[Python] 图像简单处理(PIL or Pillow)

前几天弄了下django的图片上传,上传之后还需要做些简单的处理,python中PIL模块就是专门用来做这个事情的。

于是照葫芦画瓢做了几个常用图片操作,在这里记录下,以便备用。 

这里有个字体文件,大家可以在自己的系统中选取一个,我这打包放在网盘中  下载


一 图样

原始图片




操作一: 缩略图(通常不用这个方式,因为图片质量损坏太大)



操作二 : 旋转图片中的某一部分



操作三: 给图片添加一个图片水印, 2张图层合并

     

操作四: 给图片添加文字水印,这个用的比较多, 我这里弄了个白色通明低,可以弄成完全透明的



操作 五 等比压缩(比较适合做缩略图)



操作六 按照比例剪裁之后,等比压缩,有时候需要定比例的图片可以这么做



二 代码

# -*- encoding=utf-8 -*-
'''
author: orangleliu
pil处理图片,验证,处理
大小,格式 过滤
压缩,截图,转换

图片库最好用Pillow
还有一个测试图片test.jpg, 一个log图片,一个字体文件
'''

#图片的基本参数获取
try:
    from PIL import Image, ImageDraw, ImageFont, ImageEnhance
except ImportError:
    import Image, ImageDraw, ImageFont, ImageEnhance

def compress_image(img, w=128, h=128):
    '''
    缩略图
    '''
    img.thumbnail((w,h))
    im.save('test1.png', 'PNG')
    print u'成功保存为png格式, 压缩为128*128格式图片'

def cut_image(img):
    '''
    截图, 旋转,再粘贴
    '''
    #eft, upper, right, lower
    #x y z w  x,y 是起点, z,w是偏移值
    width, height = img.size
    box = (width-200, height-100, width, height)
    region = img.crop(box)
    #旋转角度
    region = region.transpose(Image.ROTATE_180)
    img.paste(region, box)
    img.save('test2.jpg', 'JPEG')
    print u'重新拼图成功'

def logo_watermark(img, logo_path):
    '''
    添加一个图片水印,原理就是合并图层,用png比较好
    '''
    baseim = img
    logoim = Image.open(logo_path)
    bw, bh = baseim.size
    lw, lh = logoim.size
    baseim.paste(logoim, (bw-lw, bh-lh))
    baseim.save('test3.jpg', 'JPEG')
    print u'logo水印组合成功'

def text_watermark(img, text, out_file="test4.jpg", angle=23, opacity=0.50):
    '''
    添加一个文字水印,做成透明水印的模样,应该是png图层合并
    http://www.pythoncentral.io/watermark-images-python-2x/
    这里会产生著名的 ImportError("The _imagingft C module is not installed") 错误
    Pillow通过安装来解决 pip install Pillow
    '''
    watermark = Image.new('RGBA', img.size, (255,255,255)) #我这里有一层白色的膜,去掉(255,255,255) 这个参数就好了

    FONT = "msyh.ttf"
    size = 2

    n_font = ImageFont.truetype(FONT, size)                                       #得到字体
    n_width, n_height = n_font.getsize(text)
    text_box = min(watermark.size[0], watermark.size[1])
    while (n_width+n_height <  text_box):
        size += 2
        n_font = ImageFont.truetype(FONT, size=size)
        n_width, n_height = n_font.getsize(text)                                   #文字逐渐放大,但是要小于图片的宽高最小值

    text_width = (watermark.size[0] - n_width) / 2
    text_height = (watermark.size[1] - n_height) / 2
    #watermark = watermark.resize((text_width,text_height), Image.ANTIALIAS)
    draw = ImageDraw.Draw(watermark, 'RGBA')                                       #在水印层加画笔
    draw.text((text_width,text_height),
              text, font=n_font, fill="#21ACDA")
    watermark = watermark.rotate(angle, Image.BICUBIC)
    alpha = watermark.split()[3]
    alpha = ImageEnhance.Brightness(alpha).enhance(opacity)
    watermark.putalpha(alpha)
    Image.composite(watermark, img, watermark).save(out_file, 'JPEG')
    print u"文字水印成功"


