Python Pillow(PIL)详细使用指南

2024-01-08 16:35:17

前言

在这篇文章中,我们将深入探讨 Python 的 Pillow 库(PIL),一个强大的图像处理库。我们将通过一系列示例来展示如何使用 Pillow 进行图像的读取、编辑、保存以及一些高级功能,如图像滤镜、图像分割等。

一、Pillow 简介

Pillow 是 Python Imaging Library(PIL)的一个分支,它提供了广泛的图像处理功能,包括图像缩放、旋转、剪裁、颜色转换、滤镜效果等。Pillow 库具有简单易用的 API,可以方便地对图像进行操作。

二、安装 Pillow 库

首先,确保你已经安装了 Python。然后,你可以使用pip命令来安装 Pillow 库。在命令行中输入以下命令:

pip install pillow

三、基本操作?

3.1?读取图像

使用 Pillow 的 Image 模块,我们可以轻松地读取图像文件。以下是一个简单的示例:

from PIL import Image  
  
# 打开图像文件  
img = Image.open('example.jpg')  
  
# 显示图像尺寸和模式  
print("尺寸:", img.size)  
print("模式:", img.mode)

3.2 保存图像

使用?save()方法,我们可以将编辑后的图像保存到磁盘上。以下是一个示例:

img.save('edited_example.jpg')

3.3?调整图像大小

使用?resize()方法,我们可以调整图像的大小。以下是一个示例:

new_img = img.resize((800, 600)) 
new_img.save('resized_example.jpg')

3.4 旋转图像

使用?rotate()方法,我们可以旋转图像。以下是一个示例:

# 旋转90度 
rotated_img = img.rotate(90) 
rotated_img.save('rotated_example.jpg')

3.5 裁剪图像

使用?crop()方法,我们可以从图像中裁剪出一个特定区域。以下是一个示例:

# 裁剪出一个矩形区域 (left, upper, right, lower) 
cropped_img = img.crop((100, 100, 400, 400)) 
cropped_img.save('cropped_example.jpg')

3.6 调整图像亮度

使用?point()方法,我们可以对图像的每个像素应用一个函数,以改变其亮度。以下是一个示例:

# 调整亮度(增加50%) 
brighter_img = img.point(lambda p: p * 1.5) 
brighter_img.save('brighter_example.jpg')

四、滤镜效果

Pillow 库提供了许多内置的滤镜效果,可以轻松应用于图像。以下是一些示例:

4.1 模糊效果

使用?ImageFilter.BLUR?滤镜可以使图像变得模糊。以下是一个示例:

# 应用模糊滤镜 
blurred_img = img.filter(ImageFilter.BLUR) 
blurred_img.save('blurred_example.jpg')

4.2 锐化效果

使用?ImageFilter.SHARPEN滤镜可以使图像变得锐利。以下是一个示例:

# 应用锐化滤镜 
sharpened_img = img.filter(ImageFilter.SHARPEN) 
sharpened_img.save('sharpened_example.jpg')

4.3 浮雕效果

使用?ImageFilter.EMBOSS滤镜可以使图像呈现出浮雕效果。以下是一个示例:

# 应用浮雕滤镜 
embossed_img = img.filter(ImageFilter.EMBOSS) 
embossed_img.save('embossed_example.jpg')

4.4 边缘检测

使用?ImageFilter.FIND_EDGES滤镜可以检测图像中的边缘。以下是一个示例:

# 应用边缘检测滤镜 
edge_detected_img = img.filter(ImageFilter.FIND_EDGES) 
edge_detected_img.save('edge_detected_example.jpg')

五、图像分割

Pillow 库还提供了图像分割的功能,可以将图像分割成多个区域。以下是一个简单的示例:

5.1 按矩形分割

使用?split()方法可以将图像分割成多个矩形区域。以下是一个示例:

# 按矩形分割图像 (2行, 3列) 
rows, cols = img.size[0] // 2, img.size[1] // 3 
tiles = img.split((rows, cols)) 
for i, tile in enumerate(tiles): 
tile.save(f'tile_{i}_{tile.mode}.jpg')
这个示例将图像分割成 2 行 3 列共 6 个矩形区域,并保存每个区域为单独的图像文件。

