PIL库中的子模块Image的功能和用法

万众一芯

已于 2024-07-28 13:57:01 修改

阅读量1.2k

点赞数 41

分类专栏：深度学习 python 文章标签：计算机视觉深度学习 python 人工智能 pillow

于 2024-07-28 13:44:17 首次发布

本文链接：https://blog.csdn.net/m0_74067088/article/details/140712162

版权

深度学习同时被 2 个专栏收录

1 篇文章 0 订阅

订阅专栏

python

1 篇文章 0 订阅

订阅专栏

一、PIL库简介

PIL (Python Imaging Library) 是 Python 编程语言下的一个图像处理库。它提供了许多图像处理功能，包括加载、保存、修改图像，以及对图像进行各种形式的处理和操作。PIL 库允许用户打开、操作和保存各种图像文件格式，包括常见的 JPEG、PNG、GIF 等格式。它还支持基本的图像处理操作，如调整大小、旋转、裁剪、改变图像的色彩等。PIL 库的一个重要特点是其简单易用的 API 接口。用户可以使用简单的函数调用来完成复杂的图像处理操作。此外，PIL 库还提供了丰富的文档和示例代码，方便用户学习和使用。

二、库安装

在 Python2 中，PIL (Python Imaging Library) 是一个非常好用的图像处理库，但PIL本身已经不再积极维护，但是它的一个分支，Pillow（PIL Fork），是完全兼容Python 3的。Pillow不仅支持Python 3，还提供了PIL的更新和维护，包括安全修复、性能改进和新功能。Pillow库继承了PIL的所有功能，并添加了一些新的特性，使其成为Python 3用户处理图像的首选库。

pip安装

pip install pillow

三、Image模块解析

3.1 导入模块

from PIL import Image

3.2 常用图像属性

3.2.1 总览

size	图片尺寸，单位是像素，返回值是二元元组
palette	调色板属性
format	标识图像格式或来源，如果图片不是从文件读取，返回None
mode	图片色彩模式，“L”为灰度图像；“RGB”为真彩色图像；“CMYK”为出版图像

3.2.2 代码演示

from PIL import Image
img_path="img/30.jpg"      #图片地址
img = Image.open(img_path)
print(img.format,img.size,img.mode)

运行结果：

3.3 常用方法

3.3.1 图像的读取和创建

3.3.1.1 总览

Image.open（img_path）	加载图像
Image.new(mode,size,color)	创建新图像
show()	显示图像

3.3.1.2 代码演示

1、Image.open（img_path）；show()

from PIL import Image
img_path ="img/30.jpg"  #图片地址
img = Image.open(img_path)
img.show()

2、Image.new(mode,size,color)

img = Image.new("RGB",(100,100),(255,255,255))
print(img.format,img.size,img.mode)

3.3.2 图像的保存

3.3.2.1 总览

save（"filename.format"）

保存图像

3.3.2.2 代码演示

save（"filename.format"）

img = Image.new("RGB",(100,100),(255,255,255))
img.save("2.png")
img = Image.open("2.png")
print(img.format,img.size,img.mode)

运行结果：

3.3.3 图像的转换

3.3.3.1 总览

convert(mode)	转换图像为不同的颜色模式
rotate（angle,expand)	参数 expand 是一个布尔值，用于指定旋转操作是否应该扩展图像的画布（即图像的大小）以适应旋转后的整个图像当 expand 设置为 True 时，画布将增大到足以容纳旋转后的图像。这可能会导致图像的某些部分被背景颜色填充，以确保整个图像都能被看到当 expand 设置为 False 或者不设置时（默认值），旋转将保持原始图像的画布大小不变，这可能会导致图像的某些部分被裁剪掉
resize(new_size,resample)	按size调整图像大小，返回副本

3.3.3.2 代码演示

1、convert(mode)

from PIL import Image
img_path="img/30.jpg"      #图片地址
ori_img = Image.open(img_path)   #加载原始图像
gray_img = ori_img.convert("L")  #转换为灰度图像
gray_img.save("3.jpg")           #保存为新图片
gray_img = Image.open("3.jpg")   #加载保存的图片
print(gray_img.format,gray_img.size,gray_img.mode)
gray_img.show()

