Python图像处理库PIL的ImageOps模块介绍

（Newin 1.1.3）ImageOps模块包含了一些“ready-made”的图像处理操作。这个模块somewhatexperimental，大多数操作只工作在L和RGB图像上。

一、ImageOps模块的函数

1、  Autocontrast

定义：ImageOps.autocontrast(image, cutoff=0)⇒ image

含义：最大图像对比度。这个函数计算一个输入图像的直方图，从这个直方图中去除最亮和最暗的百分之cutoff，然后重新映射图像，以便保留的最暗像素变为黑色，即0，最亮的变为白色，即255。

例子：

>>> from PIL import Image, ImageOps
>>> im02 = Image.open("D:\\Code\\Python\\test\\img\\test02.jpg")
>>> im = ImageOps.autocontrast(im02, 20)

在图像im02中，去掉了原来直方图中最暗和最亮的各20%，剩下的像素值然后再映射到[0，255]的颜色空间上。

图像im如下：

                             

2、  Colorize

定义：ImageOps.colorize(image, black, white)⇒ image

含义：使得灰色图像变成彩色图像。变量black和white应该是RGB元组或者颜色名称。这个函数会计算出一个颜色值，使得源图像中的所有黑色变成第一种颜色，所有白色变成第二种颜色。变量image的模式必须为“L”。

例子：

>>> from PIL import Image, ImageOps
>>> im02 = Image.open("D:\\Code\\Python\\test\\img\\test02.jpg")
>>> r,g,b = im02.split()
>>> r.mode
'L'
>>> im_r = ImageOps.colorize(r, "green", "blue")
>>> im_b = ImageOps.colorize(b, (255, 0, 0), (0, 255, 0))
>>> im_g = ImageOps.colorize(g, (255, 0, 0), "blue")

图像im_r是图像im02中的R分量，通过函数colorize()，将其黑色像素转换为绿色，白色像素转换为蓝色。其效果如下：

 

图像im_g如下：

 

图像im_b如下：

 

3、  Crop

定义：ImageOps.crop(image, border=0)⇒ image

含义：从图像的四个边去掉变量border定义的四元组对应的行/列。这个函数对所有图像模式有效。

例子：

>>> from PIL import Image, ImageOps
>>> im02 = Image.open("D:\\Code\\Python\\test\\img\\test02.jpg")
>>> im0 = ImageOps.crop(im02, (0,0,400,300))
>>> im1 = ImageOps.crop(im02, (100,100,400,300))
>>> im2 = ImageOps.crop(im02, (200,100,400,300))
>>> im02.size
(1024, 768)
>>> im0.size
(624, 468)
>>> im1.size
(524, 368)
>>> im2.size
(424, 368)

通过实验发现，变量border的四元组定义了左，上，右，下四个边上需要去掉的行/列数。图像im2对应的border为(200,100,400,300)，即在图像im02的基础上，左边去掉200列，上面去掉100行，右侧去掉400列，下面去掉300行。最后图像im2的size为424x368。

图像im0如下：

 

图像im1如下：

 

图像im2如下：

 

4、  Deform

定义：ImageOps.deform(image, deformer, filter=Image.BILINEAR)⇒ image

含义：使用给定的变形器对象改变图像。变形器需要提供一个getmesh()方法，它返回一个MESH列表适应图像transform方法。

例子：

暂时不清楚如何使用该函数。

5、  Equalize

定义：ImageOps.equalize(image)⇒ image

含义：均衡图像的直方图。该函数使用一个非线性映射到输入图像，为了产生灰色值均匀分布的输出图像。

例子：

>>> from PIL importImage, ImageOps

>>> im02 =Image.open("D:\\Code\\Python\\test\\img\\test02.jpg")

>>> im =ImageOps.equalize(im02)

图像im02直方图均衡后的效果如图像im所示：

 

6、  Expand

定义：ImageOps.expand(image, border=0, fill=0)⇒ image

含义：

例子：

>>> from PIL import Image,ImageOps

>>> im02 =Image.open("D:\\Code\\Python\\test\\img\\test02.jpg")

>>> im =ImageOps.expand(im02, (50,100,200,300), fill="red")

>>> im.size

(1274, 1168)

该函数与crop()函数正好相反，它按照变量border的四元组，在图像的左、上、右、下四个边，使用给定的颜色填充相应的行和列。

图像im为图像im02扩充之后的图像，其size变成了1274x1168。图像im如下：

 

