【Python】PIL库学习笔记(一)

数字图像的基本概念

1. 图像的RGB色彩模式

RGB三个颜色通道的变化和叠加得到各种颜色,其中

  • R 红色,取值范围[0,255],大小为1字节
  • G 绿色,取值范围[0,255],大小为1字节
  • B 蓝色,取值范围[0,255],大小为1字节

这三种颜色是三原色,是指色彩中不能再进行分解的三种基本颜色

常见的几种颜色的叠加:

  • 红色的RGB表示(255,0,0)
  • 绿色的RGB表示(0,255,0)
  • 蓝色的RGB表示(0,0,255)
  • 黑色的RGB表示(0,0,0)
  • 白色的RGB表示(255,255,255)

2. 像素阵列

数字图像可以看成一个整数阵列,阵列中的元素称为像素(Pixel)

在这里插入图片描述

  • 每个像素点代表1个像素,一点包含RGB三种颜色的组合,一个像素点包含3个字节的信息

  • 假如这个点是红色,则包含的信息为(255, 0, 0)

  • 理论上,我们只需要操作每个点上的这三个数字,就能得到任何图形

  • 一幅图像上的所有像素点的信息,完全可以使用整数矩阵来表示

  • 通过矩阵的运算实现复杂的图像操作

Image模块

1. 打开图像和新建图像

(1) 打开已有图像

使用open函数打开一个已经存在的图像

def open(fp, mode="r", formats=None)
  • 参数

fp表示要打开文件的路径(相对路径或者绝对路径)

mode表示打开文件的形式,通常使用默认值r,即不需要传入

  • 返回值:一个图像的实例

打开图像函数程序演示

# 导入包
from PIL import Image
# 以 默认方式 打开图片
img1 = Image.open("picture/杯子.png")
# 显示图片
img1.show()

程序运行结果

在这里插入图片描述

(2) 新建一个图像

使用new函数新建一个图像

def new(mode, size, color=0)
  • 参数

mode表示新建图像的形式

size表示图像的大小

color表示图像的颜色

new函数演示

from PIL import Image
img1 = Image.new("RGB", (300,300),(255,255,255))
img1.show()

运行结果

在这里插入图片描述

2. 查看图像的信息

属性含义
format图片格式(后缀名)
size图片尺寸(宽度和高度组成的tuple)
width图片宽度
height图片高度

获取某个点的RPG像素值函数

def getpixel(self, xy)
  • 参数:点坐标
  • 返回值:RPG三个值组成的tuple

查看图像信息程序演示

from PIL import Image
img1 = Image.open("picture/杯子.png")
# 查看图片信息
print('图像格式:',img1.format)
print('图像大小(宽度,高度):',img1.size)
print('图片的高度:',img1.height,'图片的宽度:',img1.width)
print('获取(100,100)处像素值:',img1.getpixel((100,100)))

程序输出结果

图像格式: JPEG
图像大小(宽度,高度): (2000, 1333)
图片的高度: 1333 图片的宽度: 2000
获取(100,100)处像素值: (26, 49, 33)

3. 混合处理图像

(1) 透明度混合处理图像

函数blend实现透明度混合处理

def blend(img1,img2,alpha)
  • 其中img1和img2指参与混合的图片1和图片2,他们的尺寸必须相同

  • alpha指混合透明度,取值为[0,1]

  • blend函数可以将两个图片以一定的透明度进行混合

  • 混合原理:img1 * (1 - alpha) + img2 * alpha

  • 当alpha为0时,混合出来的图片为img2;当alpha为1时,混合出来的图片为img1

blend函数演示

from PIL import Image
img1 = Image.open("picture/cup.jpg").convert("RGB")
img2 = Image.new("RGB", img1.size, "red")
img3 = Image.blend(img1, img2, alpha=0.5)
img3.show()

运行结果
在这里插入图片描述

(2) 遮罩混合处理图像

函数composite实现遮罩混合处理

def composite(image1, image2, mask)
  • image1 、 image2 、mask 分别是三张图片
  • 三张图片尺寸必须相同
  • 用mask来混合image1 和image2

composite函数演示

from PIL import Image
img1 = Image.open("picture\cup.jpg")
img2 = Image.open("picture\杯子.png").resize(img1.size)
r,g,b = img2.split()	# 将img2分割成3个通道
Image.composite(img1,img2,b).show() # 使用img2的b通道遮罩img1

