Python基础之PIL框架

Posted 2022-12-12 岩枭

一、PIL(Python Imaging Library)的基本概念：

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

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。

如下图：

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。

二、程序案例演示

图片的缩放：

from PIL import Image

img=Image.open('2.jpg')
img.show()
#缩放
w,h=img.size
img.thumbnail((w//2,h//2))
img.show()

执行程序结果：

图片的旋转：

from PIL import Image

img=Image.open('2.jpg')
img.show()
#旋转
img=img.rotate(45)
img.show()

程序执行结果：

滤波器：

from PIL import Image,ImageFilter

img=Image.open('2.jpg')
img.show()
#滤波器
#EMBOSS浮雕
#img=img.filter(ImageFilter.EMBOSS)
#CONTOUR轮廓处理
# img=img.filter(ImageFilter.CONTOUR)
#BLUR模糊处理
#img=img.filter(ImageFilter.BLUR)
#DETAIL增强
img=img.filter(ImageFilter.DETAIL)
img.show()

程序依次的执行效果：

浮雕：

轮廓处理：

模糊处理：

增强：

查看通道数和图像灰度化：

from PIL import Image,ImageFilter

img=Image.open('2.jpg')
img.show()
#查看图像通道数
bands=img.getbands()
print(bands)
#图像灰度化:RGB->L
img=img.convert('L')
img.show()
bands=img.getbands()
print(bands)

程序执行效果：

取某一个像素点的颜色的值：

from PIL import Image,ImageFilter

img=Image.open('2.jpg')
#取某一个像素点的颜色的值
#三通道像素点的值
pixels=img.getpixel((87,180))
print(pixels)
#单通道像素点的值
img=img.convert('L')
pixels=img.getpixel((87,180))
print(pixels)

程序执行结果：

返回图片的像素直方图和当前使用的颜色：

from PIL import Image
#返回图片的像素直方图
img=Image.open('2.jpg')
pr=img.histogram()
print(pr)
#返回图片当前正在被使用的颜色
colors=img.getcolors()
print(colors)
colors=img.getcolors()
print(colors)

运行结果：

图像的粘贴：

from PIL import Image
#图像的粘贴
img1=Image.open('1.jpg')
img2=Image.open('2.jpg')
#把img1粘贴到img2上
img2.paste(img1,(120,100))
#保存粘贴后的img2
img2.save('test.jpg','jpeg')
img2.show()

程序执行结果：

使用PIL生成验证码:

from PIL import Image,ImageDraw,ImageFont
import random

#生成随机字母
def rndChar():
    return  chr(random.randint(65,90))

#随机颜色1
def rndColor1():
    return (random.randint(64,255)
            ,random.randint(64,255)
            , random.randint(64, 255)
            )

#随机颜色2
def rndColor2():
    return (random.randint(32,127)
            ,random.randint(32,127)
            , random.randint(32, 127)
            )

#生成一个画布,240*60
width=240
height=60
image=Image.new('RGB',(width,height),(255,255,255))
#创建Font对象，生成字体
font=ImageFont.truetype('arial.ttf',36)
#创建Draw对象
draw=ImageDraw.Draw(image)
#填充像素，背景干扰项
for x in range(width):
    for y in range(height):
        draw.point((x,y),fill=rndColor1())

#背景上输出文字
for i in range(4):
    draw.text((60*i+10,10),rndChar(),font=font,fill=rndColor2())

image.show()

执行程序结果：