式，单颜色值
image_new = Image.new('L', (200, 100), 200)
# 将裁剪后的副本粘贴至副本图像上，并添加蒙版
im.paste(im_crop, (100, 100, 300, 200), mask=image_new) # 图像粘贴
im.show()
<14> 图像几何变换（翻转）：im.transpose()
"""
函数说明： im.transpose(method)
常见方法：
（1）Image.FLIP_LEFT_RIGHT：左右水平翻转；
（2）Image.FLIP_TOP_BOTTOM：上下垂直翻转；
（3）Image.ROTATE_90：图像旋转 90 度；
（4）Image.ROTATE_180：图像旋转 180 度；
（5）Image.ROTATE_270：图像旋转 270 度；
（6）Image.TRANSPOSE：图像转置；
（7）Image.TRANSVERSE：图像横向翻转。
"""
from PIL import Image
import matplotlib.pyplot as plt
im = Image.open("starry_night.jpg")
im1 = im.transpose(Image.FLIP_LEFT_RIGHT)
im2 = im.transpose(Image.FLIP_TOP_BOTTOM)
im3 = im.transpose(Image.ROTATE_90)
im4 = im.transpose(Image.ROTATE_180)
im5 = im.transpose(Image.ROTATE_270)
im6 = im.transpose(Image.TRANSPOSE)
im7 = im.transpose(Image.TRANSVERSE)
############################################################
# 绘图
im_list = [im, im1, im2, im3, im4, im5, im6, im7]
for i, j in enumerate(im_list):
plt.subplot(2, 4, i+1)
plt.title(['raw', 'Image.FLIP_LEFT_RIGHT', 'Image.FLIP_TOP_BOTTOM', 'Image.ROTATE_90', 'Image.ROTATE_180', 'Image.ROTATE_270', 'Image.TRANSPOSE', 'Image.TRANSVERSE'][i])
plt.axis('off')
plt.imshow(j)
plt.show()
"""
plt.subplot(421), plt.imshow(im), plt.title('raw_image'), plt.axis('off')
plt.subplot(422), plt.imshow(im1), plt.title('Image.FLIP_LEFT_RIGHT'), plt.axis('off')
plt.subplot(423), plt.imshow(im2), plt.title('Image.FLIP_TOP_BOTTOM'), plt.axis('off')
plt.subplot(424), plt.imshow(im3), plt.title('Image.ROTATE_90'), plt.axis('off')
plt.subplot(425), plt.imshow(im4), plt.title('Image.ROTATE_180'), plt.axis('off')
plt.subplot(426), plt.imshow(im5), plt.title('Image.ROTATE_270'), plt.axis('off')
plt.subplot(427), plt.imshow(im6), plt.title('Image.TRANSPOSE'), plt.axis('off')
plt.subplot(428), plt.imshow(im7), plt.title('Image.TRANSVERSE'), plt.axis('off')
plt.show()
"""
<15> 图像几何变换（旋转）：im.rotate()
"""
函数说明： im.rotate(angle, resample=PIL.Image.NEAREST, expand=None, center=None, translate=None, fillcolor=None)
参数说明：
（1）angle：表示任意旋转的角度；
（2）resample：重采样滤波器，默认为 PIL.Image.NEAREST 最近邻插值方法；
（3）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；
（4）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；
（5）translate：表示对旋转后的图像进行平移。参数值为二元组，以左上角为原点；可以为负数
（6）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。
"""
from PIL import Image
im = Image.open("starry_night.jpg")
im_out = im.rotate(angle=30, translate=(0, -25), fillcolor="green")
im_out.show()
<16> 图像几何变换（形状变换）：im.transform()
"""
函数说明： im.transform(size, method, data=None, resample=0)
参数说明：
（1）size：指定变换后的图像尺寸；
（2）method：指定图像的变化方式。比如：Image.EXTENT 表示矩形变换；
（3）data：截取原图像的区域
（4）resample：图像重采样滤波器，默认参数值为 PIL.Image.NEAREST。
"""
from PIL import Image
im = Image.open("starry_night.jpg")
