python图像处理库PIL的基本概念介绍

　　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）。趁此机会，复习一下这些图像处理中的基本概念。

　　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。

　　Python的元组与列表类似，不同之处在于元组的元素不能修改,元组使用小括号，列表使用方括号，元组创建很简单，只需要在括号中添加元素，并使用逗号隔开即可。

　　getbands的使用方法如下：

　　

>>> from PIL import Image
>>> im = Image.open("girl8.jpg")
>>> im.getbands()
('R', 'G', 'B')
>>> im_bands = im.getbands()
>>> len(im_bands)
3
>>> print(im_bands[0])
R
>>> print(im_bands[1])
G
>>> print(im_bands[2])
B
>>> 

　　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。

　　模式mode的使用如下：

>>> im = Image.open("girl8.jpg")
>>> im.mode
'RGB'
>>> md = im.mode
>>> print md
RGB

　　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。

　　使用方法如下：

　　

>>> im = Image.open("girl8.jpg")
>>> im.size
(1080, 1920)
>>> im_size = im.size
>>> print im_size[0]
1080
>>> print im_size[1]
1920

　　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）。

　　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

　　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。

属性info的使用如下：

　　

>>> im = Image.open("girl8.jpg")
>>>
>>>
>>> im.info
{'jfif': 257, 'jfif_unit': 0, 'progressive': 1, 'progression': 1, 'jfif_version': (1, 1), 'jfif_density': (1, 1)}
>>> im_info = im.info
>>>
>>>
>>> print im_info["jfif"]
257
>>> print im_info["jfif_unity"]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
KeyError: 'jfif_unity'
>>> print im_info["jfif_unit"]
0

　　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：

方法resize()的定义为：resize(size, filter=None)=> image

　　

>>> im.size
(1080, 1920)
>>> im_resize = im.resize((256,256))
>>> im_resize.size
(256, 256)
>>> im_resize0 = im.resize((256,256),Image.BILINEAR)
>>> im_resize0.size
(256, 256)

　　总结：

基本的概念要十分清楚才行，这个是基本功，练武不练功，到老一场空。

　　参考文档：

1 https://blog.csdn.net/icamera0/article/details/50647465