python-pillow图像处理

安装 pip3 install pillow

PIL中所涉及的基本概念有如下几个：通道（bands）、模式（mode）、尺寸（size）、坐标系统（coordinate system）、调色板（palette）、信息（info）和滤波器（filters）

1、  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

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）

3、  尺寸

通过size属性可以获取图片的尺寸。这是一个二元组，包含水平和垂直方向上的像素数

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

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

from PIL import Image
im=Image.open(r'./大象.jpg')  #打开图像
#im.show()  #显示图像
#打开的图像可以是jpg、bmp、png、GIF等
print(im.format)  #返回图像的格式
#PNG
print(im.size)  #返回图像的大小
#(499, 334)
im1 = im.resize((256,256))  #图像的缩放
#返回的是新图像，不是在原来的图像上缩放
print(im.getbands())  #返回通道的名称
#('R', 'G', 'B')
print(im.mode)  #返回图像的模式
#RGB
print(print(im.info))  #返回图片信息
#{'dpi': (96, 96)}
#None
print(im.palette)  #颜色调色板表格
#如果图像的模式是“P”，则返回ImagePalette类的实例；否则，将为None
print(im.getpixel((100, 50)))  #返回指定坐标的颜色值
#(191, 191, 191)
#im.putpixel((100,50),(255,0,0))  #给指定坐标值赋值颜色
#im.save('pp.bmp')  #保存图像---只要是支持的格式就行
im2=im.rotate(90)  #支持任意角度的旋转--单位度--正数逆时针
#transpose支持部分特殊角度的旋转，如90、180、270、水平和垂直翻转
im3=im.transpose(Image.ROTATE_270)  #逆时针旋转270度
#Image.ROTATE_90   逆时针旋转90度
#im4=im.transpose(Image.FLIP_LEFT_RIGHT)
#Image.ROTATE_270
im4=im.transpose(Image.FLIP_LEFT_RIGHT)  #左右翻转
im5=im.transpose(Image.FLIP_TOP_BOTTOM)  #上下翻转

box=(120,194,220,294)  #区域
im6=im.crop(box)  #裁剪
im6=im6.transpose(Image.ROTATE_180)
#im.paste(im6,box)  #把图像im6粘贴到图像im上

from PIL import ImageFilter,Image
im=Image.open(r'./彩色.jpg')

im5=im.filter(ImageFilter.DETAIL)  #图像增强
im6=im.filter(ImageFilter.BLUR)  #图像模糊
im7=im.filter(ImageFilter.FIND_EDGES)  #图像边缘提取
im8=im.point(lambda i:i*1.3)  #修改亮度
#使每个点的亮度增强1.3倍

#图像增强方式二
from PIL import ImageEnhance
enh=ImageEnhance.Brightness(im)
im9=enh.enhance(1.3)

enh1=ImageEnhance.Contrast(im)
#需要  from PIL import ImageEnhance
im10=enh1.enhance(1.3) #对比度增强1.3倍

#红绿蓝分别处理
r,g,b=im.split()  #把图像分割成红绿蓝三个子图
r=r.point(lambda i:i*1.3)
g=g.point(lambda i:i*0.9)
b=r.point(lambda i:0)
im11=Image.merge(im.mode,(r,g,b))  #把三个子图合并成一个图像
im11.show()

from PIL import ImageFilter,Image
im=Image.open(r'./彩色.jpg')

im5=im.filter(ImageFilter.DETAIL)  #图像增强
im6=im.filter(ImageFilter.BLUR)  #图像模糊
im7=im.filter(ImageFilter.FIND_EDGES)  #图像边缘提取
im8=im.point(lambda i:i*1.3)  #修改亮度
#使每个点的亮度增强1.3倍

#图像增强方式二
from PIL import ImageEnhance
enh=ImageEnhance.Brightness(im)
im9=enh.enhance(1.3)

enh1=ImageEnhance.Contrast(im)
#需要  from PIL import ImageEnhance
im10=enh1.enhance(1.3) #对比度增强1.3倍

#红绿蓝分别处理
r,g,b=im.split()  #把图像分割成红绿蓝三个子图
r=r.point(lambda i:i*1.3)
g=g.point(lambda i:i*0.9)
b=r.point(lambda i:0)
im11=Image.merge(im.mode,(r,g,b))  #把三个子图合并成一个图像
im11.show()

截屏

from PIL import Image
from PIL import ImageGrab

size = (300, 300, 400, 400)
img = ImageGrab.grab()  #截取全屏
img = ImageGrab.grab(size)  #截取区域
#size  前两个是左上角坐标，后两个是右下角坐标
img.save("cut.jpg")

img=ImageGrab.grabclipboard()   #获取剪切板内的图片

实例下载：https://pan.baidu.com/s/1cSFJEcLn9onnfacuWIhfQg

实例源码：

from PIL import Image

filename = r'aa.png'
img = Image.open(filename)
size = img.size
print(size)
# 准备将图片切割成8x12=96张小图片
weight = int(size[0] // 12)  #每张图片的宽，横向分成12张图片
height = int(size[1] // 8)  #每张图片的高，纵向分成8张图片
print(weight, height)  # 切割后的小图的宽度和高度
for j in range(8):  #纵向循环
    for i in range(12):  #横向循环
        box = (weight * i, height * j, weight * (i + 1), height * (j + 1))
        #参数1和参数2  图片的左上角坐标
        #参数3和参数4  图片的右上角坐标
        region = img.crop(box)  #截取图片,不改变原图
        region.save('{}-{}.png'.format(i, j))

实例图片：

import cv2
from PIL import ImageGrab
import numpy as np

img_rgb = ImageGrab.grab()
img_bgr=cv2.cvtColor(np.array(img_rgb), cv2.COLOR_RGB2BGR)   #转为opencv的BGR格式