超全Python图像处理讲解(多模块实现)

Pillow模块讲解

一、Image模块

1.1 、打开图片和显示图片

对图片的处理最基础的操作就是打开这张图片，我们可以使用Image模块中的open(fp, mode)方法，来打开图片。open方法接收两个参数，第一个是文件路径，第二个是模式。主要的模式如下：

mode（模式）	bands（通道）	说明
“1”	1	数字1，表示黑白二值图片，每个像素用0或1共1位二进制码表示
“L”	1	灰度图
“P”	1	索引图
“RGB”	3	24位真彩图
“RGBA”	4	“RGB”+透明通道
“CMYK”	4	印刷模式图像

更多的模式也就不说了，关于模式的模式的详细介绍我也不知道。这个open方法返回一个Image对象，mode也不是必须参数。打开图片代码如下：

from PIL import Image
# 打开图片
im = Image.open('test.jpg')
# 显示图片
im.show()

当然显示图片不是我们的重点，我们获取Image对象之后，就可以获取它的一些信息了。

print('图像的格式：', im.format)
print('图像的大小：', im.size)
print('图像的宽度：', im.width)
print('图像的高度：', im.height)
# 传入坐标的元组
print('获取某个像素点的颜色值：', im.getpixel(100, 100))

在我的环境中运行结果如下：

图像的格式： JPEG
图像的大小： (3968, 2976)
图像的宽度： 3968
图像的高度： 2976
获取某个像素点的颜色值： (198, 180, 132)

1.2、创建一个简单的图像

在Image模块中，提供了创建图像的方法。主要是通过**Image.new(mode, size, color)**实现，该方法传入三个参数：

• mode：图像的创建模式
• size：图像的大小
• color：图像的颜色

用该方法可以创建一个简单的图像，之后我们可以通过save方法将图像保存：

from PIL import Image
# 创建一个简单的图像
im = Image.new('RGB', (100, 100), 'red')
# 保存这个图像
im.save('red.png')

生成图片如下：

1.3、图像混合

（1）透明度混合

透明度混合主要是使用**Image中的blend(im1, im2, alpha)**方法，对该方法的解释如下：

• im1：Image对象，在混合的过程中，透明度设置为（1-apha）
• im2：Image对象，在混合的过程中，透明度设置为（apha）
• alpha：透明度，取值是0-1。当透明度为0是，显示im1对象；当透明度为1时，显示im2对象

注意：im1和im2的大小必须一样，且mode都为RGB

代码实现如下：

from PIL import Image

# 打开im1
im1 = Image.open('pic.jpg').convert(mode='RGB')
# 创建一个和im1大小一样的图像
im2 = Image.new('RGB', im1.size, 'red')
# 混合图片，并显示
Image.blend(im1, im2, 0.5).show()

下面为原图和混合图的对比：

不得不说，我家艾斯真滴帅。

（2）遮罩混合

接下来就是很迷的时刻了，我们可以通过Image.composite(im1, im2, mask)方法实现遮罩混合。三个参数都是Image对象，该方法的作用就是使用mask来混合im1和im2。我是听不懂，你们能听懂最好给我讲一下。具体实现如下：

# 这句代码写了好多遍，我真不想写了
from PIL import Image
# 打开图像1
im1 = Image.open('pic1.jpg')
# 打开图像2
im2 = Image.open('pic2.jpg')
# 重新设置im2的大小
im2.resize(im1.size)
# 将图像2的三个色道分离，其中r、g、b都为Image对象
r, g, b = im2.split()
# 遮罩混合
Image.composite(im1, im2, b).show()

注意：im1、im2和mask的大小必须一样

im1、im2和遮罩混合效果对比如下：

依旧是我帅气的艾斯。

1.4、图像缩放

（1）按像素缩放

按像素缩放通过Image.eval(im1, fun)方法实现，其中im1为我们老生常谈的Image对象了；第二个为一个方法（函数），该函数传入一个参数，即像素点。该函数会对图片中每个像素点进行函数内的操作。下面我们对来简单使用一下这个方法：

from PIL import Image
# 打开一张图像
im = Image.open('抠鼻屎.jpg')
# 对该图像每个像素点进行*2处理
Image.eval(im, lambda x:x*2).show()

