Pillow 方法、属性
Image类的属性：1、Format 2、Mode 3、Size 4、Palette 5、Info
类的函数：1、New 2、Open 3、Blend 4、Composite 5、Eval 6、Frombuffer 7、Fromstring 8、Merge
Image类的方法：1、Convert 2、Copy 3、Crop 4、Draft 5、Filter 6、Fromstring 7、Getbands 8、Getbbox 9、Getcolors 10、Getdata 1 1、 Getextrema 12、Getpixel 13、Histogram 14、Load 15、Paste
Image 类
Pillow的坐标系原点：图像的左上角为 (0, 0) , X轴是从左到右增长的，而Y轴是从上到下增长。
坐标系表示：矩形元组参数，(左，顶，右，底)，可以理解为[左, 右)和[顶， 底)这样左闭右开的区间。
比如(3, 2, 8, 9)就表示了横坐标范围[3, 7]；纵坐标范围[2, 8]的矩形区域。
format:图片格式
size:返回图片的宽高
mode:返回图片的模式
show():显示图片
save(img_path, mode):保存图片
crop(left, upper, right, lower):从图片中提取一个子矩形，返回一个新Image对象
resize((width, height)): 返回新Image
copy(): 复制图片，不影响原图
paste(): 粘贴覆盖，在调用原图上直接修改
resize():
rotate(): 返回新Image , 逆时针旋转
transform():
transpose(): 图像的镜面翻转，返回新Imagetranspose(Image.FLIP_LEFT_RIGHT): 水平翻转
transpose(Image.FLIP_TOP_BOTTOM): 垂直翻转
transpose(Image.ROTATE_90)
convert(): ‘L’ , ‘RGB’, ‘CMYK’
getbands(): 获取图像通道名称
point(): 对图像中的像素点进行处理（例如对比度操作）
split(): 通过通道分割图像，返回元祖，元素是分割后单个通道的图像
getchannel(): 可以获取单个通道的图片，R,G,B
getpixel((x, y)): 获取单个像素位置的RGB值，返回元祖
load(): 加载图片所有的数据，通过指定坐标索引 [x,y] 获取RGB值
getdata(): 获取全部像素的值，生成器对象
R,G,B = img.split()
R = img.getchannel('R')
pixdata = img.load()
pixdata[100,200] = 255
list(img.getdata(0))
函数
-
Image.new(mode, size, color)
使用给定的变量mode和size生成新的图像。Size是给定的宽/高二元组，这是按照像素数来计算的。对于单通道图像，变量color只给定一个值；对于多通道图像，变量color给定一个元组（每个通道对应一个值）。
Image.new(“RGB”, (128, 128), “red”) #图像im为128x128大小的红色图像。 -
Image.blend(image1,image2, alpha)
使用给定的两张图像及透明度变量alpha，插值出一张新的图像。这两张图像必须有一样的尺寸和模式。
合成公式为：out = image1 *(1.0 - alpha) + image2 * alpha
如果变量alpha为0.0，将返回第一张图像的拷贝。如果变量alpha为1.0，将返回第二张图像的拷贝。对变量alpha的值没有限制。
Image.blend(im1,im2,0.5) -
Image.composite(image1,image2, mask)
使用给定的两张图像及mask图像作为透明度，插值出一张新的图像。变量mask图像的模式可以为“1”，“L”或者“RGBA”。所有图像必须有相同的尺寸。
-
Image.eval(image,function)
使用变量function对应的函数（该函数应该有一个参数）处理变量image所代表图像中的每一个像素点。如果变量image所代表图像有多个通道，那变量function对应的函数作用于每一个通道。
注意：变量function对每个像素只处理一次，所以不能使用随机组件和其他生成器。
from PIL import Image
im = Image.open(“jing.jpg”)
def deffun©:
return c*0.89 #改变了亮度
im_eval = Image.eval(im,deffun) -
Image.merge(mode,bands)
使用一些单通道图像，创建一个新的图像。变量bands为一个图像的元组或者列表，每个通道的模式由变量mode描述。所有通道必须有相同的尺寸。
im1 = Image.open(“jing.jpg”)
im2 = Image.open(“wu.jpg”)
r1,g1,b1 = im1.split()
r2,g2,b2 = im2.split()
imgs =[r1,g2,b2]
im_merge = Image.merge(“RGB”,imgs)
类方法
-
im.convert(mode,matrix)
将当前图像转换为其他模式，并且返回新的图像。
-
im.copy()
拷贝这个图像。如果用户想粘贴一些数据到这张图，可以使用这个方法，但是原始图像不会受到影响。
-
im.crop(box)
从当前的图像中返回一个矩形区域的拷贝。变量box是一个四元组，定义了左、上、右和下的像素坐标。
对源图像的改变可能或者可能不体现在裁减下来的图像中。为了获取一个分离的拷贝，对裁剪的拷贝调用方法load()。 -
im.filter(filter)
返回一个使用给定滤波器处理过的图像的拷贝。可用滤波器需要参考ImageFilter模块。
-
im.histogram()
返回一个图像的直方图。这个直方图是关于像素数量的list，图像中的每个象素值对应一个成员。如果图像有多个通道，所有通道的直方图会连接起来（例如，“RGB”图像的直方图有768个值）。
二值图像（模式为“1”）当作灰度图像（模式为“L”）处理。 -
im.load()
为图像分配内存并从文件中加载它
-
im.paste(image,box)
将一张图粘贴到另一张图像上。变量box或者是一个给定左上角的2元组，或者是定义了左，上，右和下像素坐标的4元组，或者为空（与（0，0）一样）。如果给定4元组，被粘贴的图像的尺寸必须与区域尺寸一样。
