Python-图像库 PIL

• Python 提供了 PIL（python image library）图像库，来满足开发者处理图像的功能，该库提供了广泛的文件格式支持，包括常见的 JPEG、PNG、GIF 等，它提供了图像创建、图像显示、图像处理等功能。

• 基本概念

  要学习 PIL 图像库的使用，我们必须先来了解一些关于图像的基本概念，包括深度（depth），通道（bands），模式（mode），坐标系统（coordinate system）等。

• 图像的深度

  图像中像素点占得 bit 位数，就是图像的深度，比如：

  二值图像：图像的像素点不是0就是1 （图像不是黑色就是白色），图像像素点占的位数就是1位，图像的深度就是1，也称作位图。

  灰度图像：图像的像素点位于0-255之间（0代表全黑，255代表全白，在0-255之间插入了255个等级的灰度）。2^8=255，图像像素点占的位数就是8位，图像的深度是8。

  依次类推，我们把计算机中存储单个像素点所用的 bit 位称为图像的深度。

• 图像的通道

  每张图像都是有一个或者多个数据通道构成的，如  RGB 是基本的三原色（红色、绿色和蓝色），如果我们用8位代表一种颜色，那么每种颜色的最大值是255，这样，每个像素点的颜色值范围就是（0-255, 0-255, 0-255）。这样的图像的通道就是3。而灰度图像的通道数是1。

• 图像的模式

  图像实际上是像素数据的矩形图，图像的模式定义了图像中像素的类型和深度，每种类型代表不同的深度，在 PIL 中我们称之为图像的模式。常见的模式有以下几种：

• 图像的坐标系

  PIL 中图像的坐标是从左上角开始，向右下角延伸，以二元组 （x，y）的形式传递，x 轴从左到右，y 轴从上到下，即左上角的坐标为 (0, 0)。那么矩形用四元组表示就行，例如一个450 x 450 像素的矩形图像可以表示为 (0, 0, 450, 450)。

• PIL 的安装

  和其他库一样，PIL 的安装也很简单：

• pip3 install pillow

   

• PIL 图像模块的功能

  打开图像

  我们可以从本地目录中打开文件，也可以从文件流中打开图像。打开文件的方法为：

• Image.open(file,mode)

   

• 读取图像文件，mode 只能是 ‘r’，所以我们也可以省略这个参数。

• from PIL import Image
  from io import BytesIO
  import requests
  
  # 打开图像文件
  im = Image.open('cat.jpg')
  
  # 从文件流中打开图像
  r = requests.get('http://f.hiphotos.baidu.com/image/pic/item/b151f8198618367aa7f3cc7424738bd4b31ce525.jpg')
  im2 = Image.open(BytesIO(r.content))
  
  # 展示图像
  im.show()
  im2.show()
  
  # 翻转90度展示
  im.rotate(90).show()

   

• 我们首先打开本目录下的 cat.jpg 图像，接着从百度图片请求到一张图片，使用文件流的方式打开。使用 show 方法可以展示图像。我们也可以使用 rotate 方法来是图像翻转角度。运行程序，我们会看到弹出三张图片，一张是 cat.jpg 对应的图像，一张是百度图片中的图像，还有一种是将 cat.jpg 翻转90度后展示的图像。

• 创建图像

  Image.new(mode,size,color)

  我们可以使用给定的模式、大小和颜色来创建新图像。大小以（宽度，高度）的二元组形式给出，单位为像素；颜色以单波段图像的单个值和多波段图像的元组（每个波段的一个值）给出，可以使用颜色名如 ‘red’ ，也可以受用16进制 '#FF0000' 或者使用数字表示（255,0,0）。

  from PIL import Image
  
  im = Image.new('RGB', (450, 450), (255, 0, 0))
  im1 = Image.new('RGB', (450, 450), 'red')
  im2 = Image.new('RGB', (450, 450), '#FF0000')
  im.show()
  im1.show()
  im2.show()

  上面例子中我们分别通过三种形式创建了 RGB 模式的大小为 450x450 ，颜色为红色的图像，最终的图像效果是一样的。

• 转换格式

  Image.save(file)