#等比例压缩图片
def resizeImg(img, dst_w=0, dst_h=0, qua=85):
    '''
    只给了宽或者高,或者两个都给了,然后取比例合适的
    如果图片比给要压缩的尺寸都要小,就不压缩了
    '''
    ori_w, ori_h = im.size
    widthRatio = heightRatio = None
    ratio = 1

    if (ori_w and ori_w > dst_w) or (ori_h and ori_h  > dst_h):
        if dst_w and ori_w > dst_w:
            widthRatio = float(dst_w) / ori_w                                      #正确获取小数的方式
        if dst_h and ori_h > dst_h:
            heightRatio = float(dst_h) / ori_h

        if widthRatio and heightRatio:
            if widthRatio < heightRatio:
                ratio = widthRatio
            else:
                ratio = heightRatio

        if widthRatio and not heightRatio:
            ratio = widthRatio

        if heightRatio and not widthRatio:
            ratio = heightRatio

        newWidth = int(ori_w * ratio)
        newHeight = int(ori_h * ratio)
    else:
        newWidth = ori_w
        newHeight = ori_h

    im.resize((newWidth,newHeight),Image.ANTIALIAS).save("test5.jpg", "JPEG", quality=qua)
    print u'等比压缩完成'

    '''
    Image.ANTIALIAS还有如下值:
    NEAREST: use nearest neighbour
    BILINEAR: linear interpolation in a 2x2 environment
    BICUBIC:cubic spline interpolation in a 4x4 environment
    ANTIALIAS:best down-sizing filter
    '''

#裁剪压缩图片
def clipResizeImg(im, dst_w, dst_h, qua=95):
    '''
        先按照一个比例对图片剪裁,然后在压缩到指定尺寸
        一个图片 16:5 ,压缩为 2:1 并且宽为200,就要先把图片裁剪成 10:5,然后在等比压缩
    '''
    ori_w,ori_h = im.size

    dst_scale = float(dst_w) / dst_h  #目标高宽比
    ori_scale = float(ori_w) / ori_h #原高宽比

    if ori_scale <= dst_scale:
        #过高
        width = ori_w
        height = int(width/dst_scale)

        x = 0
        y = (ori_h - height) / 2

    else:
        #过宽
        height = ori_h
        width = int(height*dst_scale)

        x = (ori_w - width) / 2
        y = 0

    #裁剪
    box = (x,y,width+x,height+y)
    #这里的参数可以这么认为:从某图的(x,y)坐标开始截,截到(width+x,height+y)坐标
    #所包围的图像,crop方法与php中的imagecopy方法大为不一样
    newIm = im.crop(box)
    im = None

    #压缩
    ratio = float(dst_w) / width
    newWidth = int(width * ratio)
    newHeight = int(height * ratio)
    newIm.resize((newWidth,newHeight),Image.ANTIALIAS).save("test6.jpg", "JPEG",quality=95)
    print  "old size  %s  %s"%(ori_w, ori_h)
    print  "new size %s %s"%(newWidth, newHeight)
    print u"剪裁后等比压缩完成"


if __name__ == "__main__":
    '''
    主要是实现功能, 代码没怎么整理
    '''
    im = Image.open('test.jpg')  #image 对象
    compress_image(im)

    im = Image.open('test.jpg')  #image 对象
    cut_image(im)

    im = Image.open('test.jpg')  #image 对象
    logo_watermark(im, 'logo.png')

    im = Image.open('test.jpg')  #image 对象
    text_watermark(im, 'Orangleliu')

    im = Image.open('test.jpg')  #image 对象
    resizeImg(im, dst_w=100, qua=85)

    im = Image.open('test.jpg')  #image 对象
    clipResizeImg(im, 100, 200)


