Python 细聊一下可以媲美 PS 的 PIL 图片处理库

2023-12-12 13:32

本文主要是介绍Python 细聊一下可以媲美 PS 的 PIL 图片处理库,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1 . 前言

PIL 是 Python Image Library 的简称。

PIL 库中提供了诸多用来处理图片的模块,可以对图片做类似于 PS(Photoshop) 的编辑。比如:改变图像大小、旋转图像、图像格式转换,转换颜色通道,图像增强,直方图处理,插值和滤波等等。

PIL 是第三方库,使用之前需要先安装。

pip install pillow

2. 颜色模式

继续之前先解一个重要概念: 颜色模式。

所谓颜色模式:指在计算机中如何模拟出现实世界中的各种颜色,或准确讲是一种颜色生成算法。

常用的颜色模式:

  • RGB:基础理论就是对图片中的每一个像素点,按 红 (Red)、绿(Green)、蓝(Blue) 三色系的不同分量组合出现实世界中的颜色。也可以说,我们在计算机上中所看到的 RGB 图片的颜色是由 三色系分量 组合而成。或称其有 3 个颜色通道。

    Tip:我们在电脑中所看到的图片大多数都是 像素图片 ,像素图片的特点就是整张图片由很多的像素点组成,每一个像素点有自己的颜色。

    在 RGB 颜色模式中,计算机为红色、绿色、蓝色分别分配 8 bit 的空间,也意味着红色、绿色、蓝色各自的分量变化是在 0~255(8bit 二进制换算成十进制度的最大值)之间。

    所以计算机使用 RGB 颜色模式最多可以模拟出 255X255X255 种颜色,这应该足够多了,已经可以让计算机显示出多彩斑斓的现实世界。

    Tip: RGBA 是 RGB 颜色模式的增加版。除了可以模拟颜色,还可以摸拟透明度。A 是 Alpha 的缩写,这是可以理解为透过或透明度的意思。

  • CMYK: C:Cyan = 青色,又称为‘天蓝色’或是‘湛蓝’;M:Magenta = 品红色,又称为‘洋红色’;Y:Yellow = 黄色;K:blacK=黑色。CMYK 往往用于模拟印刷制品颜色。多用于广告设计。

可以使用 PIL 库的 ImageColor 模块的 getColor ( ) 方法获取一个 颜色 的不同颜色分量值。

from PIL import ImageColorred = ImageColor.getrgb("red")
print(red)
'''
输出结果
(255, 0, 0)
'''

Tip: ImageColor 模块内部维护有一个字典。

getColor( )方法用使用者提供的颜色名字为键,在字典中查找到对应颜色,再转换成元组后返回。

colormap = {
"aliceblue": "#f0f8ff",
"antiquewhite": "#faebd7",
"aqua": "#00ffff",
"aquamarine": "#7fffd4",
"azure": "#f0ffff",
"beige": "#f5f5dc",
"bisque": "#ffe4c4",
"black": "#000000",
"blanchedalmond": "#ffebcd",
……
}

3. 处理图片

处理图片,主要是使用 PIL 库的 Image 模块(也是核心模块)。在处理图片之前请提前准备 3 张图片(2 张 jpg 格式的图片,1 张 png 格式的图片)。

Tip:为了方便操作,把图片存放到项目目录中,加载图片时使用相对路径描述。

3.1 基本操作

  1. 打开图片:处理图片之前,先要打开图片,可以使用 Image 模块中的 open( ) 方法 打开。此方法返回一个 PIL.Image.Image 类型的对象。

    Tip:本文不刻意区分函数和方法的概念,统一称为方法。

# 原型
def open(fp, mode="r", formats=None):……

open( ) 方法特点:open( ) 方法不会立即加载图片数据,只有在处理图片或调用图片的 load( ) 方法时才会加载。

from PIL import Image
# open( ) 方法具有懒(延迟)加载的特性
img = Image.open("back_.jpg")
#立即加载图片数据
img.load()

open( ) 方法参数说明:

  • fp: 设置要打开的图片文件。可以是字符串描述的文件名称、也可以是一个文件对象。
from PIL import Image
# mode 必须是 "rb"
file = open("dog.png", mode="rb")
#文件对象作为参数
img = Image.open(file)
  • mode: 对图片文件操作的模式,默认是 “r” 。如果设置,也只能是 "r"。
  • formats: 列表或元组类型,指定文件的打开格式,默认由方法自己判断。
  1. 图片的常规属性: 图片对象有几个常用的属性。
  • mode:图片的颜色模式(RGB,CMYK,RGBA,L……)。不同颜色模式的图片其通道数量会有差异。

  • format:图片的格式(PNG,JPEG,GIF……)。JPEG格式的图片没有 A 通道,所以 JPEG 图片是没有透明度信息的。PNG 图片有 A 通道,具有透明性。GIF 图片格式有帧的概念,一张 GIF 图片其实是由多张图片组成的,每一张图片为一帧。

  • size: 图片大小。在处理图片时,图片大小用 2 元组表示。
from PIL import Image
img = Image.open("dog.jpg", mode="r")
print("图片颜色模式:", img.mode)
print("图片的格式:", img.format)
print("图片的大小:", img.size)
'''
输出结果
图片颜色模式: RGB
图片的格式: JPEG
图片的大小: (852, 639)
'''
  1. 修改图片的属性

PIL.Image.Image 对象提供有方法用来修改图片的的属性,如改变大小、改变模式、改变格式。

修改图片的大小:可使用图片对象的 resize( ) 方法修改图片的大小。此方法的参数必须是 2元组类型。*, 返回一个图片副本。

Tip:不是直接修改原图片的大小(原图片是以 r 模式打开的)。类似于按给定的大小在原图片做插值运算后重新生成一张图片。

# 返回一个新的 PIL.Image.Image 对象
img=img.resize((300,300))

修改的图片的颜色模式:可以使用图片对象的 conver( ) 方法修改图片模式 。可以取值范围: 1、L、P、RGB、RGBA、CMYK、YCbCr、I、F。返回的也是一个图片副本。

1 模式:黑白图片模式,每一个像素只有黑或白两个颜色。

from PIL import Image
img = Image.open("dog.jpg", mode="r")
img1 = img.convert('1')
img.show()

L 模式:生成灰度图片,每一个像素的颜色会重新按 * L = R 299/1000 + G 587/1000 + B 114/1000** 进行换算。

Tip:当像素点的 RGB 颜色分量相同时,组合出来的就是灰色。灰色系有 256 阶梯,从 0~255。0 表示黑色,255 表示白色,从0到255 颜色由黑逐渐转向白。

#000 黑色,#111、 # 222、 #333 ……逐渐到 #FFF 白色。灰度图片要比黑白图片的颜色层次丰富。

from PIL import Image
img = Image.open("dog.jpg", mode="r")
img = img.convert('L')
img.show()

当把 RGBA 模式转换成 RGB 模式时,只会获取其中的 RGB 颜色通道(舍弃透明信息)。当由 RGB 模式转换成 RGBA 模式时。会自动添加 A 通道,补值为 255。

from PIL import Imageimg = Image.open("dog.jpg", mode="r")
print(img.mode)
print(img.getpixel((1, 1)))
img = img.convert("RGBA")
# 使用 getpixel( ) 方法获取任意一点的颜色模式
print(img.getpixel((1, 1)))
print(img.mode)
'''
输出结果
RGB
(207, 209, 222)
(207, 209, 222, 255)
RGBA
'''
  1. 保存图片 。图片修改后可以使用 save( ) 方法对其保存。
def save(self, fp, format=None, **params):

save( ) 方法的参数说明:

  • fp:字符串描述的文件名或一个文件对象。

  • format:保存时指定图片的格式(JPG、PNG……)。如果省略此参数,则由文件的扩展名确定。如果 fp 是一个文件对象,此参数不能省略。

  • params: 扩展参数。

保存图片的副本:除了文件名不一样,其它数据信息都是相同。

from PIL import Image
img = Image.open("dog.jpg")
img.save("dog_01.jpg")

保存时修改图片格式:

from PIL import Image# 原图片格式为 jpg
img = Image.open("dog.jpg")
print("dog.jpg图片的颜色模式:", img.mode)
# 保存后图片的格式为 png
img.save("dog_02.png")
img = Image.open("dog_02.png")
print("dog_02.png的颜色模式:", img.mode)
'''
输出结果
dog.jpg图片的颜色模式: RGB
dog_02.png的颜色模式: RGB
'''