这里我使用的lambda表达式，当然一般也都是用lambda表达式，不过你也可以像下面这样写：

# 定义一个方法
def func(x):
 return x*2
# 对图像im每个像素点进行func中的操作，其中func不能加()
Image.eval(im, func)

效果图如下：

细心的读者应该可以发现，这个抠鼻屎的图片和笔者头像并不完全一样。在血色方面，笔者的头像确实要差几分。

注意：笔者在日常生活中可不是天天在大街上抠鼻屎的那种。

（2）按尺寸缩放

按尺寸缩放是通过Image对象的thumbnail()方法实现的，这里不同于前面直接通过Image调用方法，而是使用Image的具体实例im2调用thumbnail方法，从而对im2直接进行处理。具体代码如下：

from PIL import Image
# 打开图像
im1 = Image.open('xx.jpg')
# 复制图像
im2 = im1.copy()
# 将复制后的图像进行缩放，传入一个元组
im2.thumbnail((100, 100))
# 输出图像大小
print("im1的大小", im1.size)
print('im2的大小', im2.size)

这里缩放图像并不会对图像进行变形，即显示效果是一样的。这里就不放效果图了，输入结果如下：

1.5、图像的剪切与粘贴

（1）图像粘贴

粘贴的实现主要是通过Image对象的paste(im, box, mask)方法，其中im为Image对象；box为要粘贴到的区域；mask为遮罩（我也不知道啥是遮罩）。其中box的参数有三种形式：

• (x1, y1)：将im左上角对齐(x1,y1)点，其余部分粘贴，超出部分抛弃
• (x1, x2, y1, y2)：将im粘贴至此区域
• None：此时im必须与源图像大小一致

（2）裁剪图像

裁剪主要通过Image对象的crop(box)方法实现，box同粘贴中一致。

接下来我们做一个小练习，想将图像某个区域剪切下来，然后粘贴到另一个图像上：

from PIL import Image
# 打开图像
im = Image.open('nnz.jpg')
# 复制两份
im1 = im.copy()
im2 = im.copy()
# 剪切图片
im_crop = im1.crop((200, 200, 400, 400))
# 粘贴图片
im2.paste(im_crop, (30, 30))
im2.show()

原图和效果图对比如下：

貌美如花的娜娜子。

1.4、图像旋转和格式转换

（1）图像旋转

图像旋转就非常简单了，简单的一句代码，通过Image对象调用rotate()，该方法返回被旋转图像的一个副本：

from PIL import Image
im = Image.open('nnz.jpg')
# 旋转90度然后显示
im.rotate(90).show()

顺时针逆时针就不要问我了。

（2）格式转换

• convert：转换图像的模式
• transpose：转换图像的格式

convert之前已经使用过了，这里就简单演示一下transpose的作用，transpose主要传入一些Image中的常量：

from PIL import Image
# 打开图像
im = Image.open('nnz.jpg')
# 这里我也不知道注释啥了，总之效果和rotate(90)效果一样
im.transpose(Image.ROTATE_90).show()

效果图我也就不放了，给大家列出一些可以传入的常量和该常量的作用：

常量	作用
Image.FILP_TOP_BOTTOM	上下翻转
Image.FILP_LEFT_RIGHT	左右翻转
Image.ROTATE_90	翻转90°
Image.ROTATE_180	翻转180°
Image.TRANSPOSE	颠倒

我也不知道这是哪门子的格式转换。

1.5、分离和合并

（1）分离

这个是之前使用过的，通过Image对象的split()方法，将图像的RGB三个通道分离，并返回三个Image对象：

from PIL import Image
# 打开图像
im = Image.open('nnz.jpg')
# 分离通道，返回3个Image对象
r, g, b = im.split()

三个通道的效果图如下：

（2）合并

合并是通过Image.merge(mode, bands)方法实现的，其中mode为模式，bands为通道列表，传入一个列表类型数据。下面我实现以下小新多年来的愿望：

from PIL import Image
# 打开小新.jpg和娜娜子.jpg
im1 = Image.open('娜娜子.jpg')
im2 = Image.open('小新.jpg')
# 让im2大小和im1一样
im2.resize(im1.size)
# 将两个图像分别分离
r1, g1, b1 = im1.split()
r2, g2, b2 = im2.split()
# 合并图像
im3 = Image.merge('RGB', [r1, g2, b1])
im3.show()