三 参考



### 回答1: Python提供了多种库和工具来实现批量图像加雾处理,下面是一种简单的实现方法: 首先,我们需要使用一个图像处理库,例如OpenCV或Pillow。我们可以使用Pillow库来加载、处理和保存图像。我们还需要使用NumPy库来进行数值计算。 ``` import os from PIL import Image import numpy as np # 定义加雾函数 def add_fog(image): # 将图像转换为数组 img_array = np.array(image) # 为图像添加雾气效果(这里只是一个示例,你可以根据需求自定义雾气效果) img_array = img_array + np.random.randint(low=0, high=50, size=img_array.shape, dtype=np.uint8) # 将数组转换回图像 foggy_image = Image.fromarray(img_array) return foggy_image # 定义图像文件夹路径 image_folder = "path/to/image/folder" # 遍历图像文件夹中的所有图像文件 for image_file in os.listdir(image_folder): # 检查文件是否为图像文件 if image_file.endswith(".jpg") or image_file.endswith(".png"): # 读取图像文件 image_path = os.path.join(image_folder, image_file) image = Image.open(image_path) # 添加雾气效果 foggy_image = add_fog(image) # 保存加雾后的图像文件 foggy_image.save(os.path.join(image_folder, "foggy_" + image_file)) ``` 上述代码中,我们首先定义了一个`add_fog`函数来为图像添加雾气效果。这里的示例只是简单地为图像的每个像素添加一个随机的0到50的整数值,你可以根据需求修改这个函数来实现不同的加雾效果。 然后,我们定义了一个`image_folder`变量来表示存储图像文件的文件夹路径。我们使用`os.listdir`函数来遍历该文件夹中的所有文件,并使用条件语句来检查是否为图像文件(这里只考虑`.jpg`和`.png`文件)。 对于每个图像文件,我们使用`Image.open`函数来读取图像文件。然后,我们调用`add_fog`函数为图像添加雾气效果。最后,我们使用`Image.save`函数将加雾后的图像文件保存到原始图像文件夹中,文件名以“foggy_”开头。 以上就是使用Python实现批量图像加雾处理的一个简单方法。你可以根据需要进行修改和自定义。 ### 回答2: Python中可以使用PIL库(Python Imaging Library)实现批量图像加雾处理。 首先,我们需要安装PIL库(也可以使用Pillow库,它是PIL的一个支持Python3的分支)。可以使用pip来安装,命令如下: pip install Pillow 接下来,我们需要创建一个脚本来实现批量图像加雾处理。下面是一个简单的示例代码: ```python from PIL import Image, ImageFilter import os # 指定图片所在目录 image_dir = './images' # 加载所有图片文件 images = os.listdir(image_dir) # 设置雾化强度 fog_strength = 30 # 遍历所有图片,并进行加雾处理 for image_name in images: # 拼接图片完整路径 image_path = os.path.join(image_dir, image_name) # 打开图片 image = Image.open(image_path) # 加雾处理 image_fog = image.filter(ImageFilter.GaussianBlur(fog_strength)) # 保存加雾处理后的图片 image_fog.save(os.path.join(image_dir, 'fog_' + image_name)) print('加雾处理完成!') ``` 在上述代码中,首先指定了存放图片的目录`image_dir`。然后使用`os.listdir`函数来加载目录下的所有图片文件。接着,通过遍历图片列表,使用`Image.open`函数打开每一张图片,并使用`ImageFilter.GaussianBlur`方法进行加雾处理,`fog_strength`变量控制雾化强度。最后,通过`save`方法保存加雾处理后的图片,文件名添加前缀"fog_"以示区别。 运行上述代码后,图片目录中的每张图片都将被加上雾化效果,并保存在相同目录下。 以上就是使用Python实现批量图像加雾处理简单示例,你可以根据实际需求进行更进一步的优化和扩展。 ### 回答3: Python实现批量图像加雾处理的步骤如下: 1. 导入所需库,包括OpenCV和NumPy: ```python import cv2 import numpy as np ``` 2. 定义加雾函数,输入参数为图像和雾的浓度: ```python def add_fog(image, density): height, width, _ = image.shape fog = np.ones_like(image) * density noise = np.random.rand(height, width, 1) fog = fog * noise output = image + fog output = np.clip(output, 0, 255).astype(np.uint8) return output ``` 3. 遍历图像文件夹中的所有图像,对每张图像进行加雾处理并保存: ```python import os input_folder = "输入文件夹路径" output_folder = "输出文件夹路径" density = 0.5 # 雾的浓度 # 确保输出文件夹存在 os.makedirs(output_folder, exist_ok=True) for filename in os.listdir(input_folder): if filename.endswith(".jpg") or filename.endswith(".png"): # 读取图像 image = cv2.imread(os.path.join(input_folder, filename)) # 加雾处理 output = add_fog(image, density) # 保存结果 cv2.imwrite(os.path.join(output_folder, filename), output) ``` 以上代码实现了对指定文件夹中的所有图像进行批量加雾处理,并将结果保存在指定的输出文件夹中。加雾处理通过在原始图像上叠加一层具有一定浓度和随机噪声的灰度图像来模拟雾的效果。最后,通过调整输出结果的灰度值范围将其限定在0到255之间,并保存为图像文件。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值