im_out = im.transform((500, 500), Image.EXTENT, data=[0, 0, 100 + im.width//2, im.height//3])
im_out.show()
<17> 图像降噪处理：ImageFilter —— 集成多种滤波器（17种）
常见的降噪滤波器如下表：官网Fillow：对每个滤波器的详细定义
| 函数 | 说明 |
|---|---|
from PIL import ImageFilter |
\ |
| – | – |
| ImageFilter.BLUR | 模糊滤波（均值滤波） |
| ImageFilter.CONTOUR | 轮廓滤波（寻找图像轮廓信息） |
| ImageFilter.DETAIL | 细节滤波（使得图像细节更加明显） |
| ImageFilter.FIND_EDGES | 寻找边界滤波（找寻图像的边界信息） |
| ImageFilter.EMBOSS | 浮雕滤波（以浮雕图的形式显示图像） |
| ImageFilter.EDGE_ENHANCE | 边界增强滤波（突出、加强和改善图像中不同灰度区域之间的边界和轮廓的图像增强方法。） |
| ImageFilter.EDGE_ENHANCE_MORE | 深度边缘增强滤波（使得图像中边缘部分更加明显） |
| ImageFilter.SMOOTH | 平滑滤波（突出图像的宽大区域、低频成分、主干部分或抑制图像噪声和干扰高频成分，使图像亮度平缓渐变，减小突变梯度，改善图像质量。） |
| ImageFilter.SMOOTH_MORE | 深度平滑滤波（使得图像变得更加平滑） |
| ImageFilter.SHARPEN | 锐化滤波（补偿图像的轮廓,增强图像的边缘及灰度跳变的部分） |
| ImageFilter.GaussianBlur() | 高斯模糊 |
| ImageFilter.UnsharpMask() | 反锐化掩码滤波 |
| ImageFilter.Kernel() | 卷积核滤波：Kernel(size,kernel, scale=None, offset=0)。（1）当前版本，size必须为(3,3)或者(5,5)。kernel必须对应为9个或者25个整数或者浮点数的序列。如：Kernel((3,3),(1,1,1,0,0,0,2,0,2)。（2）scale：将卷积核作用于每个像素值之后的数据，都需要除以这个变量。默认值为卷积核的权重之和。（3）offset：将该值加到卷积核作用的结果上，然后再除以变量scale。 |
| ImageFilter.MinFilter(num) | 最小值滤波器，从 size=num x num 参数指定的区域中选择最小像素值，然后将其存储至输出图像中。 |
| ImageFilter.MedianFilter(num) | 中值滤波器，从 size=num x num参数指定的区域中选择中值像素值，然后将其存储至输出图像中。（特别是消除椒盐噪声，中值滤波的效果要比均值滤波更好） |
| ImageFilter.MaxFilter(num) | 最大值滤波器，从 size=num x num参数指定的区域中选择最大值像素值，然后将其存储至输出图像中。 |
| ImageFilter.ModeFilter(num) | 模式滤波，从 size=num x num参数指定的区域中拷贝出现次数最多的像素值存储到输出图像中。如果没有一个像素值出现过两次极其以上,则使用原始像素值。 |
from PIL import Image, ImageFilter
import matplotlib.pyplot as plt
im = Image.open("大黄蜂.jpg")
im1 = im.filter(ImageFilter.BLUR)
im2 = im.filter(ImageFilter.CONTOUR)
im3 = im.filter(ImageFilter.DETAIL)
im4 = im.filter(ImageFilter.FIND_EDGES)
im5 = im.filter(ImageFilter.EMBOSS)
im6 = im.filter(ImageFilter.EDGE_ENHANCE)
im7 = im.filter(ImageFilter.EDGE_ENHANCE_MORE)
im8 = im.filter(ImageFilter.SMOOTH)
im9 = im.filter(ImageFilter.SMOOTH_MORE)
im10 = im.filter(ImageFilter.SHARPEN)
im11 = im.filter(ImageFilter.GaussianBlur())
im12 = im.filter(ImageFilter.UnsharpMask())
im13 = im.filter(ImageFilter.Kernel((3,3),(1,1,1,0,0,0,2,0,2)))
im14 = im.filter(ImageFilter.MinFilter(3))
im15 = im.filter(ImageFilter.MedianFilter(3))
im16 = im.filter(ImageFilter.MaxFilter(3))
im17 = im.filter(ImageFilter.ModeFilter())
############################################################
# 绘图
im_list = [im, im1, im2, im3, im4, im5, im6, im7, im8, im9, im10, im11, im12, im13, im14, im15, im16, im17]
for i, j in enumerate(im_list):
plt.subplot(4, 5, i+1)
