现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。
分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
图像显示结果如下：
图1：显示结果
### new()
使用 Image 类提供的 new() 方法可以创建一个新的 Image 对象，语法格式如下:
im=Image.new(mode,size,color)
参数说明如下：
* mode：图像模式，字符串参数，比如 RGB（真彩图像）、L（灰度图像）、CMYK（色彩图打印模式）等；
* size：图像大小，元组参数（width, height）代表图像的像素大小；
* color：图片颜色，默认值为 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。
示例如下：
#使用颜色的十六进制格式
im_1=Image.new(mode=‘RGB’,(260,100),color=“#ff0000”)
im_1.show()
输出图像如下所示：
图2：显示结果
## Pillow Image对象属性
Image 对象有一些常用的基本属性，这些属性能够帮助我们了解图片的基本信息，下面对这些属性做简单的讲解：
##### 1) size：查看图像的尺寸
from PIL import Image
im = Image.open(“C:/Users/Administrator/Desktop/c-net.png”)
#打印image对象
print(im)
#查看尺寸
print(“宽是%s高是%s”%(im.width,im.height))
#或者通过size查看
print(“图像的大小size:”,im.size)
输出结果：
<PIL.PngImagePlugin.PngImageFile image mode=RGBA size=455x191 at 0x381C750>
宽是455高是191
图像的大小size: (455, 191)
##### 2) format：查看图片的格式
from PIL import Image
im = Image.open(“C:/Users/Administrator/Desktop/c-net.png”)
print(“图像的格式:”,im.format)
输出结果：
图像的格式: PNG
##### 3) readonly：图片是否为只读
from PIL import Image
im = Image.open(“C:/Users/Administrator/Desktop/c-net.png”)
print(“图像是否为只读:”,im.readonly)
该属性的返回为 0 或者 1，分别对应着是和否，输出结果如下：
图像是否为只读: 1
##### 4) info：查看图片相关信息
from PIL import Image
im = Image.open(“C:/Users/Administrator/Desktop/c-net.png”)
包括了每英寸像素点大小和截图软件信息
print(“图像信息:”,im.info)
该属性的返回值为字典格式，输出结果如下：
图像信息: {‘dpi’: (96, 96), ‘Software’: ‘Snipaste’}
##### 5) mode：图像模式
from PIL import Image
im = Image.open(“C:/Users/Administrator/Desktop/c-net.png”)
print(“图像模式信息:”,im.mode)
输出结果：
图像的模式: RGBA
上述涉及了许多图片模式的名称，比如 RGB、RGBA 等，下面对常用的图片模式做简单的总结，如下表所示：
| mode | 描述 |
| --- | --- |
| 1 | 1 位像素（取值范围 0-1），0表示黑，1 表示白，单色通道。 |
| L | 8 位像素（取值范围 0 -255），灰度图，单色通道。 |
| P | 8 位像素，使用调色板映射到任何其他模式，单色通道。 |
| RGB | 3 x 8位像素，真彩色，三色通道，每个通道的取值范围 0-255。 |
| RGBA | 4 x 8位像素，真彩色+透明通道，四色通道。 |
| CMYK | 4 x 8位像素，四色通道，可以适应于打印图片。 |
| YCbCr | 3 x 8位像素，彩色视频格式，三色通道。 |
| LAB | 3 x 8位像素，L \* a \* b颜色空间，三色通道 |
| HSV | 3 x 8位像素，色相，饱和度，值颜色空间，三色通道。 |
| I | 32 位有符号整数像素，单色通道。 |
| F | 32 位浮点像素，单色通道。 |
## Pillow图片格式转换
Pillow 库支持多种图片格式，您可以直接使用 open() 方法来读取图片，并且无须考虑图片是何种类型。同时，Pillow 能够很轻松地实现图片格式之间的转换。
图片格式之间的转换主要有以下两种方法，下面分别对它们进行了介绍：
### save()
顾名思义，save() 方法用于保存图像，当不指定文件格式时，它会以默认的图片格式来存储；如果指定图片格式，则会以指定的格式存储图片。save() 的语法格式如下：
Image.save(fp, format=None)