效果图如下，看到这么美的图片，小新一定会感谢我的：

到这里，我们就把Image模块的大致内容讲解完了，接下来我们来了解PIL中更丰富的功能。

二、ImageFilter

ImageFilter中提供了很多常用的滤镜功能，

2.1、高斯模糊

高斯模糊也叫高斯平滑，是啥我也不知道，反正听名字就是模糊。我们结合上面的内容完成一个小案例：

from PIL import Image, ImageFilter
# 打开图像
im1 = Image.open('iron_man.jpg')
# 创建一个im1两倍宽的图像
img = Image.new('RGB', (im1.width*2, im1.height), 'red')
# 高斯模糊处理
im2 = im1.filter(ImageFilter.GaussianBlur)
# 将im1粘贴到img上
img.paste(im1, (0, 0))
# 将im2（高斯模糊后的图像）粘贴到img上
img.paste(im2, (im1.width, 0))
img.show()

为了考虑小新的感受，下面不再用娜娜子作为素材。我选取了一张钢铁侠的图片，运行结果如下：

希望各位读者不要误会，他俩真没说你帅，他俩只说笔者一个人帅。

2.2、其它滤镜

除了高斯模糊，ImageFilter中还提供了许多其它滤镜：

滤镜值	滤镜名词
BLUR	模糊效果
CONTOUR	轮廓
DETAIL	细节
EDGE_ENHANCE	边缘增强
EDGE_ENHANCE_MORE	边缘增强plus
EMBOSS	浮雕效果
FIND_EDGES	寻找边缘
SMOOTH	平滑

笔者用一张美女图片，测试了上面几个滤镜的效果，发现9张图是看起来是完全一样的。虽然完全一样，但是笔者还是打算将这次测试的结果作为我慈善事业的一部分，分享给各位读者。

其中1为高斯模糊，2-9分别为表格中的8个滤镜。

三、ImageChops模块（图像合成）

ImageChops模块中，提供了很多图像合成的方法。这些方法是通过计算通道中像素值来实现的，不同的方法有不同的计算方式。

3.1、加法运算

加法运算通过**ImageChops.add(image1, image2, scale=1.0, offset=0)**方法实现，合成公式如下：

out = (im1 + im2)/scale + offset

我也看不懂，其中scale和offset是有默认值的。所以使用时我们可以省略参数，具体实现如下：

from PIL import Image, ImageChops
# 打开图像
im1 = Image.open('im1.jpg')
im2 = Image.open('im2.jpg')
# 合成图像并显示
im3 = ImageChops.add(im1, im2)
im3.show()

实验结果产不忍赌，效果图如下：

3.2、减法运算

加法运算通过**ImageChops.subtract(image1, image2, scale=1.0, offset=0)**方法实现，合成公式如下：

out = (im1 - im2)/scale + offset

其使用和add方法是一致的，代码如下：

from PIL import Image, ImageChops
# 打开图像
im1 = Image.open('xscn.jpg')
im2 = Image.open('xscn2.jpg')
# 合成图像并显示
im3 = ImageChops.subtract(im1, im2)
im3.show()

原本是不想放效果图的，但是运行后，发现效果图比较美，所以想和大家分享一下：

希望大家读到这篇博客的时候是独自一人的深夜。

3.3、其它函数

因为大多数函数的使用都比较简单，所以后续的函数也不单独拿出来讲了，具体功效可以看下列表：

函数名	参数	作用	计算公式
darker(变暗)	(image1, image2)	对比两种图片的像素，取两种图片中对应像素的较小值。（去亮留暗）	min(im1, im2)
lighter（变亮）	同上	对比两种图片的像素，取两种图片中对应像素的较大值。（去暗留亮）	max(im1, im2)
invert（反色）	(image)	将max(255)减去每个像素的值	max-image
multiply（叠加）	(image1, image2)	两种图片互相叠加。如果和黑色叠加，将获得一张很色图片	im1*im2/max
screen（屏幕）	同上	先反色后叠加	max-((max-im1)*(max-im2)/max)
difference（比较）	同上	各个像素做减法，取绝对值。如果像素相同结果为黑色	abs(im1-im2)

