【图像处理】Image类基础使用方法

前言

修改自CSDN博客,完整内容见：

Image类介绍

Image类是PIL中的核心类，你有很多种方式来对它进行初始化，比如从文件中加载一张图像，处理其他形式的图像，或者是从头创造一张图像等。Image模块操作的基本方法都包含于此模块内。

使用Image类的注意事项

Pillow

由于PIL仅支持到Python 2.7，加上年久失修，于是一群志愿者在PIL的基础上创建了兼容的版本，名字叫Pillow，支持最新Python 3.x，又加入了许多新特性，因此，我们可以直接安装使用Pillow。

如果安装了Anaconda，Pillow就已经可用了。否则，需要在命令行下通过pip安装： $ pip install pillow

调用方法

# python2
import Image
# python3
from PIL import Image

智能补全问题

python是动态强类型语言，IDE无法判断Image.open(“file.png”)的返回值类型，无法根据参数类型自动补全。

这个问题有以下解决方法：

• 类型注释：加上# type: Image.Image

  img = Image.open('file.png') # type: Image.Image
  

• 使用isinstance进行指定

  img = Image.open('file.png')
  assert isinstance(img, Image.Image)
  

• 指定类型

  img = Image.open('f15.png')
  """:type: Image.Image"""
  

Image类属性

size

size记录图像的尺寸，按照像素数计算。它的返回值为宽度和高度的二元组(width, height)。

<imname>.size -> (width,height)

im = Image.open("3d.jpg")
print(im.size) # 打印图像尺寸

format

format属性标识了图像来源格式，如果图像没有读取文件，它的值就是None。

<imname>.format -> string or None

im = Image.open("3d.jpg")
print(im.format) # 打印出格式信息

mode

mode标识图像的模式。

<imname>.mode -> string

im = Image.open("3d.jpg")
print(im.mode) # 打印出模式信息

常见的图像模式如下表：

palette

palette记录颜色调色板表格。如果图像的模式是“P”，则返回Image Palette类的实例；否则，将为None。

<imname>.palette -> palette or None

info

info存储图像相关数据的字典。

文件句柄使用该字典传递从文件中读取的各种非图像信息。大多数方法在返回新的图像时都会忽略这个字典；因为字典中的键并非标准化的，对于一个方法，它不知道自己的操作如何影响这个字典。如果用户需要这些信息，需要在方法open()返回时保存这个字典。

<imname>.info -> dictionary

Image类方法

new

new()使用给定的变量mode和size生成新的图像。

Image.new(mode,size) -> image

Image.new(mode, size,color) -> image

size是给定的宽/高二元组，这是按照像素数来计算的。

对于单通道图像，变量color只给定一个值；对于多通道图像，变量color给定一个元组（每个通道对应一个值）。

在版本1.1.4及其之后，用户也可以用颜色的名称，比如给变量color赋值为"red"。如果没有对变量color赋值，图像内容将会被全部赋值为0（为黑色）。

如果变量color是空，图像将不会被初始化，即图像的内容全为0。这对向该图像复制或绘制某些内容是有用的。

# 创建128*128全红图像
n_im= Image.new("RGB", (128, 128), "#FF0000")

open

要从文件加载图像，使用open()函数：

Image.open(file) -> image

from PIL import Image
im = Image.open('./3d.jpg') # 打开当前路径下的3d.jpg文件
im.show() # 显示图片

save

save()方法可以用于保存文件，使用给定的文件名保存图像：<imname>.save(outfile,format,options)

如果变量format缺省，如果可能的话，则从文件名称的扩展名判断文件的格式。该方法返回为空。

关键字options为文件编写器提供一些额外的指令。如果编写器不能识别某个选项，它将忽略它。用户可以使用文件对象代替文件名称。在这种情况下，用户必须指定文件格式。

文件对象必须实现了seek()、tell()和write()方法，且其以二进制模式打开。如果方法save()因为某些原因失败，这个方法将产生一个异常（通常为IOError异常）。如果发生了异常，该方法也有可能已经创建了文件，并向文件写入了一些数据。如果需要的话，用户的应用程序可以删除这个不完整的文件。