plt.title(['raw', 'ImageFilter.BLUR', 'ImageFilter.CONTOUR', 'ImageFilter.DETAIL', 'ImageFilter.FIND_EDGES', 'ImageFilter.EMBOSS', 'ImageFilter.EDGE_ENHANCE', 'ImageFilter.EDGE_ENHANCE_MORE', 'ImageFilter.SMOOTH', 'ImageFilter.SMOOTH_MORE', 'ImageFilter.SHARPEN', 'ImageFilter.GaussianBlur', 'ImageFilter.UnsharpMask', 'ImageFilter.Kernel', 'ImageFilter.MinFilter', 'ImageFilter.MedianFilter', 'ImageFilter.MaxFilter', 'ImageFilter.ModeFilter'][i])
plt.axis('off')
plt.imshow(j)
plt.show()
"""
plt.subplot(4,5,1), plt.imshow(im), plt.title('raw_image'), plt.axis('off')
plt.subplot(4,5,2), plt.imshow(im1), plt.title('ImageFilter.BLUR'), plt.axis('off')
plt.subplot(4,5,3), plt.imshow(im2), plt.title('ImageFilter.CONTOUR'), plt.axis('off')
plt.subplot(4,5,4), plt.imshow(im3), plt.title('ImageFilter.DETAIL'), plt.axis('off')
plt.subplot(4,5,5), plt.imshow(im4), plt.title('ImageFilter.FIND_EDGES'), plt.axis('off')
plt.subplot(4,5,6), plt.imshow(im5), plt.title('ImageFilter.EMBOSS'), plt.axis('off')
plt.subplot(4,5,7), plt.imshow(im6), plt.title('ImageFilter.EDGE_ENHANCE'), plt.axis('off')
plt.subplot(4,5,8), plt.imshow(im7), plt.title('ImageFilter.EDGE_ENHANCE_MORE'), plt.axis('off')
plt.subplot(4,5,9), plt.imshow(im8), plt.title('ImageFilter.SMOOTH'), plt.axis('off')
plt.subplot(4,5,10), plt.imshow(im9), plt.title('ImageFilter.SMOOTH_MORE'), plt.axis('off')
plt.subplot(4,5,11), plt.imshow(im10), plt.title('ImageFilter.SHARPEN'), plt.axis('off')
plt.subplot(4,5,12), plt.imshow(im11), plt.title('ImageFilter.GaussianBlur'), plt.axis('off')
plt.subplot(4,5,13), plt.imshow(im12), plt.title('ImageFilter.UnsharpMask'), plt.axis('off')
plt.subplot(4,5,14), plt.imshow(im13), plt.title('ImageFilter.Kernel'), plt.axis('off')
plt.subplot(4,5,15), plt.imshow(im14), plt.title('ImageFilter.MinFilter'), plt.axis('off')
plt.subplot(4,5,16), plt.imshow(im15), plt.title('ImageFilter.MedianFilter'), plt.axis('off')
plt.subplot(4,5,17), plt.imshow(im16), plt.title('ImageFilter.MaxFilter'), plt.axis('off')
plt.subplot(4,5,18), plt.imshow(im17), plt.title('ImageFilter.ModeFilter'), plt.axis('off')
plt.show()
"""
<18> 图像像素增强：ImageEnhance —— 对选择的属性增强N倍（颜色平衡、对比度、亮度、锐度）
常见的降噪滤波器如下表：
| 函数 | 说明 |
|---|---|
from PIL import ImagEnhance |
\ |
| – | – |
| ImageEnhance.Color(im).enhance(N) | 调整图像的颜色平衡 |
| ImageEnhance.Contrast(im).enhance(N) | 调整图像的对比度 |
| ImageEnhance.Brightness(im).enhance(N) | 调整图像的亮度 |
| ImageEnhance.Sharpness(im).enhance(N) | 调整图像的锐度 |
from PIL import Image, ImageEnhance
import matplotlib.pyplot as plt
im = Image.open("大黄蜂.jpg")
im1 = ImageEnhance.Color(im).enhance(2)
im2 = ImageEnhance.Contrast(im).enhance(2)
im3 = ImageEnhance.Brightness(im).enhance(2)
im4 = ImageEnhance.Sharpness(im).enhance(8)
############################################################
# 绘图
im_list = [im, im1, im2, im3, im4]
for i, j in enumerate(im_list):
plt.subplot(2, 3, i+1)
plt.title(['raw', 'ImageEnhance.Color', 'ImageEnhance.Contrast', 'ImageEnhance.Brightness', 'ImageEnhance.Sharpness'][i])