演示代码如下：

from PIL import Image, ImageChops

# 打开图像
im1 = Image.open("im1.jpg")
im2 = Image.open("im2.jpg")

# 对图像进行各种操作
im3 = ImageChops.darker(im1, im2)
im3.save('darker.jpg')
im3 = ImageChops.lighter(im1, im2)
im3.save('lighter.jpg')
im3 = ImageChops.invert(im1)
im3.save('invert.jpg')
im3 = ImageChops.multiply(im1, im2)
im3.save('multiply.jpg')
im3 = ImageChops.screen(im1, im2)
im3.save('screen.jpg')
im3 = ImageChops.difference(im1, im2)
im3.save('difference.jpg')

其中，我选取的素材im1和im2都是上面使用到的那两张，效果图如下：

这样，我的女神就被我毁的体无完肤了。

四、ImageEnhance模块（色彩、亮度）

ImageEnhance提供了许多函数，用于调整图像的色彩、对比度、亮度、清晰度等。调整图像的步骤如下：

确定要调整的参数，获取特定的调整器调用调整器的enhance方法，传入参数进行调整。

注意：所有调整器都实现同一个接口，该接口中包含一个方法enhance

其中enhance方法接收一个参数factor，factor是一个大于0的数。当factor为1时，返回原图，当factor小于1返回减弱图，大于1返回增强图。

各个获取色彩调整器的方法如下：

方法名称	方法作用
ImageEnhance.Color()	获取颜色调整器
ImageEnhance.Contrast()	获取对比度调整器
ImageEnhance.Brightness()	获取亮度调整器
ImageEnhance.Sharpness()	获取清晰度调整器

虽然是很想偷懒，不去做实验，但是想想还是做了如下实验，代码如下：

from PIL import Image, ImageEnhance
# 打开im1
im1 = Image.open("gtx.jpg")
# 获取颜色（各种）调整器
enhance_im1 = ImageEnhance.Color(im1)
#enhance_im1 = ImageEnhance.Contrast(im1)
#enhance_im1 = ImageEnhance.Brightness(im1)
#enhance_im1 = ImageEnhance.Sharpness(im1)
# 减弱颜色（以及其它属性）
im2 = enhance_im1.enhance(0.5)
# 增强颜色（以及其它属性）
im3 = enhance_im1.enhance(1.5)

# 获取原图大小
w, h = im1.size
# 创建一个原图大小3倍的图片
img = Image.new("RGB", (w*3, h))
# 将减弱的图片放在最左边
img.paste(im2, (0, 0))
# 将原图放在中间
img.paste(im1, (w, 0))
# 将增强后的图片放在最右边
img.paste(im3, (w*2, 0))
# 显示图片
img.show()

其中，我们只需要修改获取调整器的代码就可以了，获取其它调制器的代码我注释了。然后看看效果图：

这种不伤大雅的工作，让我唐尼叔做再适合不过了。

另外再讲一个调节亮度的函数，但是这个函数时Image中的函数point()，而不是ImageEnhance的。该函数传入一个参数，使用方法和Image.eval()类似，使用示例如下：

from PIL import Image
# 打开图像
im1 = Image.open('gtx.jpg')

# 变暗操作
im2 = im1.point(lambda x:x*0.5)
# 变量操作
im3 = im1.point(lambda x:x*1.5)
# 获取原图大小
w, h = im1.size
# 创建一个原图大小3倍的图片
img = Image.new("RGB", (w*3, h))
# 将减弱的图片放在最左边
img.paste(im2, (0, 0))
# 将原图放在中间
img.paste(im1, (w, 0))
# 将增强后的图片放在最右边
img.paste(im3, (w*2, 0))
# 显示图片
img.show()

效果图如下：

五、ImageDraw模块

该模块提供了许多绘制2D图像的功能，我们可以通过绘制获取一个全新的图像，也可以在原有的图像上进行绘制。在我们使用该模块进行绘制时，我们需要先获取ImageDraw.Draw对象，获取方式如下：

from PIL import ImageDraw
# 构造函数中，im为一个Image对象
drawer = ImageDraw.Draw(im)

我们获取ImageDraw.Draw对象后就可以进行相应的绘制了。

5.1、绘制简单形状

在绘制之前，我们先创建一个空白的图片：

from PIL import Image, ImageDraw

# 创建一个300*300的白色图片
im = Image.new("RGB", (300, 300), "white")
# 获取ImageDraw.Draw对象
drawer = ImageDraw.Draw(im)

后续的绘制都可以使用对象drawer绘制。

（1）绘制直线

"""
xy：起点坐标和终点坐标(x1, y1, x2, y2)
fill：填充色。"red"、"blue"...
width：轮廓粗细
joint：连接方式，可以是曲线
"""
line(xy, fill, width, joint)
# 绘制直线
drawer.line((50, 50, 150, 150), fill='green',width=2)