Tip:dog.jpg 图片是 RGB 模式,虽然在保存时指定 PNG 扩展名,但系统不会添加 A 通道, dog_02.png 图片的颜色模式还是 RGB 模式。

如下代码会抛异常: 因为无法将 RGBA 模式的图片以 JPEG 格式保存

from PIL import Image
# png 格式的图片有透明通道,其颜色模式是 RGBA.
img = Image.open("guo_ke.png")
print(img.mode)
# jpg 格式的图片没有透明通道
img.save("guo_ke.jpg")
'''
输出结果
OSError: cannot write mode RGBA as JPEG
'''

3.2 变形操作

变形操作包括对图片的 旋转、裁剪、复制和粘贴一系列操作。

rotate( )方法:此方法使用一个角度值旋转图片, 返回图片副本 。

角度为正值时以逆时针方向旋转,负值向顺时针方向旋转.可以通过调整角度,让图片水平或垂直方向翻转。

from PIL import Image
img = Image.open("dog.jpg")
img=img.rotate(30)
img.show()

默认情况下,图片旋转后的空白处填充黑色。可以使用 rotate( )方法 的 fillcolor 参数为图片旋转后留下的空白处指定填充颜色。

from PIL import Image
img = Image.open("dog.jpg")
img=img.rotate(-45,fillcolor="blue")
img.show()

可以使用 rotate( )方法 的 center 参数调整图片的中心点的位置。

from PIL import Image
img = Image.open("dog.jpg")
img = img.rotate(45, fillcolor="blue", center=(20, 20))
img.show()

crop( ) 方法:裁剪图片,裁剪时需要在原图片中确定一个需要保留的矩形区域 。此方法返回一个图片副本。

from PIL import Image
img = Image.open("dog.jpg")
# 4 元组,前 2 个数字 表示矩形的左上角,后 2 个数字 表示矩形的右下角
img = img.crop((0, 0, 400, 400))
img.show()

图片的坐标系,图片的最左上角为原点,水平向右为 X 正轴,垂直向下为 正轴.

<img src="D:\红泥巴\我的文章\image\dogC.png" alt="dogC" style="zoom:33%;" />

​ 裁剪后的图片

copy( )方法:复制图片,返回和原图片完全一样的图片副本。图片副本和原图片之间是完全独立的,修改其中的一张图片不会影响另一张图片。

paste( )方法:粘贴图片,可以把一张图片粘贴到另一张图片上。 如把小狗的图片粘贴到背景图片上。

def paste(self, im, box=None, mask=None):

参数说明:

  • im: 需要被粘贴的图片(这里是小狗图片)。
  • box: 图片被粘贴的位置。box 可以是一个 2 元组,这 2 个表示小狗图片的左上角在背景图片上的位置。如果是 4 元组,则被粘贴的图片(小狗图片)必须和 4 元组所描述的矩形区域的大小一样。
  • mask: 遮罩图片,遮罩图片最好有透明性,如 PNG 图片。
from PIL import Image
# 打开背景图片
back_img = Image.open("back_.jpg")
# 打开小狗图片
dog_img = Image.open("dog.jpg")
# 修改小狗的大小
dog_img = dog_img.resize((180, 120))
# 复制图片
back_copy_img = back_img.copy()
# (300,200) 或(300,200,480,320)
back_copy_img.paste(dog_img, (300, 200))
back_copy_img.show()

遮罩图片的使用,遮罩图片只能是 "1", "L" or "RGBA" 模式的图片,且遮罩图片和被粘贴的图片大小必须一样。

from PIL import Image
# 打开背景图片
back_img = Image.open("back_.jpg")
# 打开小狗图片
dog_img = Image.open("dog.jpg")
# 修改小狗的大小
dog_img = dog_img.resize((180, 120))
# 复制图片
back_copy_img = back_img.copy()
# 遮罩图片 需要有透明度信息
mask_img = Image.open("js.png")
# 修改 遮罩图片 和 小狗图片一样大小
mask_img = mask_img.resize((180, 120))
# 粘贴
back_copy_img.paste(dog_img, box=(300, 200, 480, 320), mask=mask_img)
back_copy_img.show()