  我们直接使用保存方法，修改保存的文件名就可以转换图像的格式。

• from PIL import Image
  
  # 加载 cat.jpg
  im = Image.open('cat.jpg', 'r')
  
  # 打印图片类型
  print(im.format)
  
  # 保存为 png 类型图片
  im.save('cat.png')
  
  # 加载新保存的 png 类型图片
  im2 = Image.open('cat.png', 'r')
  
  # 打印新保存图片类型
  print(im2.format)
  
  
  # 输出结果
  JPEG
  PNG

   

• 例子中我们先打开 cat.jpg 图像，然后新保存一张类型为 png 的图像，通过打印我们可以看到两者的格式。

• 创建缩略图

  Image.thumbnail(size, resample=3)

  修改当前图像制作成缩略图，该缩略图尺寸不大于给定的尺寸。这个方法会计算一个合适的缩略图尺寸，使其符合当前图像的宽高比，调用方法 draft() 配置文件读取器，最后改变图像的尺寸。

  size 参数表示给定的最终缩略图大小。

  resample 参数是过滤器，只能是 NEAREST、BILINEAR、BICUBIC 或者 ANTIALIAS 之一。如果省略该变量，则默认为 NEAREST。

  注意：在当前PIL的版本中，滤波器 BILINEAR 和 BICUBIC 不能很好地适应缩略图产生。用户应该使 用ANTIALIAS，图像质量最好。如果处理速度比图像质量更重要，可以选用其他滤波器。这个方法在原图上进行修改。

• from PIL import Image
  # 加载图像im = Image.open('cat.png')
  # 展示图像im.show()
  # 图像尺寸size = 128, 128# 缩放图像im.thumbnail(size, Image.ANTIALIAS)
  # 展示图像im.show()

• 融合图像

  Image.blend(image1, image2, alpha)

  将图像 image1 和 图像 im2 根据 alpha 值进行融合，公式为：

  out = image1 * (1.0 - alpha) + image2 * alpha

  image1 和 image2 表示两个大小和模式相同的图像， alpha 是介于 0 和 1 之间的值。如果 alpha 为0，返回 image1 图像，如果 alpha 为1，返回 image2 图像。

• from PIL import Image
  
  # 蓝色图像
  image1 = Image.new('RGB', (128, 128), (0, 0, 255))
  # 红色图像
  image2=Image.new('RGB', (128, 128), (255, 0, 0))
  # 取中间值
  im = Image.blend(image1, image2, 0.5)
  image1.show()
  image2.show()
  # 显示紫色图像
  im.show()

   

• 像素点处理

  Image.eval(image, *args)

  根据传入的函数对图像每个像素点进行处理。第一个参数 image 为需要处理的图像对象，第二个参数是函数对象，有一个整数作为参数。

  如果变量image所代表图像有多个通道，那么函数作用于每一个通道。注意：函数对每个像素点只处理一次，所以不能使用随机组件和其他生成器。

• from PIL import Image
  
  im = Image.open('cat.jpg')
  im.show()
  
  # 将每个像素值翻倍（相当于亮度翻倍）
  evl1 = Image.eval(im, lambda x: x*2)
  evl1.show()
  
  # 将每个像素值减半（相当于亮度减半）
  evl2 = Image.eval(im, lambda x: x/2)
  evl2.show()

   

• 合成图像

  Image.composite(image1, image2, mask)

  使用给定的两张图像及 mask 图像作为透明度，创建出一张新的图像。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。

• from PIL import Image
  
  # 打开 cat.png
  image1 = Image.open('cat.png')
  
  # 打开 flower.jpg
  image2 = Image.open('flower.jpg')
  
  # 分离image1的通道
  r, g, b = image1.split()
  
  # 合成图像，获得 cat + flower
  im = Image.composite(image1, image2, mask=b)
  
  image1.show()
  image2.show()
  im.show()

   

• 上面例子中我们将一张图像猫（cat.png）和一张图像花（flower.jpg），以图像猫的一个通道构成的蒙版进行合成，就像 PS 一样，我们最终得到猫+花的图像，结果如下图所示：

• 通过单通道创建图像

  Image.merge(mode,bands)