（2）绘制矩形

"""
xy：左上角坐标和右下角坐标(x1, y1, x2, y2)
fill：填充色。"red"、"blue"...
outline：轮廓色。同上
width：轮廓粗细
"""
rectangle(xy, fill, outline, width)
# 使用示例
drawer.rectangle((50, 50, 150, 150), fill='green', outline='red', width=3)

（3）绘制圆弧

"""
xy：包含圆弧所在圆的矩形的左上角坐标和右下角坐标(x1, y1, x2, y2)
start：起始角度
end：终止角度
fill：填充色。"red"、"blue"...
width：轮廓粗细
"""
arc(xy, start, end, fill, width)
# 使用示例
drawer.arc((50, 50, 150, 150), start=0, end=90, fill='green', width=3)

对于xy参数的解释如图所示：

（4）绘制椭圆

"""
xy：包含椭圆（或圆）的矩形的左上角坐标和右下角坐标(x1, y1, x2, y2)
fill：填充色。"red"、"blue"...
outline：轮廓颜色
width：轮廓粗细
"""
ellipse(xy, fill, outline, width)
# 使用示例
drawer.ellipse((50, 50, 150, 150),fill='green', outline='red', width=3)

（5）绘制弦

"""
xy：弦所在椭圆的矩形的左上角坐标和右下角坐标(x1, y1, x2, y2)
start：开始角度
end：终点角度
fill：填充色。"red"、"blue"...
outline：轮廓颜色
width：轮廓粗细
"""
chord(xy, start, end, fill, outline, width)
# 使用示例
drawer.chord((50, 50, 150, 150),start=0, end=90, fill='green', outline='red', width=3)

（6）绘制扇形

"""
xy：扇形所在椭圆的矩形的左上角坐标和右下角坐标(x1, y1, x2, y2)
start：开始角度
end：终点角度
fill：填充色。"red"、"blue"...
outline：轮廓颜色
width：轮廓粗细
"""
pieslice(xy, start, end, fill, outline, width)
# 使用示例
drawer.pieslice((50, 50, 150, 150),start=0, end=90, fill='green', outline='red', width=3)

（7）绘制多边形

"""
xy：多边形各个点坐标的元组/列表(x1, y1, x2, y2)
fill：填充色。"red"、"blue"...
outline：轮廓颜色
"""
pieslice(xy, fill, outline)
# 使用示例
drawer.polygon((50, 50, 150, 150, 150, 200, 200, 250, 50, 50), fill='green', outline='red')

（8）绘制点

"""
xy：点的坐标
fill：填充色。"red"、"blue"...
"""
point(xy, fill)
# 使用示例
drawer.point((100, 100), fill='black')

除了上面这些简单图形外，我们还可以使用Draw绘制文字。

5.2、绘制文字

绘制文字和绘制图形是一样的：

"""
xy：起点坐标
text：绘制的文本
fill：填充色。"red"、"blue"...
...其中绘制文字还有许多其它参数
"""
text(xy, text, fill)
# 使用示例
drawer.text((100, 100), text='zack' fill='red')

当我们绘制中文时，上述代码会报错，因为默认编码是不支持中文的。我们可以在C:/Windows/Fonts目录下找到字体文件，我们选择一个支持中文的。我这里直接是将字体文件复制到项目底下来了，代码如下：

from PIL import Image, ImageDraw, ImageFont
# 创建一个图像用于绘制文字
im = Image.new("RGB", (300, 300), "white")
drawer = ImageDraw.Draw(im)
# 获取字体对象
imFont = ImageFont.truetype('simkai.ttf', 30)
# 绘制文字时设置字体
drawer.text((50, 100),text="啥",font=imFont,fill="red")
im.show()

我们使用了ImageFont.truetype()函数获取字体对象，在获取时我们可以设置字体大小。到此我们就了解了PIL的各种操作了

到此这篇关于超全Python图像处理讲解(多模块实现)的文章就介绍到这了,更多相关Python 图像处理内容请搜索python博客以前的文章或继续浏览下面的相关文章希望大家以后多多支持python博客！