plt.axis('off')
plt.imshow(j)
plt.show()
"""
plt.subplot(2,3,1), plt.imshow(im), plt.title('raw_image'), plt.axis('off')
plt.subplot(2,3,2), plt.imshow(im1), plt.title('ImageEnhance.Color'), plt.axis('off')
plt.subplot(2,3,3), plt.imshow(im2), plt.title('ImageEnhance.Contrast'), plt.axis('off')
plt.subplot(2,3,4), plt.imshow(im3), plt.title('ImageEnhance.Brightness'), plt.axis('off')
plt.subplot(2,3,5), plt.imshow(im4), plt.title('ImageEnhance.Sharpness'), plt.axis('off')
plt.show()
"""
<19> 绘制图形：ImageDraw.Draw() —— 添加文字 + 绘制点、直线、矩形、多边形、椭圆、圆弧、弦、饼图
| 方法 | 说明 |
|---|---|
draw = ImageDraw.Draw(im) |
新建 ImageDraw 绘图对象，参数 im 表示 Image 对象 |
| – | – |
draw.text(xy=(x,y), "text", font, fill=None) |
绘制文字。（1）(x,y)：起始坐标位置，以图像左上角为坐标原点；（2）text：字符串格式，要添加的文本内容；（3）font：ImageFont 对象；（4）fill：填充色。 |
draw.point(xy=(x,y), fill=None) |
绘制点。（1）(x,y)：起始坐标位置，以图像左上角为坐标原点；（2）fill：填充色。 |
draw.line(xy=(x1, y1, x2, y2), fill=None, width=None) |
绘制直线。（1）(x,y)：左上角和右下角位置，以图像左上角为坐标原点；（2）fill：填充色。（3）边框宽度 |
draw.rectangle(xy=(x1, y1, x2, y2), fill=None, outline=None, width=None) |
绘制矩形。（1）xy：左上角和右下角位置，以图像的左上角为坐标原点；（2）fill：填充色；（3）outline：边框颜色。（4）边框宽度 |
draw.polygon(xy=(x1, y1, x2, y2), fill=None, outline=None, width=None) |
绘制多边形。（1）xy：左上角和右下角位置，以图像的左上角为坐标原点；（2）fill：填充色；（3）outline：边框颜色；（4）边框宽度 |
draw.eclipse(xy=(x1, y1, x2, y2), fill=None, outline=None, width=None) |
绘制椭圆形。（1）xy：左上角和右下角位置，以图像的左上角为坐标原点；（2）fill：填充色；（3）outline：边框颜色；（4）边框宽度 |
draw.arc(xy=(x1, y1, x2, y2), start, end, fill=None, width=None) |
绘制圆弧。（1）xy：左上角和右下角位置，以图像的左上角为坐标原点；（2）start：开始点；（3）end：结束点；（4）fill：填充色；（5）边框宽度 |
draw.chord(xy=(x1, y1, x2, y2), start, end, fill=None, outline=None, width=None) |
绘制弦。（1）xy：左上角和右下角位置，以图像的左上角为坐标原点；（2）start：开始点；（3）end：结束点；（4）fill：填充色；（5）outline：边框颜色；（6）边框宽度 |
draw.pieslice(xy=(x1, y1, x2, y2), start, end, fill=None, outline=None, width=None) |
绘制饼图。（1）xy：左上角和右下角位置，以图像的左上角为坐标原点；（2）start：开始点；（3）end：结束点；（4）fill：填充色；（5）outline：边框颜色；（6）边框宽度 |
"""
函数说明： ImageColor.getrgb(color)
参数说明： 一个颜色名称，字符串格式，可以是颜色的英文单词，或者十六进制颜色名。如果是不支持的颜色，会报 ValueError 错误；
备注：该模块支持不同格式的颜色，比如 RGB 格式的颜色三元组、十六进制的颜色名称（#ff0000）以及颜色英文单词（"red"）。
"""
from PIL import Image, ImageDraw, ImageFont
im = Image.new('RGB', (600, 600), color='gray') # 创建 Image 对象，当做背景图
draw = ImageDraw.Draw(im) # 创建 ImageDraw 对象
######################################################################
# 绘制文字
font = ImageFont.truetype('C:/Windows/Fonts/msyh.ttc', size=25) # 加载计算机本地字体文件
draw.text(xy=(200, 200), text='胖墩会武术', fill=(255, 0, 0), font=font) # 在原图像上添加文本
"""
函数说明： font = ImageFont.truetype(font, size)
参数说明：
（1）font:指定的字体格式文件路径，字符串格式。如：TrueType 和 OpenType 类型的字体
（2）size:字体大小
"""
######################################################################