5.2?按圆形分割

使用?crop()方法和一些计算,可以将图像分割成圆形区域。以下是一个示例:

# 按圆形分割图像 (半径为100) 
circle = Image.new('RGB', (200, 200), color = 'white') 
x = 100 # x coordinate 100 
y = 100 # y coordinate 100 
circle.paste(img, (x, y, x+img.width, y+img.height)) 
circle.save('circle_image.jpg')

六、其他高级功能

6.1 颜色转换

Pillow库提供了convert()方法,可以将图像转换为不同的颜色模式,如 RGB、CMYK 等。以下是一个示例:

# 将图像转换为RGB模式 
rgb_img = img.convert('RGB') 
rgb_img.save('rgb_example.jpg')

6.2 图像合成

使用?paste()方法,可以将一个图像粘贴到另一个图像上。以下是一个示例:

# 图像合成 
background = Image.open('background.jpg') 
foreground = Image.open('foreground.png') 
background.paste(foreground, (0, 0)) # 将前景图像粘贴到背景图像上 
background.save('composite_example.jpg')

6.3 图像分析

Pillow 库还提供了许多用于图像分析的工具,如直方图分析、边缘检测等。这些工具可以帮助你更好地理解图像的内容和特征。

6.3.1 直方图分析

使用 Pillow的ImageStat 模块,我们可以计算图像的直方图,从而了解图像的亮度分布。以下是一个示例:

from PIL import Image, ImageStat 

# 打开图像文件 
img = Image.open('example.jpg') 

# 计算直方图 
stats = ImageStat.Stat(img) 

# 显示直方图数据 
print("亮度分布:", stats.发力)
6.3.2 特征提取

使用 Pillow 的 Feature 模块,我们可以提取图像中的特征点,如角点、边缘等。以下是一个示例:

from PIL import Image, ImageFeatures 

# 打开图像文件 
img = Image.open('example.jpg') 

# 提取特征点 
features = ImageFeatures.register_mask(img, mask) 
points = features.find_features() 

# 显示特征点位置和描述子 
print("特征点数量:", len(points)) 
for point in points: 
print("位置:", point.pt) 
print("描述子:", point.desc)
6.4 动态图像处理

Pillow 库也支持处理动态图像(视频),可以从中提取帧、编辑帧等。这需要使用 Pillow的?ImageSequence模块。

以下是一个使用 Python Pillow 库进行动态图像处理的示例:

from PIL import Image, ImageSequence 

# 打开图像文件 
img = Image.open('example.gif') 

# 获取图像序列 
frames = ImageSequence.Iterator(img) 

# 逐帧处理 
for frame in frames: 
# 在此处编写您要执行的图像处理代码,例如: 
# frame = frame.rotate(45) # 旋转45度 
# frame = frame.resize((new_width, new_height)) # 调整大小 
# 等等... 

# 显示当前帧 
frame.show()

在上述示例中,我们首先使用 Image.open() 方法打开一个 GIF 图像文件。然后,我们使用 ImageSequence.Iterator() 方法获取图像序列的迭代器。接下来,我们使用 for 循环逐帧处理图像。在循环中,您可以编写您要执行的图像处理代码,例如旋转、调整大小等。最后,我们使用 show() 方法显示当前帧。?

请注意,对于动态图像,每个帧可能有不同的尺寸和模式。因此,在进行图像处理之前,您可能需要先获取当前帧的尺寸和模式,并进行相应的处理。

6.5 其他滤镜效果

除了上述示例中提到的滤镜效果外,Pillow 库还提供了许多其他滤镜效果,如像素化、油画效果等。可以根据需求选择适合的滤镜效果。

总结

Pillow 库是一个功能强大的图像处理库,可以满足各种图像处理需求。通过上述示例,你可以了解到 Pillow 库的基本操作、滤镜效果和其他高级功能。在实际应用中,可以根据具体需求选择适合的图像处理方法。希望这篇文章能帮助你更好地了解和掌握 Pillow 库的使用。

文章来源:https://blog.csdn.net/yugongpeng/article/details/135381090
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。