  将一组单通道图像合并成多通道图像。参数 mode 为输出图像的模式，bands 为输出图像中每个通道的序列。

• from PIL import Image
  
  im = Image.open('cat.png')
  # 将三个通道分开
  im_split = im.split()
  
  # 分别显示三个单通道图像
  im_split[0].show()
  im_split[1].show()
  im_split[2].show()
  
  # 将三个通道再次合并
  im2 = Image.merge('RGB', im_split)
  im2.show()
  
  # 打开第二张图像
  im3 = Image.open('flower.jpg')
  # 将第二张图像的三个通道分开
  im_split2 = im3.split()
  
  # 将第二张图像的第1个通道和第一张图像的第2、3通道合成一张图像
  rgbs = [im_split2[0], im_split[1], im_split[2]]
  im4 = Image.merge('RGB', rgbs)
  im4.show()

   

• Image 模块的方法

  convert

  Image.convert(mode=None, matrix=None, dither=None, palette=0, colors=256)

  参数说明：

  • mode：转换的模式
  • matrix：可选转变矩阵。如果给出，必须为包含浮点值长为 4 或 12 的元组。
  • dither：抖动方法。RGB 转换为 P；RGB 或 L 转换为 1 时使用。有 matrix 参数可以无 dither。参数值 NONE 或 FLOYDSTEINBERG（默认）。
  • palette：调色板，在 RGB 转换为 P 时使用， 值为 WEB 或 ADAPTIVE 。
  • colors：调色板的颜色值，默认 256.

  转换图片模式，它支持每种模式转换为"L" 、 "RGB"和 "CMYK"。有 matrix 参数只能转换为"L" 或 "RGB"。当模式之间不能转换时，可以先转换 RGB 模式，然后在转换。色彩模式转换为 L 模式计算公式 如下：

  L = R * 299/1000 + G * 587/1000 + B * 114/1000

  我们一般使用时，只用传需要转换的 mode 即可，其他的可选参数需要先理解图片深层次的原理后才可以理解，大家如果感兴趣可以去深入了解一下。下面我们来看一个简单实例：

• from PIL import Image
  
  im = Image.open('cat.png')
  im.show()
  # 将图像转换成黑白色并返回新图像
  im1 = im.convert('L')
  im1.show()

   

• copy

  Image.copy()

  复制图像方法，该方法完全复制一个一模一样的图像，很好理解，我们就不举例说明了。

  crop

  Image.crop(box)

  参数说明：

  • box：相对图像左上角坐标为（0,0）的矩形坐标元组, 顺序为(左, 上, 右, 下)

  该方法从图像中获取 box 矩形区域的图像，相当于从图像中抠一个矩形区域出来。我们来看例子：

• filter

  Image.filter(filter)

  参数说明：

  • filter：过滤内核

  使用给定的筛选器筛选此图像。有关可用筛选器的列表：

  筛选器名称	说明
  BLUR	模糊滤波，处理之后的图像会整体变得模糊。
  CONTOUR	轮廓滤波，将图像中的轮廓信息全部提取出来。
  DETAIL	细节增强滤波，会使得图像中细节更加明显。
  EDGE_ENHANCE	边缘增强滤波，突出、加强和改善图像中不同灰度区域之间的边界和轮廓的图像增强方法。
  EDGE_ENHANCE_MORE	深度边缘增强滤波，会使得图像中边缘部分更加明显。
  EMBOSS	浮雕滤波，会使图像呈现出浮雕效果。
  FIND_EDGES	寻找边缘信息的滤波，会找出图像中的边缘信息。
  SHARPEN	锐化滤波，补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰。
  SMOOTH	平滑滤波，突出图像的宽大区域、低频成分、主干部分或抑制图像噪声和干扰高频成分，使图像亮度平缓渐变，减小突变梯度，改善图像质量。
  SMOOTH_MORE	深度平滑滤波，会使得图像变得更加平滑。

  看到这些，大家是不是联想到我们手机上一些 APP 的图像处理功能了，其实那些功能的实现方式跟我们这里讲的方法是一样的。我们来看个例子：

• getbands

  Image.getbands()