# 绘制点 —— 点的pixel为1，若觉得太小可以使用绘制圆来替代
draw.point(((400, 250), (400, 200), (400, 220)), fill=(255, 255, 0))
###################################
# 绘制直线
draw.line(((5,5), (5,100)), fill=(255,0,0), width=5)
###################################
# 绘制矩形
draw.rectangle(((10,10), (50,50)), fill=(0,255,0), outline=(255,0,0))
# 绘制正方形
draw.rectangle(((50,50), (100,100)), fill=None, outline=(0,0,255), width=5)
# 绘制多边形
draw.polygon(((400, 400), (350, 380), (420, 350)), fill=(255, 255, 0), outline=(0, 0, 0))
###################################
# 绘制椭圆形
draw.ellipse(((100, 100), (120, 150)), fill=(0, 255, 0), outline=(255, 0, 0))
# 绘制圆形
draw.ellipse(((250, 250), (300, 300)), fill=None, outline=(0, 0, 255), width=5)
# 绘制圆弧
draw.arc((25, 50, 175, 200), start=30, end=270, fill=(255, 255, 0))
# 绘制弦
draw.chord((225, 50, 375, 200), start=30, end=270, fill=(255, 255, 0), outline=(0, 0, 0))
# 绘制饼图
draw.pieslice((425, 50, 575, 200), start=30, end=270, fill=(255, 255, 0), outline=(0, 0, 0))
im.show()
（20）获取 RGB 值：ImageColor.getrgb()
RGB 色彩模式、HSL （色调-饱和度-明度）、HSB （又称 HSV，色调-饱和度-亮度）。
下面对 HSL 做简单介绍：
- H：即 Hue 色调，取值范围 0 -360，其中 0 表示红色（red），120 表示绿色（green），240 表示蓝色（blue）；
- S：即 Saturation 饱和度，代表色彩的纯度，取值 0~100%，其中 0 代表灰色（gry），100% 表示色光最饱和；
- L：即 Lightness 明度，取值为 0~100%，其中 0 表示黑色（black），50% 表示正常颜色，100% 则表示白色。
"""
函数说明： ImageColor.getrgb(color)
参数说明： 一个颜色名称，字符串格式，可以是颜色的英文单词，或者十六进制颜色名。如果是不支持的颜色，会报 ValueError 错误；
备注：该模块支持不同格式的颜色，比如 RGB 格式的颜色三元组、十六进制的颜色名称（#ff0000）以及颜色英文单词（"red"）。
"""
from PIL import Image, ImageColor
color1 = ImageColor.getrgb("blue")
color2 = ImageColor.getrgb('#DCDCDC')
color3 = ImageColor.getrgb('HSL(0, 100%, 50%)') # 使用HSL模式红色
print(color1) # (0, 0, 255)
print(color2) # (220, 220, 220)
print(color3) # (255, 0, 0)
（21）获取颜色值：ImageColor.getcolor()
"""
函数说明： ImageColor.getcolor(color, mode)
参数说明：
（1）color：一个颜色名称，字符串格式，可以是颜色的英文单词，或者十六进制颜色名。如果是不支持的颜色，会报 ValueError 错误；
（2）mode：指定色彩模式，如果是不支持的模式，会报 KeyError 错误。
备注：该模块支持不同格式的颜色，比如 RGB 格式的颜色三元组、十六进制的颜色名称（#ff0000）以及颜色英文单词（"red"）。
"""
from PIL import Image, ImageColor
color4 = ImageColor.getcolor('#EEA9B8','L')
color5 = ImageColor.getcolor('yellow','RGBA')
print(color4) # 191
print(color5) # (255, 255, 0, 255)
（22）ndarray数组与图像之间的相互转换：np.array + Image.fromarray
ndarray 是 NumPy 中的数组类型，也称为 ndarray 数组，该数组可以与 Pillow 的 PIL.Image 对象实现相互转化。
from PIL import Image
import numpy as np
img = Image.open("C:/Users/pc/Desktop/1.png")
img_2 = np.array(img) # Image图像转换为ndarray数组
arr_img = Image.fromarray(img_2) # ndarray转换为Image图像
arr_img.show()
（23）读取序列图像： seek() + tell() 、ImageSequence()
Pillow 库也包含对图像序列（动画格式）的一些基本支持。支持的序列格式文件包括：GIF、TIFF 和 FLI 等等。当加载序列图像时，默认加载的是第一帧。
- 方法一：除使用 seek() 方法读取图像序列外，ImageSequence 模块还提供了 for 循环迭代遍历图像序列的方法。你可以使用 seek() 和 tell() 方法访问不同的帧。
from PIL import Image
import matplotlib.pyplot as plt
