Pillow（PIL）入门教程（非常详细）_python pillow 教程

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：

图1：新建图像

getcolor()

该方法与 getrgb() 类似，同样用来获取颜色值，不过它多了一个mode参数，因此该函数可以获取指定色彩模式的颜色值。语法格式如下：

PIL.ImageColor.getcolor(color, mode)

参数说明如下：

• color：一个颜色名称，字符串格式，可以是颜色的英文单词，或者十六进制颜色名。如果是不支持的颜色，会报 ValueError 错误；
• mode：指定色彩模式，如果是不支持的模式，会报 KeyError 错误。

使用示例如下：

color4=ImageColor.getcolor('#EEA9B8','L')
print(color4)
color5=ImageColor.getcolor('yellow','RGBA')
print(color5)

输出结果：

191
(255, 255, 0, 255)

Pillow为图片添加水印

为图片添加水印能够在一定程度上避免其他人滥用您的图片，这是保护图片版权的一种有效方式。因此，当您在微博、或者博客等一些公众平台分享图片的时候，建议您为自己的图片添加一个水印，来证明这张图片属于您。

添加水印的方式的有很多种，比如通过一些图像处理软件，或者手机美图软件都可以实现添加水印的操作，但是这种操作比较复杂，甚至有些软件还不是免费的。

Pillow 库提供了添加水印的方法，操作简单，易学、易用。下面我们讲解如何使用 PIilow 给图片添加水印。

我们知道，水印是附着在原图片上一段文字信息，因此添加水印的过程中会涉及两个问题：

• 第一、如何使文字信息附着在图片上；
• 第二、如何绘制文字信息。

只要解决了这两个问题就可以成功添加水印。Pillow 提供的ImageDraw和ImageFont模块成功解决了上述问题。

ImageDraw

PIL.ImageDraw 模块提供了一系列的绘图方法，通过该模块可以创建一个新的图形，或者在现有的图像上再绘制一个图形，从而起到对原图注释和修饰的作用。

下面创建一个 ImageDraw 对象，并对该对象的使用方法做简单介绍：

draw = ImageDraw.Draw(im)

上述方法会返回一个 ImageDraw 对象，参数 im 表示 Image 对象。这里我们可以把 Image 对象理解成画布，通过调用 ImageDraw 对象的一些方法，实现了在画布上绘制出新的图形目的。ImageDraw 对象的常用方法如下表所示：

方法	说明
text	在图像上绘制文字
line	绘制直线、线段
eclipse	绘制椭圆形
rectangle	绘制矩形
polygon	绘制多边形

表格中第一个方法 text() 需要与 ImageFont 模块一起使用，在下面会做详细介绍。

绘制矩形图的语法格式如下：

draw.rectangle(xy, fill=None, outline=None)

参数说明如下：

• xy：元组参数值，以图像的左上角为坐标原点，表示矩形图的位置、图形大小的坐标序列，形如 ((x1,y1,x2,y2))；
• fill：矩形图的背景填充色；
• outline：矩形图的边框线条颜色。

下面看一组简单的示例：

from PIL import Image,ImageDraw
#创建 Image 对象，当做背景图
im = Image.new('RGB',(200,200),color='gray')
#创建 ImageDraw 对象
draw = ImageDraw.Draw(im)
#以左上角为原点，绘制矩形。元组坐标序列表示矩形的位置、大小；fill设置填充色为红色，outline设置边框线为黑色
draw.rectangle((50,100,100,150),fill=(255,0,0),outline=(0,0,0))
#查看原图片
im.show()
#保存图片
im.save("C:/Users/Administrator/Desktop/添加矩形图.png")

图形显示结果如下：

图1：绘制红色矩形

ImageFont

PIL.ImagreFont 模块通过加载不同格式的字体文件，从而在图像上绘制出不同类型的文字，比如 TrueType 和 OpenType 类型的字体。

创建字体对象的语法格式如下：

font = ImageFont.truetype(font='字体文件路径', size=字体大小)

如果想要在图片上添加文本，还需要使用 ImageDraw.text() 方法，语法格式如下：

d.text((x,y), "text", font, fill)

参数说明如下：

• (x,y)：图像左上角为坐标原点，(x,y) 表示添加文本的起始坐标位置；
• text：字符串格式，要添加的文本内容；
• font：ImageFont 对象；
• fill：文本填充颜色。

下面看一组使用示例，如下所示：

from PIL import Image,ImageFont,ImageDraw
#打开图片，返回 Image对象
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
#创建画布对象
draw = ImageDraw.Draw(im)
#加载计算机本地字体文件
font=ImageFont.truetype('C:/Windows/Fonts/msyh.ttc',size=36)
#在原图像上添加文本
draw.text(xy=(80,50),text='C语言中文网',fill=(255,0,0),font=font)
im.show()
im.save("C:/Users/Administrator/Desktop/c.png")

图像显示结果如下：

图2：添加文本

添加图片水印

通过上述知识的学习，我们对ImageDraw和ImageFont模块有了大体的认识，并且也解决了如何给图片添加水印的两个关键问题。以下示例展示了为图片添加水印的详细过程，代码如下所示：