参数说明如下：
* fp：图片的存储路径，包含图片的名称，字符串格式；
* format：可选参数，可以指定图片的格式。
示例如下：
from PIL import Image
im = Image.open(“C:/Users/Administrator/Desktop/c-net.png”)
im.save(‘C:/Users/Administrator/Desktop/c.biancheng.net.bmp’)
此时您的计算机桌面上会存在一个 c.bianchneg.net.BMP格式的图片。
### convert()+save()
注意，并非所有的图片格式都可以用 save() 方法转换完成，比如将 PNG 格式的图片保存为 JPG 格式，如果直接使用 save() 方法就会出现以下错误：
from PIL import Image
im = Image.open(“C:/Users/Administrator/Desktop/c-net.png”)
im.save(‘C:/Users/Administrator/Desktop/c.biancheng.net.jpg’)
错误信息如下所示：
#系统错误，RGBA不能作为JPEG图片的模式
OSError: cannot write mode RGBA as JPEG
引发错误的原因是由于 PNG 和 JPG 图像模式不一致导致的。其中 PNG 是四通道 RGBA 模式，即红色、绿色、蓝色、Alpha 透明色；JPG 是三通道 RGB 模式。因此要想实现图片格式的转换，就要将 PNG 转变为三通道 RGB 模式。
Image 类提供的 convert() 方法可以实现图像模式的转换。该函数提供了多个参数，比如 mode、matrix、dither 等，其中最关键的参数是 mode，其余参数无须关心。语法格式如下：
convert(mode,parms**)
* mode：指的是要转换成的图像模式；
* params：其他可选参数。
修改后的代码如下所示：
from PIL import Image
im = Image.open(“C:/Users/Administrator/Desktop/c-net.png”)
#此时返回一个新的image对象，转换图片模式
image=im.convert(‘RGB’)
#调用save()保存
image.save(‘C:/Users/Administrator/Desktop/c.biancheng.net.jpg’)
通过以上代码，成功将 PNG 格式的图片转换为了 JPG 格式。
## Pillow图像缩放操作
在图像处理过程中经常会遇到缩小或放大图像的情况，Image 类提供的 resize() 方法能够实现任意缩小和放大图像。
resize() 函数的语法格式如下：
resize(size, resample=image.BICUBIC, box=None, reducing_gap=None)
参数说明：
* size：元组参数 (width,height)，图片缩放后的尺寸；
* 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；
* box：对指定图片区域进行缩放，box 的参数值是长度为 4 的像素坐标元组，即 (左,上,右,下)。注意，被指定的区域必须在原图的范围内，如果超出范围就会报错。当不传该参数时，默认对整个原图进行缩放；
* 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。
注意，resize() 会返回一个新的 image 对象。下面是一组对图像进行放大操的示例：
from PIL import Image
im = Image.open(“C:/Users/Administrator/Desktop/c-net.png”)
try:
#放大图片
image=im.resize((550,260))
#将新图像保存至桌面
image.save(“C:/Users/Administrator/Desktop/放大图像.png”)
print(“查看新图像的尺寸”,image.size)
except IOError:
print(“放大图像失败”)
输出结果：
查看新图像的尺寸 (550, 260)
放大后的图片效果。如下所示：
图1：pillow放大图像
对图片的局部位置进行放大，示例如下：
from PIL import Image
im = Image.open(“C:/Users/Administrator/Desktop/c-net.png”)
try:
#选择放大的局部位置，并选择图片重采样方式
# box四元组指的是像素坐标 (左,上,右,下)
#(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
image=im.resize((550,260),resample=Image.LANCZOS,box=(0,0,120,180))
image.show()
#保存
image.save(“C:/Users/Administrator/Desktop/放大图像.png”)
print(“查看新图像的尺寸”,image.size)
except IOError:
print(“放大失败”)
图片的放大效果如下所示：
图2：局部放大操作
