Python Pillow库图像处理实战：从安装到常用操作详解

Pillow库概述与安装

前言

鉴于近期研究课题涉及图像后处理，需利用图像处理工具对原始图像进行变换与处理，以生成符合要求的训练数据集。本系列文章旨在记录在不同运行环境下常用的图像处理工具及库。在Python环境中，笔者主要依赖Pillow库执行图像读取、存储及变换等核心操作。在实际应用场景中，Pillow提供的Image模块非常适合对图像整体进行变换处理。

注：以下介绍仅涵盖对应模块和函数的基础用法，故而在介绍时省略了部分参数和选项，更完备的用法和介绍可参考Pillow的官方文档。

安装

用户可通过pip直接安装Pillow，更多安装方式可以参见这里。

pip install Pillow #安装 pillow

Image模块基础使用

使用

在日常应用过程中，使用最多的是Pillow提供的Image模块，其提供了包括图像存储、变换以及一系列的相关处理功能。Pillow使用Image对象来表示图像对象并基于其定义图像的属性信息以及可针对其进行的操作，后续即主要介绍通过Image对象可进行的图像操作。在Python中使用时，用户首先需从PIL中导入对应的Image模块。

from PIL import Image #通过 Image 进行图像处理相关的操作

图像的读取、存储与属性

图像读取与存储

通过Image提供的open方法读取图像，其以指定的文件名为参数，返回值为对应图像的Image对象，后续即可针对图像对应的Image对象进行操作。

  im = Image.open( "test.png" )  # open 方法以图像名(或图像对象)为参数，返回一个 Image 对象

通过Image对象的save方法存储图像对象，其使用存储目标文件名为参数，也可通过format参数指定存储文件的格式。

  im.save( "test.png" )          # im 为 Image 对象，其被保存至 test.png，不指定 format 参数时，该方法通过文件后缀推测文件类型
  im.save( "test.jpg" , format="JPEG")  # 以 JPEG 格式保存 Image 对象 im 至文件 test.jpg 中

基本属性

图像对应的Image对象具备基本属性。用户可以通过这些属性获得图像最基本的信息，Image对象的完整属性信息可以查看这里。

  im.filename    # Image 对象 im 对应的文件/路径名
  im.mode      # Image 对象图像数据的解释方式，如灰度图为 “L”,彩色图为 “RGB”等
  im.size      # 返回图像的尺寸信息，为( width , height ) 格式的元祖

图像格式与类型转换

图像类型转换

不同的图像数据具有不同的图像格式，进而拥有不同的组织数据的方式。对于RGB图像而言，图像拥有R、G、B三个通道，像素数据由三个对应三通道的8 bit数据组成；对于黑白图像而言，其每个像素由一个8 bit字节表示等等。在打开图像时，open方法会自动解析图像的格式，用户可通过Image对象的mode属性获得图像的状态。

Image对象可通过convert方法进行图像类型间的转换，其使用转换的目标类型的字符串为参数，返回转换后的Image对象，常见的类型包括RGB(真彩)、L(黑白)、YCbCr(视频图像)、HSV(色调饱和度亮度彩色空间)。

  data = im.convert( "L" )    #获得 RGB 图像 im 的灰度图

Image与NumPy数组互转

与numpy数组的转换

在程序中，一般使用图像对应的Image对象进行图像相关的操作，针对图像数据本身的计算处理一般将Image对象的数据转换为numpy数据后进行，处理完成之后的numpy数据再被转换为Image对象进行保存。

a.将Image对象转换为numpy数组

使用numpy.asarray方法(不唯一，可参见Array creation routines)将Image对象的数据转换为numpy数组，进而可以对其进行计算处理。转换后numpy数组的数据类型根据Image数据对象本身的数据类型推断获得，使用时也可使用numpy.asarray的dtype参数指定转换后的数据类型。

  im = Image.open( "test.png" )         #打开图像 test.png ,并获得其对应的 Image 对象
  data = numpy.asarray( im )           #将 Image 对象 im 的数据转换为 numpy 数组的形式，data 即为可供运算的 numpy 数组
  data = numpy.asarray( im, dtype=np.uint8 )   #转换图像数据为 numpy 数组，并指定其类型为 np.uint8

b.将numpy数组转换为Image对象

对于numpy数据形式的图像数据(通过数据处理或其他途径获得)，可通过Image.fromarray方法将已有的numpy图像数据转换为Image对象。

im = Image.fromarray( data ) # data 为 numpy 数组，im 为转换获得的 Image 对象

注意，在使用Image.fromarray方法时可能会出现报错raise TypeError("Cannot handle this data type")，这是由于待转换的numpy数据类型可能并不符合Image对象所需的数据类型(一般为8 bit无符号值)，解决方法是在转换前先将numpy数组的数据类型转换为np.uint8。

  im = Image.fromarray( data.astype( np.uint8 ) )  #将 numpy 数组的数据类型转换为 np.uint8 后再转换为 Image 对象

