Python PIL库图像处理实战：从基础操作到高级合成

图像基础操作与几何变换

处理图像的第一步通常是读取与展示。PIL通过Image.open()加载文件，返回Image对象。常见的几何变换包括旋转与缩放。

旋转与显示

使用rotate()方法可对图像进行角度旋转，随后调用show()调用系统默认图片查看器展示结果。以下代码演示读取图片并旋转45度：

# -*- coding:utf-8 -*-
from PIL import Image
im = Image.open('test.bmp') # 读取图片
im.rotate(45).show() # 将图片旋转，并用系统自带的图片工具显示图片

缩略图生成

批量处理图片时，生成缩略图是常见需求。PIL提供thumbnail()方法，它按长边等比例缩放，不改变图像宽高比。注意，thumbnail()直接修改原Image对象，若需保存，需调用save()。

# -*- coding:utf-8 -*-
from PIL import Image
import glob,os

size = 128,128

for infile in glob.glob("*.jpg"): # glob的作用是文件搜索，返回的是一个列表
  file,ext = os.path.splitext(infile) # 将文件的文件名和拓展名分开，用于之后的保存重命名
  im = Image.open(infile)
  im.thumbnail(size,Image.ANTIALIAS) # 等比例缩放
  im.save(file+".thumbnail","JPEG")
  #im.show() # 显示缩略图
  #print im.size,im.mode

图像合成技术

将多张图像合并是视觉处理的核心。PIL提供了三种合成方式，但需注意输入图像的mode（色彩模式）和size（尺寸）必须一致，否则需先通过convert()或resize()调整。

Alpha通道合成

alpha_composite(im1, im2)用于将im2合成到im1上，要求两者均为RGBA模式。若背景不透明，合成结果可能仅显示前景图。

混合与遮罩合成

blend(im1, im2, alpha)通过透明度alpha（0.0-1.0）线性混合两图。composite(im1, im2, mask)则利用mask图像控制合成区域，mask的mode可为“1”、“L”或“RGBA”，且尺寸需与im1、im2一致。

# coding:utf-8 -*-
from PIL import Image
# 图片合成

# PIL的alpha_composite(im1,im2) 图像通道融合
# im2要和im1的size和mode一致，且要求格式为RGBA
im1 = Image.open("test.png")
im2 = Image.open("test2.png")

newim1 = Image.alpha_composite(im1,im2) # 将im2合成到im1中，如果其一是透明的，
# 才能看到结果，不然最终结果只会显示出im2
newim1.show()
#print(im1.mode)

# -----------------------------------------
# image.blend(im1,im2,alpha)
# alpha为透明度
newim2 = Image.blend(im1,im2,0.5)
newim2.show()

# -----------------------------------------
mask = Image.open("mask.png")
newim3 = Image.composite(im2,im1,mask)
newim3.show()

像素级处理与数组转换

PIL支持对图像像素进行函数映射，并可与NumPy数组互转，便于算法集成。

图像评估（Eval）

Image.eval(image, function)对图像每个像素应用指定函数。例如，将像素值乘以2：

# -*- coding:utf-8 -*-
from PIL import Image
im = Image.open("test.png")

imnew = Image.eval(im,lambda i:i*2) # 将原图片的像素点，都乘2，返回的是一个Image对象
#print imnew.mode
imnew.show()
im.show()

创建新图像

Image.new(mode, size, color)可创建指定模式和大小的新图像。mode支持“L”（灰度）、“RGB”或“RGBA”，size为(width, height)元组，color需与mode对应。

# -*- coding:utf-8 -*-
from PIL import Image
# 创建图像
# 创建一个灰度图像

newL = Image.new("L",(28,28),255)
newL.show()

# 创建一个RGb图像
newrgb = Image.new("RGB",(28,28),(20,200,45))
newrgb.show()

newrgba = Image.new("RGBA",(28,28),(20,200,45,255))
newrgba.show()
print "The frist image:",newL.size,newL.mode
print "The second image:",newrgb.size,newrgb.mode
print "The third image:",newrgba.size,newrgba.mode

数组与图像互转

Image.fromarray(obj)将NumPy数组转换为Image对象。若未指定mode，PIL会自动推断。以下示例演示将RGB图像转换为灰度数组，并通过两种方法（均值法与亮度公式法）重构灰度图像：

# -*- coding:utf-8 -*-
from PIL import Image
import numpy as np
a = Image.open("fromimg.png")
a.show()
b = a.resize((28,28))
datab = list(b.getdata())
#print type(datab)
obj1 = []
obj2 = []
for i in range(len(datab)):
  obj1.append([sum(datab[i])/3]) # 灰度化方法1：RGB三个分量的均值
  obj2.append([0.3*datab[i][0]+0.59*datab[i][1]+0.11*datab[i][2]])
  #灰度化方法2：根据亮度与RGB三个分量的对应关系：Y=0.3*R+0.59*G+0.11*B

obj1 = np.array(obj1).reshape((28,28))
obj2 = np.array(obj2).reshape((28,28))
print obj1
print obj2

arrayimg1 = Image.fromarray(obj1)
arrayimg2 = Image.fromarray(obj2)
arrayimg1.show()
arrayimg2.show()