### 创建缩略图
缩略图（thumbnail image）指的是将原图缩小至一个指定大小（size）的图像。通过创建缩略图可以使图像更易于展示和浏览。
Image 对象提供了一个 thumbnail() 方法用来生图像的缩略图，该函数的语法格式如下：
thumbnail(size,resample)
* size：元组参数，指的是缩小后的图像大小；
* resample：可选参数，指图像重采样滤波器，有四种过滤方式，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），默认为 Image.BICUBIC。
使用示例如下：
from PIL import Image
im = Image.open(“C:/Users/Administrator/Desktop/c-net.png”)
im.thumbnail((150,50))
print(“缩略图尺寸”,im.size)
#将缩略图保存至桌面
im.save(“C:/Users/Administrator/Desktop/th.png”)
输出结果：
缩略图尺寸 (118, 50)
注意，缩略图的尺寸可能与您指定的尺寸不一致，这是因为 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。
### 批量修改图片尺寸
在图像处理过程中，对于某些不需要精细处理的环节，我们往往采用批量处理方法，比如批量转换格式，批量修改尺寸，批量添加水印，批量创建缩略图等，这是一种提升工作效率的有效途径，它避免了单一、重复的操作。通过 Pillow 提供的 Image.resize() 方法可以批量地修改图片尺寸，下面看一组简单的示例。
首先找一些类型相同，但尺寸不一的图片，并把它们放入桌面的 image01 文件夹中。如下所示：
图3：待处理的图片
下面开始编写代码：
批量修改图片尺寸
import os
from PIL import Image
#读取图片目录
fileName = os.listdir(‘C:/Users/Administrator/Desktop/image01/’)
print(fileName)
#设定尺寸
width = 350
height = 350
如果目录不存在，则创建目录
if not os.path.exists(‘C:/Users/Administrator/Desktop/NewImage/’):
os.mkdir(‘C:/Users/Administrator/Desktop/NewImage/’)
循环读取每一张图片
for img in fileName:
old_pic = Image.open(‘C:/Users/Administrator/Desktop/image01/’ + img)
new_image = old_pic.resize((width, height),Image.BILINEAR)
print (new_image)
new_image.save(‘C:/Users/Administrator/Desktop/NewImage/’+img)
输出结果如下所示：
[‘向日葵.jpg’, ‘国宝.jpg’, ‘矩形图.jpg’, ‘蝴蝶.jpg’]
<PIL.Image.Image image mode=RGB size=350x350 at 0x2B9E670>
<PIL.Image.Image image mode=RGB size=350x350 at 0x31D0C90>
<PIL.Image.Image image mode=RGB size=350x350 at 0x2B90DB0>
<PIL.Image.Image image mode=RGB size=350x350 at 0x31D0C90>
NewImage 目录的内容如下：
图4：处理完成的图片
## Pillow图像分离与合并
我们知道，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。在《[Pillow Image对象属性]( )》一节，我们介绍一些图片模式，它们的本质就是图片呈现颜色时需要遵循的规则，比如 RGB、RGBA、CYMK 等，而图像的分离与合并，指的就是图像颜色的分离和合并。
Image 类提供了用于分离图像和合并图像的方法 split() 和 merge() 方法，通常情况下，这两个方法会一起使用。
### split()
split() 的使用方法比较简单，用来分离颜色通道。我们使用它来处理蝴蝶图片：
图1：pilow 图像处理操作
代码如下所示：
im=Image.open(“C:/Users/Administrator/Desktop/1.jpg”)
#修改图像大小，以适应图像处理
image=im.resize((450,400))
image.save(“C:/Users/Administrator/Desktop/2.jpg”)
#分离颜色通道，产生三个 Image对象
r,g,b = image.split()
r.show()
g.show()
b.show()
输出的结果，依次展示如下：
图2：分离结果预览
### merge()
Image 类提供的 merge() 方法可以实现图像的合并操作。注意，图像合并，可以是单个图像合并，也可以合并两个以上的图像。