程序输出结果
在这里插入图片描述

4. 复制和缩放图像

(1) 复制图像

函数copy复制指定的图片

def copy(self)

函数copy演示

from PIL import Image
img1 = Image.open("picture\cup.jpg")
img2 = img1.copy()
img2.show()
print(id(img1))
print(id(img2))

输出结果

1706724532872
1706724069000

在这里插入图片描述

(2) 缩放像素值的RPG

使用eval函数缩放图像

def eval(image, *args)
  • 将image图片的每一个像素点的RPG值按照函数指针args中定义的方式进行缩放

eval函数演示

from PIL import Image
img1 = Image.open("picture\cup.jpg")
img1_bigger = Image.eval(img1, lambda x: x / 10)
print(img1.getpixel((100,100)))
print(img1_bigger.getpixel((100,100)))
img1_bigger.show()

输出结果:缩放图的点(100,100)的RPG值是原图的十分之一

(26, 49, 33)
(2, 4, 3)

在这里插入图片描述

(3) 原生缩放图像大小

thumbnail函数

def thumbnail(self, size, resample=BICUBIC, reducing_gap=2.0)
  • 按照size缩放按比例缩放原图

thumbna函数演示

from PIL import Image
img1 = Image.open("picture\cup.jpg")
print(img1.size)
img1.thumbnail((200, 100))
print(img1.size)

运行结果

(2000, 1333)
(150, 100)

5. 剪切和黏贴图片

(1) 剪切图片函数

剪切图片函数crop

def crop(self, box=None)
  • 参数box是一个四元组,分别定义了剪切区域的左、上、右、下四个坐标

(2) 黏贴图片函数

粘贴图片函数paste

def paste(self, im, box=None, mask=None)
  • im是要黏贴的目标图片
  • box是黏贴的区域,分为三种情况
box含义
(x1,y1)将源图像左上角对齐(x1,y1)点
(x1,y1,x2,y2)源图像与该区域必须大小一致
None源图像与被黏贴的图像大小必须一致

剪切黏贴函数演示程序

from PIL import Image
img1 = Image.open("picture\cup.jpg")
# 将img1拷贝两份
img2 = img1.copy()
img3 = img1.copy().resize((500,400))
# 将img3整张图片剪切出来
img_region = img3.crop((0,0,img3.width,img3.height))
# 将剪切出来的img_region左上角的点定位放在img2的(30,30)处
img2.paste(img_region,(30,30))
img2.show()

运行结果

在这里插入图片描述

6. 图像旋转

rotate函数实现图像旋转

rotate(
        self,
        angle,
        resample=NEAREST,
        expand=0,
        center=None,
        translate=None,
        fillcolor=None,
    )
  • 将图片旋转angle度,其他参数可不填

rotate函数演示

from PIL import Image
img1 = Image.open("picture\cup.jpg")
img_rotate = img1.rotate(90)
img_rotate.show()

运行结果

在这里插入图片描述

7. 图像通道的分割与合并

(1) 图像分割为通道函数

split函数将图片分割为多个通道列表

def split(self)

(2) 通道合并入图像函数

merge函数可以将一个通道的图像合并到更多通道的图像当中

def merge(mode, bands)

对指定图片进行合并和分离操作

from PIL import Image
img1 = Image.open("picture\cup.jpg")
img2 = Image.open("picture\杯子.png").resize(img1.size)
# 分离
r1,g1,b1 = img1.split()
r2,g2,b2 = img2.split()
# 合并
tmp = [r1,g2,b1]
img = Image.merge("RGB",tmp)
img.show()

运行结果
在这里插入图片描述

8. 滤镜效果

在ImageFilter模块中,函数filter可以使用特定滤镜过滤指定的图像

def filter(self, filter)
  • filter表示滤镜内核

函数filter对图像进行高斯模糊

from PIL import Image,ImageFilter
img = Image.open("picture\cup.jpg")
# 创建一个 与img同高但两倍宽的空白图 
img_output = Image.new("RGB", (2 * img.width, img.height))
# 将img放在空白图左侧
img_output.paste(img, (0, 0))
# 将img进行高斯模糊
img_filter = img.filter(ImageFilter.GaussianBlur)
# 将高斯模糊后的img放在空白图的右侧
img_output.paste(img_filter,(img.width, 0))
# 将拼接好的原图和高斯模糊的图进行对比展示
img_output.show()