图像转换、复制与滤波

模式转换与复制

convert(mode)用于转换图像色彩模式，如将RGB转为灰度“L”。copy()创建图像的深拷贝，修改副本不影响原图。

# -*- coding:utf-8 -*-
from PIL import Image
img = Image.open("test.png")
# 灰度化：将RGB/RGBA -> L
img = img.convert("L")
img.show()

# -*- coding:utf-8 -*-
from PIL import Image
img = Image.open("test.png")
# 灰度化：将RGB/RGBA -> L
img = img.convert("L")
#img.show()

# ------ copy()----------
img1 = img.copy()
img1.show()

滤波处理

filter(filter)应用滤波器，参数需来自ImageFilter模块。PIL内置多种滤波器，如中值滤波（MedianFilter）、边缘增强、浮雕等。注意，部分滤波器可能改变图像视觉效果，需根据需求选择。

# -*- coding:utf-8 -*-
from PIL import Image
from PIL import ImageFilter

# BLUR - 模糊处理
# CONTOUR - 轮廓处理
# DETAIL - 增强
# EDGE_ENHANCE - 将图像的边缘描绘得更清楚
# EDGE_ENHANCE_NORE - 程度比EDGE_ENHANCE更强
# EMBOSS - 产生浮雕效果
# SMOOTH - 效果与EDGE_ENHANCE相反，将轮廓柔和
# SMOOTH_MORE - 更柔和
# SHARPEN - 效果有点像DETAIL
testimg = Image.open("filter1.png")
testimg.show()
filterimg = testimg.filter(ImageFilter.MedianFilter)
filterimg.show()

图像信息提取与像素操作

PIL提供多种方法获取图像元数据与像素值，便于分析与调试。

信息获取方法

• getbands()：返回通道元组（如“RGB”）。
• getbbox()：返回非零像素的边界框（4元素元组）。
• getcolors()：返回颜色列表，包含像素数量与颜色值。
• getdata()：返回所有像素值的序列，需转为列表查看。
• getextrema()：返回各通道像素的最小/最大值。
• getpixel((x, y))：获取指定坐标像素值。
• histogram()：返回像素直方图。

# -*- coding:utf-8 -*-
from PIL import Image
img1 = Image.open("test.png")
img1.show()

# getbands() - 显示该图像的所有通道，返回一个tuple
bands = img1.getbands()
print bands

# getbbox() - 返回一个像素坐标，4个元素的tuple
bboxs = img1.getbbox()
print bboxs

# getcolors() - 返回像素信息，是一个含有元素的列表[(该种像素的数量，(该种像素)),(...),...]
colors = img1.getcolors()
print colors

# getdata() - 返回图片所有的像素值，要使用list()才能显示出具体数值
#data = list(img1.getdata())
#print data

# getextrema() - 获取图像中每个通道的像素最小和最大值,是一个tuple类型
extremas = img1.getextrema()
print extremas

# getpixel() - 获取该坐标
pixels = img1.getpixel((87,180))
print pixels

# histogram() - 返回图片的像素直方图
print(img1.histogram())

粘贴与数据写入

paste(im, box)将图像im粘贴到原图指定位置（box为坐标元组）。要求两图mode和size一致，否则需预处理。putdata(data)将像素序列直接写入原图，无返回值。

# -*- coding:utf-8 -*-
from PIL import Image
rawimg = Image.open("qqtou.png")
print rawimg.size

im = Image.open("number.png")
print im.size

# rawimg的size和im的size要相同，不然不能匹配
# paste(用来粘贴的图片，(位置坐标))，可以通过设置位置坐标来确定粘贴图片的位置
# 该方法没有返回值，直接作用于原图片
rawimg.paste(im,(75,-90))
rawimg.show()

# -*- coding:utf-8 -*-
from PIL import Image

img = Image.open("qqtou.png")
img = img.convert("L")
img.show()

imgdata = list(img.getdata())
print imgdata

addlist = []
for i in range(len(imgdata)):
  if imgdata[i]>250:
    addlist.append(imgdata[i]-100)
  else:
    addlist.append(imgdata[i])


# putdata - 将一个序列添加进原图像，没有返回值，直接作用在原图像中
img.putdata(addlist)
img.show()

以上就是基于Python PIL库进行图像处理的详细内容，涵盖了从基础读取到高级合成的多种操作。更多关于PIL库图像增强、格式转换及与其他AI框架集成的资料，请关注本站其它相关文章！