merge() 方法的语法格式如下：
Image.merge(mode, bands)
参数说明如下：
* mode：指定输出图片的模式
* 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，可以表示为 (r,g,b)。
注意，该函数会返回一个新的 Image 对象。
下面对图像合并的两种类型分别进行介绍：
一. 单个图像的合并指的是将颜色通道进行重新组合，从而得到不一样的图片效果，代码如下所示：
from PIL import Image
im=Image.open(“C:/Users/Administrator/Desktop/1.jpg”)
#修改图像大小，以适应图像处理
image=im.resize((450,400))
image.save(“C:/Users/Administrator/Desktop/2.jpg”)
#分离颜色通道，产生三个 Image对象
r,g,b = image.split()
#重新组合颜色通道，返回先的Image对象
image_merge=Image.merge(‘RGB’,(b,g,r))
image_merge.show()
#保存图像至桌面
image_merge.save(“C:/Users/Administrator/Desktop/3.jpg”)
新合成的图像入如下所示：
图3：图像合并操作
两张图片的合并操作也并不复杂，但是要求两张图片的模式、图像大小必须要保持一致，否则不能合并。因此，对于那些模式、大小不同的图片要进行预处理。
下面我们将蝴蝶图与向日葵图进行合并，向日葵原图如下：
图4：向日葵原图
示例代码如下：
from PIL import Image
#打开图2.jpg
im_1 = Image.open(“C:/Users/Administrator/Desktop/2.jpg”)
im_2= Image.open(“C:/Users/Administrator/Desktop/向日葵.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
#让 im_2 的图像尺寸与 im_1 一致,注意此处新生成了 Image 对象
image = im_2.resize(im_1.size)
#接下来，对图像进行颜色分离操作
r1, g1 ,b1 = im_1.split()
r2, g2 , b2 = image.split()
合并图像
im_3 = Image.merge(‘RGB’,[r2,g1,b2])
im_3.show()
im_3.save(“C:/Users/Administrator/Desktop/合成.jpg”)
预览图像的合成结果：
图5：合成图像
### 扩展知识：blend() 混合图片
Image 类也提供了 blend() 方法来混合 RGBA 模式的图片（PNG 格式），函数的语法格式如下：
Image.blend(image1,image2, alpha)
参数说明如下：
* image1，image2：表示两个 Image 对象。
* alpha：表示透明度，取值范围为 0 到 1，当取值为 0 时，输出图像相当于 image1 的拷贝，而取值为 1 时，则是 image2 的拷贝，只有当取值为 0.5 时，才为两个图像的中合。因此改值的大小决定了两个图像的混合程度。
与 RGB 模式相比，RGBA 在 RGB 的基础上增加了透明度，通过 Alpha 取值来决定两个图像的混合程度。示例如下：
“”“”
混合 rgba模式的图像
“”"
im1 = Image.open(“C:/Users/Administrator/Desktop/c-net.png”)
image = Image.open(“C:/Users/Administrator/Desktop/心形函数图像.png”)
im2=image.resize(im1.size)
def blend_im(im1,im2):
#设置 alpha 为 0.5
Image.blend(im1,im2,0.5).save(“C:/Users/Administrator/Desktop/C语言中文网.png”)
#调用函数
blend_im(im1,im2)
输出结果如下：
图6：混合图像
## Pillow图像裁剪、复制、粘贴操作
图像的剪裁、复制、粘贴是图像处理过程中经常使用的基本操作，Pillow Image 类提供了简单、易用的 API 接口，能够帮助您快速实现这些简单的图像处理操作。
### 图像裁剪操作
Image 类提供的 crop() 函数允许我们以矩形区域的方式对原图像进行裁剪，函数的语法格式如下：
crop(box=None)
box：表示裁剪区域，默认为 None，表示拷贝原图像。
注意：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 坐标和右下角 x，y 坐标。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。
crop() 函数的会返回一个 Image 对象，使用示例如下：
“”"
裁剪图像
“”"
im = Image.open(“C:/Users/Administrator/Desktop/C语言中文网.png”)
box =(0,0,200,100)
