python图像处理模块Pillow--Image模块

一、简介

pil：python imaging library，已经是python平台事实上的图像处理标准库了。pil功能非常强大，但api却非常简单易用

由于pil仅支持到python 2.7，加上年久失修，于是一群志愿者在pil的基础上创建了兼容的版本，名字叫pillow，支持最新python 3.x，又加入了许多新特性，因此，我们可以直接安装使用pillow

 

二、安装

使用 pip 命令安装pillow：

$ pip install pillow

 

三、 基本概念

1、通道

每张图片都是由一个或者多个数据通道构成，pil允许在单张图片中合成相同维数和深度的多个通道。

以rgb图像为例，每张图片都是由三个数据通道构成，分别为r、g和b通道。而对于灰度图像，则只有一个通道。

对于一张图片的通道数量和名称，可以通过方法getbands()来获取。方法getbands()是image模块的方法，它会返回一个字符串元组（tuple）。该元组将包括每一个通道的名称

方法getbands()的使用如下：

1 from pil import image
2 
3 im = image.open(image_path)  # image_path为图像的绝对路径

4 # 返回图像的通道 5 print(im.getbands(), type(im.getbands()))

输出：('r', 'g', 'b', 'a') <class 'tuple'>

 

2、模式

图像的模式定义了图像的类型和像素的位宽，当前支持如下模式：

1：1位像素，表示黑和白，但是存储的时候每个像素存储为8bit。
l：8位像素，表示黑和白。
p：8位像素，使用调色板映射到其他模式。
rgb：3x8位像素，为真彩色。
rgba：4x8位像素，有透明通道的真彩色。
cmyk：4x8位像素，颜色分离。
ycbcr：3x8位像素，彩色视频格式。
i：32位整型像素。
f：32位浮点型像素。
pil也支持一些特殊的模式，包括rgbx（有padding的真彩色）和rgba（有自左乘alpha的真彩色）。

可以通过image对象的mode属性读取图像的模式。其返回值是包括上述模式的字符串

属性mode的使用如下：

1 from pil import image
2 
3 im = image.open(image_path)
4 print(im.mode, type(im.mode))

输出：rgba <class 'str'>

 

3、尺寸

通过image对象的size属性可以获取图片的尺寸。图像大小，以像素为单位。大小是一个2元组(宽度、高度)(width, height)

属性size的使用如下：

1 from pil import image
2 
3 im = image.open(image_path)
4 # 返回图像尺寸
5 print(im.size, type(im.size))

输出：(750, 1334) <class 'tuple'>

 

4、坐标系统

pil使用笛卡尔像素坐标系统，坐标(0，0)位于左上角。注意：坐标值表示像素的角；位于坐标（0，0）处的像素的中心实际上位于（0.5，0.5）。

坐标经常用于二元组（x，y）。长方形则表示为四元组，前面是左上角坐标。例如，一个覆盖800x600的像素图像的长方形表示为（0，0，800，600）。

 

5、调色板

调色板模式 ("p")使用一个颜色调色板为每个像素定义具体的颜色值

 

6、信息

使用image对象的info属性可以为一张图片添加一些辅助信息。这个是字典对象。加载和保存图像文件时，多少信息需要处理取决于文件格式。

存储与图像相关的数据的字典。文件处理程序使用此字典传递从文件中读取的各种非图像信息

属性info的使用如下：

1 from pil import image
2 
3 im = image.open(image_path)
4 # 返回图像信息
5 print(im.info, type(im.info))

输出：{} <class 'dict'>

 

7、滤波器

对于将多个输入像素映射为一个输出像素的几何操作，pil提供了4个不同的采样滤波器：

nearest：最近滤波。从输入图像中选取最近的像素作为输出像素。它忽略了所有其他的像素。
bilinear：双线性滤波。在输入图像的2x2矩阵上进行线性插值。注意：pil的当前版本，做下采样时该滤波器使用了固定输入模板。
bicubic：双立方滤波。在输入图像的4x4矩阵上进行立方插值。注意：pil的当前版本，做下采样时该滤波器使用了固定输入模板。
antialias：平滑滤波。这是pil 1.1.3版本中新的滤波器。对所有可以影响输出像素的输入像素进行高质量的重采样滤波，以计算输出像素值。在当前的pil版本中，这个滤波器只用于改变尺寸和缩略图方法。
注意：在当前的pil版本中，antialias滤波器是下采样（例如，将一个大的图像转换为小图）时唯一正确的滤波器。biliear和bicubic滤波器使用固定的输入模板，用于固定比例的几何变换和上采样是最好的。

image模块中的方法resize()和thumbnail()用到了滤波器

方法resize()的使用如下：

语法：image.resize(size, resample=0)

参数：size-2元组:(宽度、高度)，以像素为单位

　　　resample-可选的重采样过滤器，如果省略，或者图像的模式为“1”或“p”，则将其设置为nearest

1 from pil import image
2 
3 course_im = image.open(course_path)
4 print(course_im.size, type(course_im.size))
5 course_resize = course_im.resize((538, 336))  # 返回此图像的大小调整后的副本
6 print(course_resize.size)

输出：

(750, 400)

(538, 336)

 如果要使用其他滤波器可以通过下面的方法来实现：

from pil import image

course_im = image.open(course_path)
print(course_im.size, type(course_im.size))
course_resize = course_im.resize((538, 336), image.antialias)
print(course_resize.size)

方法thumbnail()的使用如下：

语法：image.thumbnail(size, resample=1)

参数：size-2元组:(宽度、高度)，以像素为单位

           resample-可选的重采样过滤器，如果省略，则默认为pil.image.bicubic

把这个图像做成缩略图

请注意，pil当前版本中的bilinear和bicubic并不适合生成缩略图。你应该用antialias，除非速度比质量重要得多。

from pil import image

im = image.open(avtar_path)
avtar_im.thumbnail((98, 98))  # 返回none

 

四、image模块

image模块是pil中最重要的模块，它有一个类叫做image，与模块名称相同。image类有很多函数、方法及属性，接下来将依次对image类的属性、函数和方法进行介绍。

类函数

实例属性

 

实例方法

1、paste(im, box=none, mask=none)  将另一个图像粘贴到此图像中

参数：

box：要么是一个2元组给出左上角，一个4元组定义左、上、右、下像素坐标，或none(比如(0,0))

mask：可选的掩码图像

注意：如果模式不匹配，则将粘贴的图像转换为此图像的模式