7、  Fit

定义：ImageOps.fit(image, size, method, bleed, centering)⇒ image

含义：返回一个指定大小的裁剪过的图像。该图像被裁剪到指定的宽高比和尺寸。变量size是要求的输出尺寸，以像素为单位，是一个（宽，高）元组。

变量method是用于重采样的方法。默认值为Image.NEAREST。

变量bleed允许用户去掉图像的边界（图像四个边界）。这个值是一个百分比数（0.01表示百分之一）。默认值是0（没有边界）。

变量centering用于控制裁剪位置。(0.5,0.5)是裁剪中心（例如，如果裁剪宽度，裁掉左侧50%（右侧50%），顶/底一样）。

(0.0,0.0)将从左上角开始裁剪（例如，如果裁剪宽度，将从右边裁剪掉所要裁剪的部分；如果裁剪高度，将从底部裁剪掉所要裁剪的部分）。

(1.0,0.0)将从左下角开始裁剪。（如果裁剪宽度，将从左边裁剪掉所要裁剪的部分；如果裁剪高度，将从底部裁剪掉所要裁剪的部分）

例子：

>>> from PIL import Image, ImageOps
>>> im02 = Image.open("D:\\Code\\Python\\test\\img\\test02.jpg")
>>> im0 = ImageOps.fit(im02, (500,300), Image.BICUBIC, 0.1, (0.0,0.0))
>>> im1 = ImageOps.fit(im02, (500,300), Image.BICUBIC, 0.1, (1.0,1.0))
>>> im2 = ImageOps.fit(im02, (500,300), Image.BICUBIC, 0.1, (0.0,1.0))
>>> im3 = ImageOps.fit(im02, (500,300), Image.BICUBIC, 0.1, (1.0,0.0))

从实验结果看，图像im0/im3是从底部开始裁剪，而图像im1/2是从顶部开始裁剪。它们的size均为500x300。

图像im0如下：

图像im1如下：

图像im2如下：

图像im3如下：

8、  Flip

定义：ImageOps.flip(image)⇒ image

含义：输出图像为输入图像在垂直方向的镜像（顶部跟底部对调）。

例子：

>>> from PIL importImage, ImageOps

>>> im02= Image.open("D:\\Code\\Python\\test\\img\\test02.jpg")

>>> im= ImageOps.flip(im02)

图像im为图像02垂直方向的镜像，图像im如下：

9、  Grayscale

定义：ImageOps.grayscale(image)⇒ image

含义：将输入图像转换为灰色图像。

例子：

>>>from PIL import Image, ImageOps

>>>im02 = Image.open("D:\\Code\\Python\\test\\img\\test02.jpg")

>>> im= ImageOps.grayscale(im02)

>>>im.mode

'L'

图像im为图像02对应的灰色图像，图像im如下：

10、             Invert

定义：ImageOps.invert(image)⇒ image

含义：将输入图像转换为反色图像。

例子：

>>>from PIL import Image, ImageOps

>>>im02 = Image.open("D:\\Code\\Python\\test\\img\\test02.jpg")

>>> im= ImageOps.invert(im02)

图像im为图像02对应的反色图像，图像im如下：

11、             Mirror

定义：ImageOps.mirror(image)⇒ image

含义：输出图像为输入图像水平方向的镜像。

例子：

>>>from PIL import Image, ImageOps

>>>im02 = Image.open("D:\\Code\\Python\\test\\img\\test02.jpg")

>>> im= ImageOps.mirror(im02)

图像im为图像im02的水平方向的镜像，图像im如下：

12、             Posterize

定义：ImageOps.posterize(image,bits)⇒ image

含义：将每个颜色通道上变量bits对应的低(8-bits)个bit置0。变量bits的取值范围为[0，8]。

例子：

>>>from PIL import Image, ImageOps

>>>im02 = Image.open("D:\\Code\\Python\\test\\img\\test02.jpg")

>>>im02.getpixel((0,0))

(124, 127, 108)

>>> im2= ImageOps.posterize(im02, 2)

>>>im2.getpixel((0,0))

(64, 64, 64)

>>> im3= ImageOps.posterize(im02, 3)

>>>im3.getpixel((0,0))

(96, 96, 96)

>>> im5= ImageOps.posterize(im02, 5)

>>>im5.getpixel((0,0))

(120, 120, 104)

当变量bits为2时，将每个颜色通道的像素值低6bit清0，保留剩下的2 bit位。即124=二进制1111100，其处置之后为，二进制1000000=32。

图像im2如下：

13、             Solarize

定义：ImageOps.solarize(image,threshold=128)⇒ image

含义：在指定的阈值范围内，反转所有的像素点。

例子：

>>>from PIL import Image, ImageOps

>>>im02 = Image.open("D:\\Code\\Python\\test\\img\\test02.jpg")

>>>im02.getpixel((0,0))

(124, 127, 108)

>>> im0= ImageOps.solarize(im02, 100)

>>> im1= ImageOps.solarize(im02, 200)

>>> im0.getpixel((0,0))

(131, 128, 147)

>>> im1.getpixel((0,0))

(124, 127, 108)

图像im0的第一个像素点红色通道值为131=二进制10000011，图像im02的第一个像素点红色通道值为124=二进制1111100。Im0的值为im02的值所有位取反。图像im0中阈值为100，即大于100的值都需要做反转。图像im1的阈值为200，所以第一个像素点的值都没有变化。

图像im0如下：

图像im1如下：