fname = r'C:\Users\my\Desktop\image\my.gif'
im = Image.open(fname)
im_list = [im.copy()]
try:
while True:
im.seek(im.tell()+1)
im_list.append(im.copy())
except EOFError:
pass
#################################################
# 绘图
for i, j in enumerate(im_list):
plt.subplot(1, 4, i+1)
plt.title(str(i+1))
plt.axis('off')
plt.imshow(j)
plt.show()
- 方法二：除使用 seek() 方法读取图像序列外，ImageSequence 模块还提供了 for 循环迭代遍历图像序列的方法。
from PIL import Image, ImageSequence
import matplotlib.pyplot as plt
fname = r'C:\Users\my\Desktop\image\my.gif'
im = Image.open(fname)
im_list = []
for frame in ImageSequence.Iterator(im):
im_list.append(frame.copy())
##############################################
# 绘图
for i, j in enumerate(im_list):
plt.subplot(1, 4, i+1)
plt.title(str(i+1))
plt.axis('off')
plt.imshow(j)
plt.show()
应用一：批量修改图像尺寸
import os
from PIL import Image
# 若文件夹不存在，则新建：NewImage
if not os.path.exists('C:/Users/pc/Desktop/NewImage/'):
os.mkdir('C:/Users/pc/Desktop/NewImage/')
fileName = os.listdir('C:/Users/pc/Desktop/image01/') # 指定图像的文件夹：image01
for img in fileName:
raw_image = Image.open('C:/Users/pc/Desktop/image01/' + img)
new_image = raw_image.resize((350, 350), Image.BILINEAR)
new_image.save('C:/Users/pc/Desktop/NewImage/'+img)
应用二：图像添加水印：ImageDraw + ImageFont
即在原图上添加自定义的字体
from PIL import Image, ImageFont, ImageDraw
def creating_watermark(im, text, font):
# 给水印添加透明度，因此需要转换图片的格式
im_rgba = im.convert('RGBA')
im_text_canvas = Image.new('RGBA', im_rgba.size, (255, 255, 255, 0))
draw = ImageDraw.Draw(im_text_canvas)
text_x_width, text_y_height = draw.textsize(text, font=font) # 设置文本文字大小
text_xy = (im_rgba.size[0] - text_x_width, im_rgba.size[1] - text_y_height)
draw.text(text_xy, text, font=font, fill=(0, 125, 125)) # 设置文本
im_text = Image.alpha_composite(im_rgba, im_text_canvas) # 将原图片与文字复合
return im_text
image = Image.open("大黄蜂.jpg")
font1 = ImageFont.truetype('C:/Windows/Fonts/msyh.ttc', size=100)
image_water = creating_watermark(image, '胖墩会武术', font=font1)
image_water.show()
应用三：生成GIF动态图
以第一张图片作为开始，将多张连续图像合并成 gif 动态图
import os
import random
from PIL import Image
def png_to_gif(png_path, gif_name):
"""png合成gif图像：保存图像的文件夹路径, gif保存路径"""
frames = []
png_files = os.listdir(png_path)
print(png_files)
# 读取文件内的静态图
for frame_id in range(1, len(png_files)+1):
frame = Image.open(os.path.join(png_path, 'image%d.jpg'%frame_id))
frames.append(frame)
frames[0].save(gif_name, save_all=True, append_images=frames[1:], transparency=0, duration=2000, loop=0, disposal=2)
# 函数作用：以第一张图片作为开始，将后续5张图片合并成 gif 动态图
# 参数说明：
# save_all 保存图像;
# transparency 设置透明背景色;
# duration 单位毫秒，动画持续时间。
# loop=0 无限循环;
# disposal=2 恢复原背景颜色。
# 注意：Pillow 总是以灰度模式（L）或调色板模式（P）来读取 GIF 文件。
png_to_gif("C:/Users/pc/Desktop/image", 'C:/Users/pc/Desktop/t.gif')