im_crop = im.crop(box)
im_crop.show()
输出图像显示如下：
图1：图像裁剪
最终，在原图的基础上裁剪出一张像素为 200 \* 100 的图像。
### 图像拷贝和粘贴
拷贝、粘贴操作几乎是成对出现的，Image 类提供了 copy() 和 paste() 方法来实现图像的复制和粘贴。其中复制操作（即 copy() 方法）比较简单，下面主要介绍 paste() 粘贴方法，语法格式如下所示：
paste(image, box=None, mask=None)
该函数的作用是将一张图片粘贴至另一张图片中。注意，粘贴后的图片模式将自动保持一致，不需要进行额外的转换。参数说明如下：
* image：指被粘贴的图片；
* box：指定图片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，长度为 2 时，表示具体的某一点 (x,y)；长度为 4 则表示图片粘贴的区域，此时区域的大小必须要和被粘贴的图像大小保持一致。
* mask：可选参数，为图片添加蒙版效果。
下面复制一张原图像的副本，对副本进行裁剪、粘贴操作，代码如下所示：
im = Image.open(“C:/Users/Administrator/Desktop/C语言中文网.png”)
#复制一张图片副本
im_copy=im.copy()
#对副本进行裁剪
im_crop = im_copy.crop((0,0,200,100))
#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_copy.paste(im_crop,(100,100,300,200),mask=image_new)
#显示粘贴后的图像
im_copy.show()
输出的显示结果，如下所示：
图2：图像复制粘贴
## Pillow图像几何变换
图像的几何变换主要包括图像翻转、图像旋转和图像变换操作，Image 类提供了处理这些操作的函数 transpose()、rotate() 和 transform()，下面分别对它们进行讲解。
### transpose()翻转操作
该函数可以实现图像的垂直、水平翻转，语法格式如下：
Image.transpose(method)
method 参数决定了图片要如何翻转，参数值如下：
* Image.FLIP\_LEFT\_RIGHT：左右水平翻转；
* Image.FLIP\_TOP\_BOTTOM：上下垂直翻转；
* Image.ROTATE\_90：图像旋转 90 度；
* Image.ROTATE\_180：图像旋转 180 度；
* Image.ROTATE\_270：图像旋转 270 度；
* Image.TRANSPOSE：图像转置；
* Image.TRANSVERSE：图像横向翻转。
使用示例如下：
im = Image.open(“C:/Users/Administrator/Desktop/c-net.png”)
#返回一个新的Image对象
im_out=im.transpose(Image.FLIP_LEFT_RIGHT)
im_out.show()
im_out.save(“C:/Users/Administrator/Desktop/水平翻转.png”)
图像显示结果，如下所示：
图1：图像翻转操作
### rotate()任意角度旋转
当我们想把图像旋转任意角度时，可以使用 rotate() 函数，语法格式如下：
Image.rotate(angle, resample=PIL.Image.NEAREST, expand=None, center=None, translate=None, fillcolor=None)
参数说明如下：
* angle：表示任意旋转的角度；
* resample：重采样滤波器，默认为 PIL.Image.NEAREST 最近邻插值方法；
* 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；
* 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；
* translate：参数值为二元组，表示对旋转后的图像进行平移，以左上角为原点；
* 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。
使用示例如下：
im = Image.open(“C:/Users/Administrator/Desktop/c-net.png”)
#translate的参数值可以为负数，并将旋转图之外的区域填充为绿色
#返回同一个新的Image对象
im_out=im.rotate(45,translate=(0,-25),fillcolor=“green”)
im_out.show()
im_out.save(“C:/Users/Administrator/Desktop/旋转图像.png”)
输出结果：
图2：图像旋转
### transform()图像变换
该函数能够对图像进行变换操作，通过指定的变换方式，产生一张规定大小的新图像，语法格式如下：
Image.transform(size, method, data=None, resample=0)
参数说明：
* size：指定新图片的大小；