3.3 合并颜色通道

RGB颜色模式的图片有 3 个颜色通道,RGBA 颜色模式的图片有 3 个颜色通道另加 1 个透明度通道。可以使用 split( ) 方法 分离出图片的颜色通道,然后根据自己的需要再重新排列颜色通道得到不同效果的图片。

分离小狗图片的颜色通道,并重组颜色通道 。 merge( ) 方法能通过指定的颜色通道创建一张新图片。

from PIL import Image
dog_img = Image.open("dog.jpg")
# 分离颜色通道
r, g, b = dog_img.split()
# 打乱颜色通道得到新图片 蓝色通道和红色通道互换
dog_img = Image.merge(dog_img.mode, (b, g, r))
dog_img.show()

可以对分离出来的颜色通道进行单独修改修改,修改后再重组出新的图片。

from PIL import Imagedog_img = Image.open("dog.jpg")
# 分离颜色通道
r, g, b = dog_img.split()
# 修改每一个颜色通道中的像素点的值
r = r.point(lambda i: i + 10)
g = r.point(lambda i: i * 0.6)
b = b.point(lambda i: i + 100)
dog_img = Image.merge(dog_img.mode, (r, g, b))
dog_img.show()

下面的代码使用 getpixel( ) 方法 通过给定的坐标值找到每一点的颜色模式。然后对每一个像素点的颜色模式进行重构。

from PIL import Image
dog_img = Image.open("dog.jpg")
w, h = dog_img.size
for i in range(w):for j in range(h):# 获取每一个像素点的颜色模式c = dog_img.getpixel((i, j))# 修改每一个像素点的颜色模式 红色加重,绿色减少。dog_img.putpixel((i, j), (c[0] + 100, c[1] - 20, c[2] + 30))
dog_img.show()

重组 不同图片 中的颜色通道,要求所有图片的大小都一样。

from PIL import Image
dog_img = Image.open("dog.jpg")
# 分离颜色通道
r, g, b = dog_img.split()
img1 = Image.open("guo_ke.png")
#两张图片的大小一样
img1=img1.resize(dog_img.size)
# js.png 颜色模式是 rgba
r1,g1,b1,a=img1.split()
# 混合 两张图片的不同通道
img=Image.merge("RGBA",(r1,g,b1,a))
img.show()

3.4 滤镜和增加

可以像 PS 一样给图片添加滤镜,并且可以调整图片的对比度,色调……等信息。

ImageFilter 模块提供有各种滤镜对象,图片使用滤镜后会返回一个图片副本。

  • BLUR:模糊效果

  • CONTOUR:轮廓效果

  • DETAIL:细节效果

  • EDGR_ENHANCE:边界增强效果

  • EDGE_ENHANCE_MODE:阈值边界增强效果

  • EMBOSS:浮雕效果

  • FIND_EDGES:边界效果

  • SMOOTH:平滑效果

  • SMOOTH_MODE:阈值平滑效果

  • SHARPEN:锐化效果

给小狗图片添加滤镜效果:

from PIL import ImageFilter
from PIL import Image
dog_img = Image.open("dog.jpg")
# 浮雕效果
dog_img = dog_img.filter(ImageFilter.EMBOSS)
dog_img.show()

其它的效果大家可以自己试一试。

ImageEnhance类提供有修改图片对比度,色调等信息的对象。这些对象都有一个 enhance(factor) 方法用来设置增强的强度。

  • Color(im):调整颜色平衡

  • Contrast(im):调整对比度

  • Brightness(im):调整亮度

  • Sharpness(im):调整锐度

增强图片的高度:

from PIL import ImageFilter
from PIL import Image
from PIL import ImageEnhancedog_img = Image.open("dog.jpg")
dog_img = dog_img.filter(ImageFilter.SHARPEN)
# 构建 Brightness 对象
dog_img=ImageEnhance.Brightness(dog_img)
# 调用 Brightness 对象的enhance()设置增加的数值
dog_img.enhance(2).show()

4 . 总结

本文介绍了 PIL 库的 ImageColor、Image、ImageFilter、ImageEnchance 模块。除此之外,PIL 中还有很多与图片处理相关的模块。使用这些模块,几乎可以完成 PS 中能完成的任务。

 

这篇关于Python 细聊一下可以媲美 PS 的 PIL 图片处理库的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/484818

相关文章

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',