Python图像处理教程(Pillow)1位图简介

前言

本教程介绍使用Pillow库进行图像处理的基础知识。阅读本书后，你应该能够创建Python程序来读取、写入和处理图像。

本教程针对希望学习Python图像处理者。不需要任何图像处理知识，但如果有处理图像数据的经验会更佳。

本教程假定你有Python的基本，但所有的例子都有充分的解释，并没有使用任何高级语言特性。

简介

本教程使用Pillow 9.3.0版和Python 3.10版来介绍Python中的位图。它分为两个部分。

位图图像

介绍位图一些重要概念，包括颜色表示、像素数据模型、图像压缩、文件格式和元数据。

Pillow库

Python Pillow成像库的详细教程，它是最流行的Python图像库之一。

1位图简介

本章将介绍什么是位图图像的基本知识。后面的章节将介绍。

1.1 什么是位图图像？

你在网上看到的几乎所有图像都是位图图像，它又名光栅图像，或像素图像。

位图是由像素构成的--它们可以被认为是构成图像的微小彩色方块。

1.2空间采样

真实世界的场景几乎有无限的细节。位图图像的细节是有限的。相机会把场景转换成像素阵列。每个像素代表图像的一小部分。

如果分辨率搞，我们就无法区分个体，而图像看起来与实际场景相似。

在实践中，在40厘米的观察距离上，眼睛可以分辨出相距约0.1毫米的物体。因此一张纸上画有两条相距0.1毫米的细线。如果你把纸拿在离你脸40厘米的地方，假设你有正常的视力，你可能刚好能看到有两条独立的线。再远一点，它们就会看起来像一条线了。

如果你想在页面上打印图像，使眼睛无法看到单个像素，你的目标应该是每毫米10像素（约每英寸250像素）或更高的像素分辨率。因此，对于一张15厘米×10厘米的打印照片，你希望图像的分辨率至少为1500×1000像素。这将是一个150万像素（MP）的图像。

在现实中，你可能会想要比这更高的分辨率。

打印更大的照片。
裁剪照片，只显示主题。

大多数现代数码相机支持600万像素或更高的像素。

高像素尺寸并不总是像它们看起来那样有用。

对于打印非常大的图像，如海报，它们通常是从40厘米以上的地方看的，所以没有必要有0.1毫米的空间分辨率。

在非常高的分辨率下，相机抖动等因素会使图像模糊，因此，如果没有非常牢固的三脚架，拍摄非常高的分辨率的照片就没有什么意义。

1.3 颜色表示

位图图像中的每个像素都有特定的颜色。我们可以用各种方式在图像中表示一种颜色。

最常见的方式是将颜色表示为三个独立的部分，即构成颜色的红、绿、蓝光的数量。正如我们将看到的，这是基于人眼对颜色的感知方式。然而，我们有时也会使用其他的方法，包括。

CMYK：用于表示印刷的颜色。
HSL--在艺术和设计中作为一种直观的方式来选择相关颜色。
感知性色彩空间，如CieLAB，用于创造非常精确的色彩。

我们需要多精确地表示图像中的每种颜色。作为一个粗略的经验法则，我们可以检测到大约1%的颜色变化。大多数现代系统每通道使用8比特（例如，在0和255之间的三个整数来存储红、绿和蓝的值）。这提供了一个优于0.5%的精度，这对大多数用途来说是足够的。

一些图像格式使用较少或较多的比特来存储数据，所以了解不同的格式是很有用的。

计算机系统无法捕捉或显示现实世界中的全部颜色，尤其是颜色强度。我们可能会遇到太阳的全部光亮或深山洞穴的完全黑暗。在电脑显示器上不可能复制这种强度范围，而在电脑打印件上复制的可能性就更小。打印机不可能创造出比纸张本身更亮的东西，也不可能创造出更暗的东西。

撇开强度不谈，许多自然色彩太过纯粹和鲜艳，无法通过屏幕或打印机准确再现。我们只能在电脑上对它们进行近似的处理。

1.4 文件格式

图像数据通常非常大，所以许多文件格式支持数据压缩。所有文件格式都支持元数据。

元数据是关于其他数据的数据，用于在图像文件中描述图像数据的额外信息。这可以从最基本的信息（如图像尺寸和颜色类型）一直到关于拍摄图像时使用的相机设置的高度详细的信息。每种格式都有一套不同的功能。

现在最流行的格式是：

用于摄影图像的JPEG格式：

因为它支持一种非常有效的有损压缩形式，在照片中效果良好。

PNG格式用于图表和标志：

它支持非常有效的无损压缩形式，在人工图像中效果很好。

GIF格式：

它不怎么用于普通图像，但有一个独特的功能，即支持简单的动画，这使它对某些网页很有用。

TIFF格式：

主要用于专业打印应用。它是一种能力很强的格式，支持大量的数据类型、压缩方案和元数据，但它也相当复杂，所以不被浏览器支持。

还有许多其他文件类型，特别是像图标这样的小文件，因为它们很小，所以不需要复杂的压缩。它们通常是针对特定的操作系统或软件类型的。

1.5 矢量图像

存储图像数据的另一种方法是使用矢量格式。在矢量图像中，图像不是以像素形式存储。相反，它被存储为一组形状的数学定义。矢量图像本质上是线条、矩形、圆形和其他形状的列表。它定义了每个形状的确切尺寸、位置和颜色，通常是人类可读的文本。

要查看矢量图像，首先必须进行渲染，也就是说，通过绘制每个形状，将其转换为位图。这个过程通常是高度优化的。

矢量图像的优点是。

文件大小通常比同等的位图图像小得多。
图像可以在任何分辨率下呈现，因为每个形状的准确位置都被储存起来。你几乎可以无限放大图像，它仍然有完美的边缘。
图像中的单个形状可以被编辑。

缺点：

图像在显示前必须进行渲染，这比简单的位图需要更多的处理能力。
可能存在兼容性问题。由于格式通常比较复杂，出错的方式也比较多。
它只适用于人工图像（图表、文本文件等），你无法有效地将自然照片储存在矢量格式中。

知名的矢量格式有SVG、PDF和PostScript等。

参考资料

本文涉及的python测试开发库谢谢点赞！
本文相关海量书籍下载