# save()可以用于转换文件类型
im = Image.open("3d.jpg")
im.save("3d.png") # 将"3d.jpg"保存为3d.png"

getpixel

getpixel()返回给定位置的像素值。

<imname>.getpixel(xy) -> value or tuple

如果图像为多通道，则返回一个元组。该方法执行比较慢；如果用户需要使用python处理图像中较大部分数据，可以使用像素访问对象load()，或者方法getdata()。

im = Image.open("3d.jpg")
print(im.getpixel((0,0)))

load

load()为图像分配内存并从文件中加载它（或者从源图像）。正常情况下，用户不需要调用这个方法，因为在第一次访问图像时，Image类会自动地加载打开的图像。

目前的版本，方法load()返回一个用于读取和修改像素的像素访问对象。 这个访问对象像一个二维队列，如：

pix = im.load()
print(pix[x, y]) # 读取pix中的像素
pix[x, y] = value # 修改pix中的像素

getdata

getdata()以包含像素值的sequence对象形式返回图像的内容。

<imname>.getdata() -> sequence

这个sequence对象是扁平的，以便第一行的值直接跟在第零行的值后面，等等。

这个方法返回的sequence对象是PIL内部数据类型，它只支持某些sequence操作，包括迭代和基础sequence访问。使用list(im.getdata())，将它转换为普通的sequence。

sequence对象的每一个元素对应一个像素点的R、G和B三个值。

im = Image.open("3d.jpg")
sequ = im.getdata()
l_sequ = list(sequ)

corp

corp()从当前的图像中返回一个矩形区域的拷贝。

变量box是一个四元组，定义了左、上、右和下的像素坐标，用来表示在原始图像中截取的位置坐标。

如box = (100,100,200,200)就表示在原始图像中以左上角为坐标原点，截取一个100*100（像素为单位）的图像，为方便理解，如下为示意图box = (b1,a1,b2,a2)。

im = Image.open("3d.jpg")
box = (20, 30, 300, 200) # 确定拷贝区域大小
region = im.crop(box) # 将im表示的图片对象拷贝到region中，大小为box

copy

copy()可以拷贝这个图像。如果用户想粘贴一些数据到这张图，可以使用这个方法，但是原始图像不会受到影响。

<imname>.copy() -> image

# im_copy和im完全相同
im = Image.open("3d.jpg")
im_copy = im.copy()

paste

paste()将一张图粘贴到另一张图像上。

<imname>.paste(image,box)

变量box或者是一个给定新图片中插入图像所在区域的左上角坐标的2元组，或者是定义了左，上，右和下像素坐标的4元组，或者为空（与（0，0）一样）。

如果给定4元组，被粘贴的图像的尺寸必须与区域尺寸一样。如果模式不匹配，被粘贴的图像将被转换为当前图像的模式。

im = Image.open("3d.jpg")
box=[0,0,100,100]
im_crop = im.crop(box)
im.paste(im_crop, (100,100)) #(100,100)为im用于粘贴im_corp的区域的左上角像素坐标
im.paste(im_crop, (400,400,500,500))

convert

convert()将当前图像转换为其他模式，并且返回新的图像。

<imname>.convert(mode) -> image

当从一个调色板图像转换时，这个方法通过这个调色板来转换像素。如果不对变量mode赋值，该方法将会选择一种模式，在没有调色板的情况下，使得图像和调色板中的所有信息都可以被表示出来。

<imname>.convert(mode,matrix) -> image使用转换矩阵将一个“RGB”图像转换为“L”或者“RGB”图像。变量matrix为4或者16元组。

# 使用P模式转换图像
im = Image.open("3d.jpg")
new_im = im.convert('P')
# 使用自定义矩阵转换图像
im = Image.open("3d.jpg")
rgb2xyz = (0.412453,0.357580, 0.180423, 0,
           0.212671,0.715160, 0.072169, 0,
           0.019334,0.119193, 0.950227, 0 )
new_im = im.convert("L", rgb2xyz)

blend

blend()使用给定的两张图像及透明度变量alpha，插值出一张新的图像。这两张图像必须有一样的尺寸和模式。

Image.blend(image1,image2, alpha) -> image

合成公式为：$out = image1 (1.0 - alpha) + image2 (alpha)$

若变量alpha为0.0，返回第一张图像的拷贝。若变量alpha为1.0，将返回第二张图像的拷贝。对变量alpha的值无限制。

from PIL import Image
im1 = Image.open("3d.jpg")
im2 = Image.open("3dd.jpg")
im = Image.blend(im1, im2, 0.40)

fliter

fliter()返回一个使用给定滤波器处理过的图像的拷贝。

<imname>.filter(filter) -> image

fliter()具体参考图像滤波在ImageFilter模块的应用。在该模块中，预先定义了很多增强滤波器，可以通过filter()函数使用。

预定义滤波器包括：BLUR、CONTOUR、DETAIL、EDGE_ENHANCE、EDGE_ENHANCE_MORE、EMBOSS、FIND_EDGES、SMOOTH、SMOOTH_MORE、SHARPEN。其中BLUR就是均值滤波，CONTOUR找轮廓，FIND_EDGES边缘检测，使用该模块时，需先导入。

from PIL import Image
from PIL import ImageFilter # 调取ImageFilter
imgF = Image.open("3d.jpg")
bluF = imgF.filter(ImageFilter.BLUR) # 均值滤波
conF = imgF.filter(ImageFilter.CONTOUR) # 找轮廓
edgeF = imgF.filter(ImageFilter.FIND_EDGES) # 边缘检测