运行结果：

2、rotate（angle,expand)

from PIL import Image
# 打开一个现有的图像文件
img_path = "img/30.jpg"  # 图像路径
original_image = Image.open(img_path)

# 显示原始图像
print("Original image:")
original_image.show()

# 旋转图像45度
rotated_image = original_image.rotate(180, expand=False)

# 显示旋转后的图像
print("Image rotated 45 degrees:")
rotated_image.show()

3、resize(new_size,resample)

resample
Image.Resampling.NEAREST	最近邻插值	速度最快，但可能会产生混叠和锯齿效果适用于像素艺术或当速度比质量更重要时
Image.Resampling.BILINEAR	双线性插值	在每个像素点的周围2x2区域内进行线性插值比最近邻插值更平滑，但仍然可能产生混叠
Image.Resampling.BILINEAR	三次样条插值	在每个像素点的周围4x4区域内进行平滑插值比双线性插值更平滑，适用于大多数图像缩放任务
Image.Resampling.LANCZOS	拉普拉斯插值	使用Lanczos窗口的正弦型插值，通常用于图像的下采样比三次样条插值更平滑，但计算量更大
Image.Resampling.HAMMING	汉明窗口插值	适用于图像的下采样，比Lanczos插值简单
Image.Resampling.BOX	盒式滤镜	盒式滤镜的工作原理是将周围像素的值取平均当用于下采样时，它计算新像素值时只考虑当前像素和周围像素的值，这可能导致结果图像的边缘出现明显的阶梯状效果，但它实现简单且速度较快

from PIL import Image
# 打开一个现有的图像文件
img_path = "img/30.jpg"
original_image = Image.open(img_path)
original_image.show()
# 设置新的尺寸
new_size = (200, 200)
new_image = original_image.resize(new_size,Image.Resampling.LANCZOS)
new_image.show()

3.3.4 图像的处理

3.3.4.1 总览

getbands()	返回一个包含图像每个波段名称的元组
getcolors()	返回图像中使用的颜色列表
getchannel()	返回包含源图像的单个通道的图像 'R'、'G'、'B'、'A'	只适用于多波段图像，如RGB或RGBA图像。如果在灰度图像（如'L'模式）上使用它，将会抛出一个错误，因为灰度图像只有一个波段
split()	提取图像的每个通道，返回图像副本
Image.merge(mode,bands)	合并通道

3.3.4.2 代码演示

1、getbands()

from PIL import Image
# 打开一个现有的图像文件
img_path = "3.jpg"
img = Image.open(img_path)
bands = img.getbands()
print(bands)

运行结果：

from PIL import Image
# 打开一个现有的图像文件
img_path = "img/30.jpg"
img = Image.open(img_path)
bands = img.getbands()
print(bands)

运行结果：

2、getcolors(maxcolors)

maxcolors 不填默认256，可根据实际情况修改

from PIL import Image
# 打开一个现有的图像文件
img_path = "img/30.jpg"
img = Image.open(img_path)
colors = img.getcolors(maxcolors=10000000)
print(colors)

运行结果：

from PIL import Image
# 打开一个现有的图像文件
img_path = "1.jpg"
img = Image.open(img_path)
colors = img.getcolors()
print(colors)

运行结果：

3、getchannel()

from PIL import Image
# 打开一个现有的图像文件
img_path = "1.jpg"
img = Image.open(img_path)
channel = img.getchannel('R')
print(channel)

运行结果：

channel = img.getchannel('B')

运行结果：

4、split()

from PIL import Image
# 打开一个现有的图像文件
img_path = "img/30.jpg"
img = Image.open(img_path)
bands = img.getbands()
print(bands)
r, g, b = img.split()
print(r)
r.show()
print(g)
g.show()
print(b)
b.show()

运行结果：

5、Image.merge(mode,band)

from PIL import Image
# 打开一个现有的图像文件
img_path = "img/OIP-C.jpg"
img = Image.open(img_path)
r, g, b = img.split()
new_img = Image.merge("RGB",(b,r,g))
new_img.show()

原图像：