Python-PIL 图像处理基本操作(一)

Python-PIL 图像处理基本操作(一)
一开始需要import

import os
import numpy as np
from PIL import Image, ImageDraw
##########################################
# 读入图片,默认为RGB顺序,读出的变量img类型为Image类型, size为(width,height),但是为彩色三通道图像
img = Image.open(os.path.join('images', '000906' + '.jpg'))

#显示图像
img.show()

#返回图像的格式,'JPEG'
print img.format 

#返回图像大小,(width,height)
print img.size 

#输出RGB
print img.mode

#输出元组('R', 'G', 'B')
print img.getbands() 

##########################################

#装换Image格式为numpy数组array格式,进行图像处理
#上面读出的img还是Image格式,不能对其直接处理,需要对其转换为array格式
#这里需要注意的是未转换格式之前img.size为(width,height),转换之后img.shape为(height,width,3)

img = np.array(img, dtype = np.uint8)

#保存图片
img.save(os.path.join('images', '13' + '.jpg'))

#如果需要保存的图片变量是数组array形式的,需要先转换为Image格式,然后再保存
img = Image.fromarray(img.astype(np.uint8)) #由img.shape为(height,width,3)转换为img.size为(width,height)

img.save(os.path.join('images', '13' + '.jpg'))

如果获取图像的最大值max()之类的,也把img转换为array格式,再计算

##########################################

#缩放图像
img = Image.open(os.path.join('images', '000906' + '.jpg'))

img_resized = img.resize((width,height)) #和读入图像的格式相同,也是先width后height

#如果想改变插值算法,可以如下(默认为NEAREST)

im_resized = im.resize((width,height), Image.BILINEAR)

#NEAREST:最近滤波。从输入图像中选取最近的像素作为输出像素。它忽略了所有其他的像素。
#BILINEAR:双线性滤波。在输入图像的2x2矩阵上进行线性插值。注意:PIL的当前版本,做下采样时该滤波器使用了固定输入模板。
#BICUBIC:双立方滤波。在输入图像的4x4矩阵上进行立方插值。注意:PIL的当前版本,做下采样时该滤波器使用了固定输入模板。
#ANTIALIAS:平滑滤波。这是PIL 1.1.3版本中新的滤波器。对所有可以影响输出像素的输入像素进行高质量的重采样滤波,以计算输出像素值。在当前的PIL版本中,这个滤波器只用于改变尺寸和缩略图方法。
#注意:在当前的PIL版本中,ANTIALIAS滤波器是下采样(例如,将一个大的图像转换为小图)时唯一正确的滤波器。BILIEAR和BICUBIC滤波器使用固定的输入模板,用于固定比例的几何变换和上采样是最好的。

##########################################

#画直线,矩形需要用到PIL的ImageDraw模块

img = Image.open(os.path.join('images', '000906' + '.jpg')) #读入图像

draw = ImageDraw.Draw(img) #导入模块

x1 = 20  # 第一个点列坐标
y1 = 50  #第一个点行坐标
x2 = 500 #第二个点列坐标
y2 = 350 #第二个点行坐标

#下面的这两种形式[]或者()都可以,fill制定颜色RGB,width制定宽度
draw.line([x1,y1,x2,y2], fill = (255, 0, 0), width = 5)
draw.line((x1,y1,x2,y2), fill = (255, 0, 0), width = 5)

#下面是画多条直线,可以画出垂直的矩形或者旋转的矩形,四个点坐标形式与上面相同
draw.line(((60,60),(90,60), (90,90), (60,90), (60,60)), fill = (255, 0, 0), width = 2)

img.show() #显示
img.save(os.path.join('images', '13' + '.jpg')) #保存在images/13.jpg

#画矩形,这里和上面画直线差不多
img = Image.open(os.path.join('images', '000906' + '.jpg'))
draw = ImageDraw.Draw(img)

#x表示列坐标,y表示行坐标
x1 = 20
y1 = 50
x2 = 500
y2 = 350

#矩形左上角坐标和右下角坐标,后面是制定颜色RGB,红色
draw.rectangle([x1, y1, x2, y2], outline=(255, 0, 0))

#在左上角添加红色文字 ship
draw.text([x1, y1], 'ship', (255, 0, 0))

img.show() #显示
img.save(os.path.join('images', '13' + '.jpg')) #保存在images/13.jpg

##########################################

#图像格式转化

img = Image.open(os.path.join('images', '000906' + '.jpg'))

#转化为灰度图
gray=img.convert('L')

#使用函数convert()来进行转换,它是图像实例对象的一个方法,接受一个 mode 参数,用以指定一种色彩模式,mode 的取值可以是如下几种:
#· 1 (1-bit pixels, black and white, stored with one pixel per byte)
#· L (8-bit pixels, black and white)
#· P (8-bit pixels, mapped to any other mode using a colour palette)
#· RGB (3x8-bit pixels, true colour)
#· RGBA (4x8-bit pixels, true colour with transparency mask)
#· CMYK (4x8-bit pixels, colour separation)
#· YCbCr (3x8-bit pixels, colour video format)
#· I (32-bit signed integer pixels)
#· F (32-bit floating point pixels)

#将灰度图转换为array格式,此时大小为(height,width),如果是彩色图像,为(height,width,3)
gray = np.array(gray, dtype = np.uint8)

##########################################

#拆分通道和合并通道

#拆分的通道,比如r,为灰度图,Model:L, 大小为(width,height),还是为Image格式,不能直接处理,需要转化为array格式
r,g,b = img.split()

#合并后的图像 Model: RGB, 大小为(width,height),还是为Image格式,不能直接处理,需要转化为array格式
img_merged = Image.merge('RGB',(r,g,b)) 

未完待续…

评论 1
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