常用图像变换操作

常用操作

裁剪图像——crop

可以使用crop方法获得图像的指定部分。crop方法以指定(左，上，右，下)切割位置的元祖来定义待分割的图像部分，可以理解为定义的是切割获得的矩形的左上角和右下角位置的坐标。在PIL所支持的坐标系统中，坐标的(0,0)为图像的左上角，注意(0,0)指向的不是左上角的第一个像素，而是该像素位置前的位置，后续所有的坐标均为像素间的空隙位置，而不是指向像素。也就是说，第一个像素被(0,0)和(0,1)两个坐标左右包围。

part = im.crop( ( 0 , 0 , 100 , 100 ) ) #截取获得图像 im 左上角大小为 100 × 100 像素的矩形图像

通道处理——split/getchannel

split方法将图像数据按通道分离，其返回值为包含各个通道分离数据的元组tuple，如对于RGB图像而言，其被分成R、G、B三个通道的数据。

R, G, B = im.split() # im 为真彩色 Image 对象，其被分为独立的 R、G、B 通道信息

getchannel方法以图像的通道的索引或字符名字为参数，返回包含有对应通道数据的L类型的图像(即为黑白模式)。

  R = im.getchannel( 0 )  # 获得 RGB 图像的第一个通道的数据，即 R 通道信息
  R = im.getchannel( "R" ) #同上

缩放图像——resize

resize方法以缩放目标图像大小的元祖(Width,Heigth)为参数，通过指定的采样方法将图像缩放为指定的图像大小。其支持采样的方法包括PIL.Image.NEAREST、PIL.Image.BILINEAR、PIL.Image.BICUBIC等，resize支持的全部采样方式见文档。注意，以上采样方法的全名为PIL.Image.xxxx，但实际上由于之前已经使用from PIL import Image导入了Image这个模块名，故而后续可以直接使用Image.xxxx的形式调用上述方法，反之，在未导入模块名时需使用完整的名称来使用上述方法，下同。

  data = im.resize( ( 100, 100 ) )             #将 im 对应的 Image 对象缩放为 100×100 的大小，默认采用 PIL.Image.NEAREST 方法
  data = im.resize( ( 100, 100 ), Image.BICUBIC )     #使用 PIL.Image.BICUBIC 方法进行采样

翻转图像——rotate/transpose

通过rotate方法旋转图像，rotate方法以旋转的角度为参数，将图像顺时针中心旋转对应的度数,并返回对应的Image对象。注意，通过rotate方法进行旋转时，结果图像是中心旋转后图像在源图像大小范围内被截取的部分，其他部分为填充。如大小为宽×高200*100的图像，经过90度旋转后，其大小仍为200*100,图像内容为旋转后的理论为100*200的图像与原200*100区域的重合部分，其余部分为填充。

rotate方法可以指定expand参数为1，此时生成的新图像为完整包含有旋转后图像内容的最小矩形大小(空白处为填充)，如上例中，图像经过90度旋转后，获得的新图像的大小即为100*200。更多介绍见Image.rotate.

data = im.rotate( 90 ) #将图像顺时针旋转 90 度
data = im.rotate( 90 , expand=1 ) #将图像顺时针旋转 90 度，同时保留图像的完整内容

在某些图像训练的数据生成中，将图像进行90度为单位的旋转、上下或左右翻转是更为常见的操作。此时可以使用transpose方法，transpose以翻转方式为参数，返回经过翻转后的图像，其支持的参数如下所示。

PIL.Image.FLIP_LEFT_RIGHT  #左右翻转图像
  PIL.Image.FLIP_TOP_BOTTOM  #上下翻转图像
  PIL.Image.ROTATE_90
  PIL.Image.ROTATE_180
  PIL.Image.ROTATE_270     #顺时针旋转对应度数
  PIL.Image.TRANSPOSE     #类似于左右翻转后再逆时针旋转图像 90 度
  PIL.Image.TRANSVERSE     #类似与左右翻转后再顺时针旋转图像 90 度

可以直接使用上述参数对图像进行变换，transpose方法返回变换后的完整图像(由于是90度倍数的变换，也不存在空白区域)。

data = im.transpose( Image.FLIP_LEFT_RIGHT ) #获得 im 图像经过左右旋转后的数据

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持本站。