  返回一个包含此图像中每个通道名称的元组。直接看实例：

• from PIL import Image
  
  # 打开图像
  im = Image.open('cat.jpg')
  # 创建新图像
  im1 = Image.new('L', (450, 450), 50)
  
  # 获取图像的通道名称元组
  print(im.getbands())
  print(im1.getbands())
  
  # 输出结果
  ('R', 'G', 'B')
  ('L',)

   

• getbbox

  Image.getbbox()

  计算图像中非零区域的边界框。将边界框作为定义左、上、右和下像素坐标的四元组返回。我们来看例子：

• from PIL import Image
  
  # 打开图像(451x300)
  im = Image.open('cat.jpg')
  # 创建新图像(450x450)
  im1 = Image.new('L', (450, 450), 50)
  
  # 打印图像中非零区域的边界框
  print(im.getbbox())
  print(im1.getbbox())
  
  # 输出结果
  (0, 0, 451, 300)
  (0, 0, 450, 450)

   

• 这个方法很简单，很容易理解，那么这个方法有什么用处呢？最直接的一个用处就是迅速地获取图像的边界坐标。

• getcolors

  Image.getcolors(maxcolors=256)

  参数说明：

  • maxcolors：最大颜色数。默认限制为256色。

  获取图像中颜色的使用列表，超过 maxcolors 设置值返回 None 。返回值为 (count, pixel) 的列表，表示（出现的次数，像素的值）

• getdata

  Image.getdata(band=None)

  参数：

  • band：获取对应通道值。如：RGB 图像像素值为 (r,g,b) 的元组，要返回单个波段，请传递索引值（例如0，从 RGB 图像中获取 R  波段）。

  获取图像中每个像素的通道对象元组，像素获取从左至右，从上至下。

  getextrema

  Image.getextrema()

  获取图像中每个通道的最小值与最大值。对于单波段图像，包含最小和最大像素值的2元组。对于多波段图像，每个波段包含一个2元组的元组。

  getpixel

  Image.getpixel(xy)

  参数：

  • xy：坐标，以（x，y）表示。

  通过传入坐标返回像素值。如果图像是多层图像，则此方法返回元组。

  point

  Image.point(lut, mode=None)

  参数说明：

  • lut：一个查找表，包含图像中每个波段的256个（或65536个，如果 self.mode==“I” 和 mode==“L”）值。可以改用函数，它应采用单个参数。对每个可能的像素值调用一次函数，结果表将应用于图像的所有带区。

  • mode：输出模式（默认与输入相同）。只有当源图像具有模式 “L” 或 “P” ，并且输出具有模式 “1” 或源图像模式为 “I” ，并且输出模式为 “L” 时，才能使用此选项。

  对图像的的每个像素点进行操作，返回图像的副本。

• resize

  Image.resize(size, resample=0, box=None)

  参数说明：

  • size：以像素为单位的请求大小，作为2元组：（宽度、高度）。
  • resample：可选的重新采样滤波器。可以是 PIL.Image.NEAREST（最近滤波） ， PIL.Image.ANTIALIAS （平滑滤波）， PIL.Image.BILINEAR （双线性滤波）， PIL.Image.HAMMING ， PIL.Image.BICUBIC （双立方滤波）。如果省略，或者图像具有模式 “1” 或 “P” ，则设置为 PIL.Image.NEAREST 。-box：一个可选的4元组的浮点数，给出了应该缩放的源图像区域。值应在（0，0，宽度，高度）矩形内。如果省略或没有，则使用整个源。

  这个方法是获取调整大小后的图片。通俗地讲就是在原图中抠一个矩形区域（如果传入了 box 参数），然后对抠出来的区域进行滤波处理（如果传入了 resample 参数），最后以指定的 size 大小进行返回。

• 这几个滤波器的具体的原理比较理论，大家对照着程序运行返回自行去深入了解。

  关于 PIL 的 Image 模块的方法我们只讲这么多，还有好多其他方法，大家可参照 https://www.osgeo.cn/pillow/reference/ 这个网站去尝试。

  我们讲的 PIL 的 Image 模块只是 PIL 的一个基础模块而已，它还有好多其他的模块，诸如 ImageChops （通道操作模块）、ImageColor （颜色转换模块）、ImageDraw （二维图形模块）等，大家在需要的时候可以去查找 API 使用。