数字图像处理入门（易混知识点）【1】-CSDN博客

本文链接：https://blog.csdn.net/weixin_74959048/article/details/136420223

一、明确在图像处理中对应的x轴和y轴与我们常用的有所不同

二、在需要更换图片中的某个某行或者某个形状的像素值时，通常需要使用两层for循环，来进行遍历，此时我们就需要知道对应的横向最大和纵向最大，即这张图片的宽和高，具体获得代码如下：

# 1. 用pillow载入cat.png
from PIL import Image
img = Image.open("cat.png")  # 打开名为"cat.png"的图像文件
pixels = img.load()  # 获取图像的像素数据
w, h = img.size  # 获得图像的宽和高

三、接下来我们以具体的一个案列来讲解，导入一张图片将整张图片更改为红色通道图。

# 1. 用pillow载入xxx.png
from PIL import Image
img = Image.open("xxx.png")  # 打开名为"xxx.png"的图像文件
pixels = img.load()  # 获取图像的像素数据
w, h = img.size  # 获得图像的宽和高

# 2. 循环每一个像素, 只保留其红色通道的值
for x in range(w):
    for y in range(h):
        r, _, _ = pixels[x, y] 
        pixels[x, y] = r, 0, 0 

# 3. 保存并显示图像
img.save("xxx_blue.png", "PNG")  
img.show()

A、但是注意，并不是所有的图片都是只有三个通道的，还可能具有第四个通道——透明度。

所以当一张图片含有透明度第四个分量的时候，将代码修改如下：

from PIL import Image  
  
# 1. 用Pillow载入图像  
img_path = r"F:\\图像处理\\实验示例图片\\星云.png"  
img = Image.open(img_path)  
pixels = img.load()  
w, h = img.size  

# 打印一个像素的值来查看它有多少个分量  
print(pixels[0, 0])  # 打印图像左上角的像素值  这个不仅有三个分量，还有一个透明度分量
  
# 2. 循环每一个像素, 只保留其红色通道的值  
for x in range(0,int(w/2)):  
    for y in range(int(h/2),h):  
        # 根据实际的像素值分量数量来解包  
        r, *rest = pixels[x, y]  # 使用扩展的序列解包来获取红色通道和其他通道  
        pixels[x, y] = (r, 0, 0)  # 只保留r值  
  
# 3. 保存并显示图像  
output_path = r"F:\\图像处理\\实验示例图片\\星云_red.png"  
img.save(output_path, "PNG")  
img.show()