"""
添加水印（函数式编程）
"""
from PIL import Image,ImageFont,ImageDraw
font=ImageFont.truetype('C:/Windows/Fonts/msyh.ttc',size=30)
def creating\_watermark(im,text,font=font):
    #给水印添加透明度，因此需要转换图片的格式
    im_rgba=im.convert('RGBA')
    im_text_canvas=Image.new('RGBA',im_rgba.size,(255,255,255,0))
    print(im_rgba.size[0])
    draw = ImageDraw.Draw(im_text_canvas)
    #设置文本文字大小
    text_x_width,text_y_height = draw.textsize(text,font=font)
    print(text_x_width,text_y_height)
    text_xy = (im_rgba.size[0] - text_x_width, im_rgba.size[1] - text_y_height)
    print(text_xy)
    #设置文本颜色（绿色）和透明度（半透明）
    draw.text(text_xy,text,font=font,fill=(255,255,255,128))
    #将原图片与文字复合
    im_text=Image.alpha_composite(im_rgba,im_text_canvas)
    return  im_text
image = Image.open("C:/Users/Administrator/Desktop/c-net.png")
image.show()
image_water = creating_watermark(image,'@c语言中文网')
image_water.show()
image_water.save("C:/Users/Administrator/Desktop/c语言中文网.png")

添加水印后的效果图：

图3：添加水印后效果

Pillow和ndarray数组

NumPy 是 Python 科学计算的基础数据包，它被大量的应用于机器学习领域，比如图像识别、自然语言处理、数据挖掘等。想了解学习 NumPy，可跳转至《NumPy快速入门教程》。

ndarray 是 NumPy 中的数组类型，也称为 ndarray 数组，该数组可以与 Pillow 的 PIL.Image 对象实现相互转化。

ndarray数组创建图像

下面通过 ndarray 数组构建一个 Image 对象，并将图像显示出来。示例如下：

#导入相关的包
from PIL import Image
#使用numpy之前需要提前安装
import numpy as np
#创建 300\*400的图像，3个颜色通道
array = np.zeros([300,400,3],dtype=np.uint8)
#rgb色彩模式
array[:,:200]=[255,0,0]
array[:,200:]=[255,255,0]
img = Image.fromarray(array)
img.show()
img.save("C:/Users/Administrator/Desktop/数组生成图像.png")

输出结果如下所示：

图1：NumPy数组创建图像

图像转化为ndarray数组

下面将图像以 ndarray 数组的形式进行输出，示例如下：

from PIL import Image
import numpy as np
img = Image.open("C:/Users/Administrator/Desktop/大熊猫.png")
img.show()
#Image图像转换为ndarray数组
img_2 = np.array(img)
print(img_2)
#ndarray转换为Image图像
arr_img = Image.fromarray(img_2)
#显示图片
arr_img.show()
#保存图片
arr_img.save("C:/Users/Administrator/Desktop/arr\_img.png")

图片展示结果：

图2：显示原图

组成图片的像素点数组如下所示：

[[[113 108 105]
  [118 113 110]
  [139 131 128]
  ...
  [139 148 155]
  [137 146 153]
  [139 148 155]]

[[ 97  92  89]
  [124 118 115]
  [137 129 126]
  ...
  [143 152 159]
  [140 149 156]
  [140 149 156]]

[[102  97  94]
  [123 118 115]
  [135 128 125]
  ...
  [144 153 160]
  [142 151 158]
  [143 152 159]]

...

[[168 175 134]
  [175 183 142]
  [151 162 120]
  ...
  [ 99 143  66]
  [111 155  77]
  [131 175  98]]

[[152 164 118]
  [147 160 114]
  [140 156 109]
  ...
  [123 167  87]
  [126 171  90]
  [120 165  84]]

[[136 154 104]
  [127 145  95]
  [156 176 125]
  ...
  [168 213 130]
  [142 187 104]
  [ 69 114  31]]]

Pillow生成GIF动态图

GIF（Graphics Interchange Format，图形交换格式）是一种“位图”图像格式，它以.gif作为图像的扩展名。GIF 图片非常适合在互联网中使用，这是因为它采用了图像预压缩技术，该技术的应用，在一定程度上减少了图像传播、加载所消耗的时间。

与其他格式的图片相比，GIF 还有一项非常重要的应用，那就是生成动态图。我们知道，Pillow 能够处理多种图像格式，包括 GIF 格式，它可以将静态格式图片（png、jpg）合成为 GIF 动态图。

注意：Pillow 总是以灰度模式（L）或调色板模式（P）来读取 GIF 文件。

下面看一组示例：如何使用 Pillow 生成 GiF 动态图。（示例中所用图片素材，点击链接下载，提取码：n1v2）

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。

别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。

我先来介绍一下这些东西怎么用，文末抱走。

---

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，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。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

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，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

（4）200多本电子书

这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。

基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。

（5）Python知识点汇总

知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

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，都欢迎扫码加入我们的的圈子（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！

找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

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，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

（4）200多本电子书

这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。

基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。

（5）Python知识点汇总

知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

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，都欢迎扫码加入我们的的圈子（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！
[外链图片转存中…(img-loR6ATQK-1712841812563)]