如果模式不匹配，被粘贴的图像将被转换为当前图像的模式。>例子1： from PIL import Image im1 = Image.open("jing.jpg") box = [0,0,200,200] im_crop = im1.crop(box) im1.paste(im_crop,(200,200,400,400)) #等价于im1.paste(im_crop,(200,200)) im1.save("he.jpg") >定义2：im.paste(colour,box) 含义2：它与定义1一样，但是它使用同一种颜色填充变量box对应的区域。对于单通道图像，变量colour为单个颜色值；对于多通道，则为一个元组。 例子2： from PIL import Image im1 = Image.open("jing.jpg") im1.paste((256,256,256),(200,100,500,200)) im1.save("he.jpg") 注：图像im1的（200，100）位置将出现一个300x100的白色方块，对于多通道的图像，如果变量colour只给定一个数值，将只会应用于图像的第一个通道。如果是“RGB”模式的图像，将应用于红色通道。 >定义3：im.paste(image,box, mask) 含义3：与定义1一样，但是它使用变量mask对应的模板图像来填充所对应的区域。可以使用模式为“1”、“L”或者“RGBA”的图像作为模板图像。模板图像的尺寸必须与变量image对应的图像尺寸一致。 如果变量mask对应图像的值为255，则模板图像的值直接被拷贝过来；如果变量mask对应图像的值为0，则保持当前图像的原始值。变量mask对应图像的其他值，将对两张图像的值进行透明融合。 注意：如果变量image对应的为“RGBA”图像，即粘贴的图像模式为“RGBA”，则alpha通道被忽略。用户可以使用同样的图像作为原图像和模板图像。 例子3： from PIL import Image im1 = Image.open("jing.jpg") box = [100,100,200,200] im_crop = im1.crop(box) r,g,b = im_crop.split() im1.paste(im_crop,(200,100,300,200),b) im1.save("he.jpg") 注：在图像im1的（0，0）位置将出现一个半透明的100x100的方块。 >定义4：im.paste(colour,box, mask) 含义4：与定义3一样，只是使用变量colour对应的单色来填充区域。 例子4： from PIL import Image im1 = Image.open("jing.jpg") box = [100,100,200,200] im_crop = im1.crop(box) r,g,b = im_crop.split() im1.paste((0,256,0),(200,100,300,200),b) im1.save("he.jpg") 注：在图像im1的（0，0）位置将出现一个100x100的绿色方块。 -
im.point(table)
返回给定查找表对应的图像像素值的拷贝。变量table为图像的每个通道设置256个值。如果使用变量function，其对应函数应该有一个参数。这个函数将对每个像素值使用一次，结果表格将应用于图像的所有通道。
-
im.resize(size, filter)
返回改变尺寸的图像的拷贝。变量size是所要求的尺寸，是一个二元组：（width, height）。
变量filter为NEAREST、BILINEAR、BICUBIC或者ANTIALIAS之一。如果忽略，或者图像模式为“1”或者“P”，该变量设置为NEAREST。 -
im.rotate(angle,filter=NEAREST, expand=0)
返回一个按照给定角度顺时钟围绕图像中心旋转后的图像拷贝。
变量filter应该是NEAREST、BILINEAR或者BICUBIC之一。如果省略该变量，或者图像模式为“1”或者“P”，则默认为NEAREST。
变量expand，如果为true，表示输出图像足够大，可以装载旋转后的图像。如果为false或者缺省，则输出图像与输入图像尺寸一样大。 -
im.save(outfile, format, options…)
使用给定的文件名保存图像。如果变量format缺省，如果可能的话，则从文件名称的扩展名判断文件的格式。该方法返回为空。
关键字options为文件编写器提供一些额外的指令。如果编写器不能识别某个选项，它将忽略它。
用户可以使用文件对象代替文件名称。在这种情况下，用户必须指定文件格式。文件对象必须实现了seek()、tell()和write()方法，且其以二进制模式打开。
如果方法save()因为某些原因失败，这个方法将产生一个异常（通常为IOError异常）。如果发生了异常，该方法也有可能已经创建了文件，并向文件写入了一些数据。如果需要的话，用户的应用程序可以删除这个不完整的文件。 -
im.seek(frame)
在给定的文件序列中查找指定的帧。如果查找超越了序列的末尾，则产生一个EOFError异常。当文件序列被打开时，PIL库自动指定到第0帧上。
-
im.tell()
返回当前帧所处位置，从0开始计算。
-
im.transpose(method)
返回当前图像的翻转或者旋转的拷贝。
变量method的取值为：FLIP_LEFT_RIGHT，FLIP_TOP_BOTTOM，ROTATE_90，ROTATE_180，或者ROTATE_270。 -
im.split()
返回当前图像各个通道组成的一个元组。例如，分离一个“RGB”图像将产生三个新的图像，分别对应原始图像的每个通道（红，绿，蓝）。
im = Image.open(im_path)
-高斯模糊
im.filter(ImageFilter.GaussianBlur).save(new_path)
-普通模糊
im.filter(ImageFilter.BLUR).save(new_path)
-边缘增强
im.filter(ImageFilter.EDGE_ENHANCE).save(new_path)
-找到边缘
im.filter(ImageFilter.FIND_EDGES).save(new_path)
-浮雕
im.filter(ImageFilter.EMBOSS).save(new_path)
-轮廓
im.filter(ImageFilter.CONTOUR).save(new_path)
-锐化
im.filter(ImageFilter.SHARPEN).save(new_path)
-平滑
im.filter(ImageFilter.SMOOTH).save(new_path)
-细节
im.filter(ImageFilter.DETAIL).save(new_path)
461
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