输出结果

在这里插入图片描述

其他滤镜内核演示

  • 四个一起对比
img = Image.open("picture\cup.jpg")
img_output = Image.new("RGB", (img.width * 4, img.height))

img_GaussianBlur = img.filter(ImageFilter.GaussianBlur)     # 高斯模糊
img_EDGE_ENHANCE = img.filter(ImageFilter.EDGE_ENHANCE)     # 边缘增强滤镜
img_FIND_EDGES   = img.filter(ImageFilter.FIND_EDGES)       # 寻找边缘滤镜

# 将原图与另外三个图拼接在一起
img_output.paste(img, (0, 0))
img_output.paste(img_GaussianBlur, (img.width, 0))
img_output.paste(img_EDGE_ENHANCE, (img.width * 2, 0))
img_output.paste(img_FIND_EDGES, (img.width * 3, 0))

img_output.show()
  • 两两对比
from PIL import Image,ImageFilter

img = Image.open("picture\cup.jpg")

img_GaussianBlur = img.filter(ImageFilter.GaussianBlur)     # 高斯模糊
img_EDGE_ENHANCE = img.filter(ImageFilter.EDGE_ENHANCE)     # 边缘增强滤镜
img_FIND_EDGES   = img.filter(ImageFilter.FIND_EDGES)       # 寻找边缘滤镜

filters = []
filters.append(img_GaussianBlur)
filters.append(img_EDGE_ENHANCE)
filters.append(img_FIND_EDGES)

img_output  = Image.new("RGB", (img.width * 2, img.height))
img_output.paste(img, (0, 0))
for _filter in filters:
    img_output.paste(_filter, (img.width, 0))
    img_output.show()

四个一起对比输出结果

在这里插入图片描述

9.像素点计算

  • 对像素点进行计算,从而改变图片的亮度
def point(self, lut, mode=None)

测试程序

from PIL import Image

img = Image.open("picture\cup.jpg")

img_high = img.point(lambda x: x * 1.5)
img_low  = img.point(lambda x: x * 0.5)

img_output = Image.new("RGB",(img.width * 3, img.height))
img_output.paste(img, (0, 0))
img_output.paste(img_high, (img.width, 0))
img_output.paste(img_low, (img.width * 2, 0))
img_output.show()

在这里插入图片描述

ImageChops模块

  • PIL库中的内置模块ImageChops中包含了多个用于实现图片合成的函数
  • 这些合成功能的=是通过计算通道中像素值的方式实现的
  • 主要用于制作特效、合成图片等操作

内置函数:

(1)add函数

  • 相加函数add,功能是对两张图片进行算术加法运算
  • 合成后的图像中的每个像素值,按照以下公式计算: out = (image1 + image2) / scale + offset)
def add(image1, image2, scale=1.0, offset=0)

函数演示

from PIL import Image,ImageChops
img1 = Image.open("picture\cup.jpg")
img2 = Image.open("picture\杯子.png").resize(img1.size)

# add函数
ImageChops.add(img1, img2).show()

运行结果

在这里插入图片描述

(2)subtract函数

  • 减法函数subtract,功能是对两张图片进行算术减法运算
  • 合成后的图像中的每个像素值,按照以下公式计算: out = (image1 - image2) / scale + offset)
def subtract(image1, image2, scale=1.0, offset=0)

函数演示

from PIL import Image,ImageChops
img1 = Image.open("picture\cup.jpg")
img2 = Image.open("picture\杯子.png").resize(img1.size)

# subtract函数
ImageChops.subtract(img1,img2).show()

运行结果

在这里插入图片描述

(3)darker函数

  • 变量函数darker,功能是比较连个图片(逐像素比较)将两张图片较暗的部分叠加得到一张新的图片返回
  • 某个像素点的取值为两张图片中较小(暗)的那个值
def darker(image1, image2)

函数演示

from PIL import Image,ImageChops
img1 = Image.open("picture\cup.jpg")
img2 = Image.open("picture\杯子.png").resize(img1.size)

# darker函数
ImageChops.darker(img1,img2).show()

运行结果

在这里插入图片描述

(4)lighter函数

  • 变量函数lighter,功能是比较连个图片(逐像素比较)将两张图片较亮的部分叠加得到一张新的图片返回
  • 某个像素点的取值为两张图片中较大(亮)的那个值
def lighter(image1, image2)

