python基础 | 核心库：PIL

最新推荐文章于 2024-06-06 08:25:23 发布

Asher Gu

最新推荐文章于 2024-06-06 08:25:23 发布

阅读量648

点赞数 4

分类专栏： python基础文章标签： python 开发语言

本文链接：https://blog.csdn.net/AsherGu/article/details/137093569

版权

python基础专栏收录该内容

10 篇文章 0 订阅

订阅专栏

1、读取图像信息

查看图像信息
读取同一文件夹下的文件可加 ./可不加

rom PIL import Image
img = Image.open('image.jpg')  # 打开图像文件(注意:是去掉文件头的纯数据)	
print(img.format)          # 图像格式(如BMP PNG JPEG 等) 
print(img.size)            # 图像大小(宽，高) 注意 省略了通道 (w，h)
print(img.mode)            # RGB      图像颜色模式(L:灰度图 RGB:真彩色 RGBA:添加了透明通道)
img.show()                 # 显示图像

运行结果

linux里面png格式比较多，网络传输里面压缩格式 JPEG格式比较多，BMP无损格式

2、修改图像颜色

PNG有透明通道，jpeg就没有，不能变成透明半透明；变成灰度图减少信息，只留轮廓，去掉颜色信息
RGB一个像素点的位数占24位，L一个像素点占8位

from PIL import Image
img = Image.open('image.jpg')	
img = img.convert('L')  #转换为灰度黑白图像 -> 只保留能识别轮廓的明暗对比,
                        # 大幅减少了数据（ 24位深 RGB 转8位 L）
img.show()

3、图像缩放

resize不会在原来的图像上修改，改完之后需要有变量存储
等比例放大缩小：等比例，注意需要是整数，所以需要强制类型转换

from PIL import Image
img = Image.open('image.jpg')
print(img.size)
img = img.resize((32, 24),Image.ANTIALIAS)   #修改图像的宽高尺寸
print(img.size)
img.show()

# 等比例缩放
img = img.resize(int(img.size[0]/4),int(img.size[1]/4)) 
print(img.size)
img.show()

4、图像旋转 / 翻转

图像旋转

import numpy as np
from PIL import Image
img = Image.open('image.jpg')
img = img.rotate(90)  #逆时针旋转90度
img.show();

图像翻转

import numpy as np
from PIL import Image
img = Image.open('image.jpg')	
img = img.transpose(Image.FLIP_LEFT_RIGHT) #左右翻转
img.show();

5、图像转numpy（数组）

图像就是一个矩阵，有很多像素点，每个点表示颜色，8位图就有256种（0-255）表示颜色，色彩丰富位数越多
一共3个维度，最后一维表示几张图叠加 RGB就是红绿蓝 RGBA再加一个透明半透明选项（255是不透明）

灰度图就只有高和宽，只有一个通道，是一个二维的数组

/ 256 把值都整到0-1之间（到同一个量级，不同的信息可以做相关的运算）归一化

import numpy as np
from PIL import Image
img = Image.open('image.jpg')
obj= np.array(img)  # 转换图像为 numpy
print(obj.shape)    # 形状:  RGB三通道 每个通道为240行*320列矩阵 来表示本通道的灰度（明暗对比) 
print(obj[0][1])    # 像素内容： 0行1列的像素点对应的R G B值

img = img.convert('L') # 转换为灰度黑白图像 -> 只保留能识别轮廓的明暗对比,大幅减少了数据（ 24位深 RGB 转8位 L）
obj = np.asarray(img, dtype='float64')/256  # 转换图像为numpy ( 除以256是为了归一化，
                    # 使值都在0~1间，float64是指定数据类型保持精度)
                    # array和asarray类似，只是array会copy该对象，而asarray 必要时才copy                     
print(obj.shape)    # 形状: 只保留了1通道的灰度
print(obj[0][1])    # 像素内容：0行1列的像素点对应的灰度值 (因前面除以了256 归一化后为0~1间的数）

运行结果

6、查看图像数据

{0:3d} 的意思是将第一个参数（索引为 0 的参数）格式化为一个占据 3 个字符宽度的整数，如果不足 3 个字符宽度则在左侧填充空格

通过numpy可以查看图片矩阵的数字

import numpy as np
from PIL import Image
img = Image.open('8.bmp')
img = img.convert('L') # 转为灰度图像(1像素 占8位)
obj= np.array(img)  # 图像转为numpy
print(obj.shape)    # (28 28)  图像矩阵形状为 28行 *28列

# 输出图像数据 -> 8字 的像素矩阵
for i in range(obj.shape[0]):
  for j in range(obj.shape[1]):
    print('{0:3d} '.format(obj[i][j]),end="")  # i:图像行号 j:图像列号 中间间隔“ ”  
  print('E')                                   # 每行末尾加一个E

7、转为指定格式的图像存储

把图片改完之后不能直接存，先换成数组（去掉图片信息），再变成图像存储（再加上图片信息，就变成不同的格式）
第二种方式 pip install scipy 安装对应库

# 方法一：	
import numpy as np
from PIL import Image

img = Image.open('1.png')
print(img.format,img.size,img.mode)

img = img.convert('RGB')
img = img.resize((320, 240),Image.ANTIALIAS)

obj= np.array(img)
img = Image.fromarray(obj)
img.save('1.jpg')     # 把n维数组存为图像（可根据后缀，自动转换为bmp png jpg等存储）

img = Image.open('1.jpg')
print(img.format,img.size,img.mode)

# 方法二：
import numpy as np
from PIL import Image
from scipy import misc
img = Image.open('8.bmp')
img = img.convert('L')
obj= np.array(img)
misc.imsave('8_8bit.png', obj) # 把n维数组存为图像（可根据后缀，自动转换为bmp png jpg等存储）

8、图像拼接

import os
from PIL import Image
import numpy as np

def mergePic(files):
    baseimg=Image.open(files[0])
    basemat=np.atleast_2d(baseimg) # 转换图像为 至少两维的numpy
    for file in files[1:]:  # 遍历除第一个外的numpy
        im=Image.open(file)
        mat=np.atleast_2d(im)
        basemat=np.append(basemat,mat,axis=1) # 横向追加图像(axis=0时为纵向)
    img=Image.fromarray(basemat)
    img.save('merge.png')

path = "./pic/" # 注：该路径下的图像，必须是相同格式，尺寸的图像
images = [] # 先存储所有的图像的名称
for root, dirs, files in os.walk(path):
    for f in files :
        images.append(path+f)
print(images,len(images))

mergePic(images)