* method：指定图片的变化方式，比如 Image.EXTENT 表示矩形变换；
* data：该参数用来给变换方式提供所需数据；
* resample：图像重采样滤波器，默认参数值为 PIL.Image.NEAREST。
使用示例如下：
from PIL import Image
im = Image.open(“C:/Users/Administrator/Desktop/c-net.png”)
#设置图像大小250*250，并根据data的数据截取原图像的区域，生成新的图像
im_out=im.transform((250,250),Image.EXTENT,data=[0,0,30 + im.width//4,im.height//3])
im_out.show()
im_out.save(“C:/Users/Administrator/Desktop/变换.png”)
输出图像显示如下：
图3：图像矩形变换
## Pillow图像降噪处理
由于成像设备、传输媒介等因素的影响，图像总会或多或少的存在一些不必要的干扰信息，我们将这些干扰信息统称为“噪声”，比如数字图像中常见的“椒盐噪声”，指的是图像会随机出现的一些白、黑色的像素点。图像噪声既影响了图像的质量，又妨碍人们的视觉观赏。因此，噪声处理是图像处理过程中必不可少的环节之一，我们把处理图像噪声的过程称为“图像降噪”。
随着数字图像技术的不断发展，图像降噪方法也日趋成熟，通过某些算法来构造滤波器是图像降噪的主要方式。滤波器能够有效抑制噪声的产生，并且不影响被处理图像的形状、大小以及原有的拓扑结构。
Pillow 通过 ImageFilter 类达到图像降噪的目的，该类中集成了不同种类的滤波器，通过调用它们从而实现图像的平滑、锐化、边界增强等图像降噪操作。常见的降噪滤波器如下表所示：
| 名称 | 说明 |
| --- | --- |
| ImageFilter.BLUR | 模糊滤波，即均值滤波 |
| ImageFilter.CONTOUR | 轮廓滤波，寻找图像轮廓信息 |
| ImageFilter.DETAIL | 细节滤波，使得图像显示更加精细 |
| 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 |
| ImageFilter.EDGE\_ENHANCE\_MORE | 深度边缘增强滤波 |
| ImageFilter.SMOOTH | 平滑滤波 |
| ImageFilter.SMOOTH\_MORE | 深度平滑滤波 |
| ImageFilter.SHARPEN | 锐化滤波 |
| ImageFilter.GaussianBlur() | 高斯模糊 |
| ImageFilter.UnsharpMask() | 反锐化掩码滤波 |
| ImageFilter.Kernel() | 卷积核滤波 |
| ImageFilter.MinFilter(size) | 最小值滤波器，从 size 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(size) | 中值滤波器，从 size 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。 |
| ImageFilter.MaxFilter(size) | 最大值滤波器 |
| ImageFilter.ModeFilter() | 模式滤波 |
从上述表格中选取几个方法进行示例演示，下面是等待处理的原始图像：
图1：pilow图像处理
### 模糊处理
导入Image类和ImageFilter类
from PIL import Image,ImageFilter
im = Image.open(“C:/Users/Administrator/Desktop/国宝.jpg”)
#图像模糊处理
im_blur=im.filter(ImageFilter.BLUR)
im_blur.show()
im_blur.save(“C:/Users/Administrator/Desktop/模糊.png”)
输出图像如下：
图2：图像模糊
### 轮廓图
from PIL import Image,ImageFilter
im = Image.open(“C:/Users/Administrator/Desktop/国宝.jpg”)
#生成轮廓图
im2=im.filter(ImageFilter.CONTOUR)
im2.show()
im2.save(“C:/Users/Administrator/Desktop/轮廓图.png”)
输出图像，显示如下：
图3：图像轮廓图
### 边缘检测
from PIL import Image,ImageFilter
im = Image.open(“C:/Users/Administrator/Desktop/国宝.jpg”)
#边缘检测
im3=im.filter(ImageFilter.FIND_EDGES)
im3.show()
im3.save(“C:/Users/Administrator/Desktop/边缘检测.png”)
输出图像结果：
图4：图像边缘检测
### 浮雕图
from PIL import Image,ImageFilter
im = Image.open(“C:/Users/Administrator/Desktop/国宝.jpg”)