函数演示

from PIL import Image,ImageChops
img1 = Image.open("picture\cup.jpg")
img2 = Image.open("picture\杯子.png").resize(img1.size)

# lighter函数
ImageChops.lighter(img1,img2).show()

运行结果

在这里插入图片描述

(5)multiply函数

  • 叠加函数multiply,功能室将两张图片相互叠加。若果用纯色与某图片进行叠加操作,就会得到一幅纯黑色的图片,如果用纯白色图片,则图片不受影响
  • 像素的计算公式为: out = image1 * image / MAX
def multiply(image1, image2)

函数演示

from PIL import Image,ImageChops
img1 = Image.open("picture\cup.jpg")
img2 = Image.open("picture\杯子.png").resize(img1.size)

# multiply函数
ImageChops.multiply(img1,img2).show()

运行结果

在这里插入图片描述

(6)screen函数

  • 屏幕函数screen,功能是先反色后叠加,实现合成图像的效果,就像将两张幻灯片用两台投影仪投影到一块屏幕上的效果
  • 像素计算公式: out = MAX - ((MAX - image1) * (MAX - image2) / MAX)
def screen(image1, image2)

函数演示

from PIL import Image,ImageChops
img1 = Image.open("picture\cup.jpg")
img2 = Image.open("picture\杯子.png").resize(img1.size)

# screen函数
ImageChops.screen(img1,img2).show()

运行结果

在这里插入图片描述

(7)invert函数

  • 反色函数invert,类似于集合操作中的求补集,最大值为MAX,用MAX减去每个像素值求出反色
  • 像素计算公式:out = MAX - image
def invert(image)

函数演示

from PIL import Image,ImageChops
img1 = Image.open("picture\cup.jpg")
img2 = Image.open("picture\杯子.png").resize(img1.size)

# invert函数
ImageChops.invert(img1).show()

运行结果

在这里插入图片描述

(8)difference函数

  • 比较函数difference,逐像素做减法再求绝对值
  • 若两个像素值相同,比较后的像素值为黑色
  • 像素计算公式:out = abs(image1 - image2)
def difference(image1, image2)

函数演示

from PIL import Image,ImageChops
img1 = Image.open("picture\cup.jpg")
img2 = Image.open("picture\杯子.png").resize(img1.size)

# difference函数
ImageChops.difference(img1,img2).show()

运行结果

在这里插入图片描述

ImageEnhance模块

  • ImageEnhance模块中包含了多个用于增强图像效果的函数,主要用来调整图像的色彩、对比度、亮度和清晰度
  • 在ImageEnhance模块中,质保函一个方法enhance,该方法会返回一个增强的对象,参数是一个大于0的float数,1表示返回原始图片
  • 使用enhance方法之前,需要获得对应的增强调整器,根据增强调制器调用enhance方法,根据增强系数(小于1表示减弱,大于1表示增强)进行调整,再返回调整后的图片
ImageEnhance.Color(image)		# 调整图像 色彩
ImageEnhance.Contrast(image)	# 调整图像 对比度 
ImageEnhance.Brightness(image)	# 调整图像 亮度
ImageEnhance.Sharpness(image)	# 调整图像 清晰度

测试程序

from PIL import Image,ImageEnhance

img = Image.open("picture\cup.jpg")
img_output = Image.new("RGB",(img.width * 3, img.height * 2))

# 获取色彩调整期
img_color = ImageEnhance.Color(img)
img_high = img_color.enhance(1.5)   # 色彩增加
img_low  = img_color.enhance(0.5)   # 色彩减弱
# 将原图复制到第一行最左边,另外两个图以此放在右边
img_output.paste(img, (0, 0))
img_output.paste(img_high, (img.width * 1, 0))
img_output.paste(img_low, (img.width * 2, 0))


# 获取亮度调整期
img_Brightness = ImageEnhance.Brightness(img)
img_high = img_Brightness.enhance(1.5)  # 亮度增强
img_low  = img_Brightness.enhance(0.5)  # 亮度减弱
# 将原图复制到第二行最左边,另外两个图以此放在右边
img_output.paste(img, (0, img.height))
img_output.paste(img_high, (img.width * 1, img.height))
img_output.paste(img_low, (img.width * 2, img.height))

img_output.show()

输出结果

在这里插入图片描述

评论 2
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