#浮雕图
im4=im.filter(ImageFilter.EMBOSS)
im4.show()
im4.save(“C:/Users/Administrator/Desktop/浮雕图.png”)
输出图像如下：
图5：浮雕图
### 平滑图像
#生成平滑图像
from PIL import Image,ImageFilter
im = Image.open(“C:/Users/Administrator/Desktop/国宝.jpg”)
#平滑图smooth
im5=im.filter(ImageFilter.SMOOTH)
im5.show()
im5.save(“C:/Users/Administrator/Desktop/平滑图.png”)
输出图像如下：
图6：平滑图
如果您使用过 PhotoShop（简称 Ps，一款专业的图像处理软件）、Fireworks（简称 Fw，一款专业的图像处理软件） 或者手机美图软件的话，其实不难发现，上述操作就是给图片添加一个“滤镜”，通过添加滤镜来改变图片的外观，从而影响了我们对于图片的感官体验。
## Pillow图像颜色处理
Pillow 提供了颜色处理模块 ImageColor，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”）。同时，它还可以将 CSS（层叠样式表，用来修饰网页）风格的颜色转换为 RGB 格式。
注意，在 ImageColor 模块对颜色的大小并不敏感，比如 “Red” 也可以写为 " red"。
### 颜色命名
ImageColor 支持多种颜色模式的的命名（即使用固定的格式对颜值进行表示），比如我们熟知的 RGB 色彩模式，除此之外，还有 HSL （色调-饱和度-明度）、HSB （又称 HSV，色调-饱和度-亮度）色彩模式。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“red”，120 表示 “green”，240 表示“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“black”黑色，50% 表示正常颜色，100% 则表示白色。
下面使用 HSL 色彩模式表示红色，格式如下：
HSL(0,100%,50%)
此时的颜色为“纯红色”，等同于 RGB (255,0,0)。如果想了解有关 HSL/HSB 的更多知识，点击[链接]( )前往。
ImageColor 模块比较简单，只提供了两个常用方法，分别是 getrgb() 和 getcolor() 函数。
### getrgb()方法
顾名思义，该函数用来得到颜色的 RGB 值，语法格式如下：
PIL.ImageColor.getrgb(color)
使用示例如下：
from PIL import Image,ImageColor
getrgb()方法
color1=ImageColor.getrgb(“blue”)
print(color1)
color2=ImageColor.getrgb(‘#DCDCDC’)
print(color2)
#使用HSL模式红色
color3=ImageColor.getrgb(‘HSL(0,100%,50%)’)
print(color3)
输出结果如下：
(0, 0, 255)
(220, 220, 220)
(255, 0, 0)
通过 new() 方法可以新建图像，此时也可以使用 ImageColor.getrgb()，如下所示：
#使用new()绘制新的图像
im= Image.new(“RGB”, (200, 200), ImageColor.getrgb(“#EEB4B4”))
im.save(“C:/Users/Administrator/Desktop/xin.jpg”)
显示图片如下：
学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
### 一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
### 二、学习软件
工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。
### 三、全套PDF电子书
书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。
### 四、入门学习视频
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
### 五、实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
### 六、面试资料
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**
**[需要这份系统化学习资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618317507)**
**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**
2940
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
