Python图像处理-Pillow
简介
Python传统的图像处理库PIL
(Python Imaging Library ),可以说基本上是Python处理图像的标准库,功能强大,使用简单。
但是由于PIL
不支持Python3,而且更新缓慢。所以有志愿者在PIL
的基础上创建了一个分支版本,命名为Pillow
,Pillow
目前最新支持到python3.6,更新活跃,并且增添了许多新的特性。所以我们安装Pillow即可。
安装
Pillow
的安装比较的简单,直接pip安装即可:
pip install Pillow
但是要注意的一点是,Pillow
和PIL
不能共存在同一个环境中,所以如果安装的有PIL
的话,那么安装Pillow
之前应该删除PIL
。
由于是继承自PIL
的分支,所以Pillow
的导入是这样的:
import PIL
# 或者
from PIl import Image
使用手册
Image
Image
是Pillow中最为重要的类,实现了Pillow中大部分的功能。要创建这个类的实例主要有三个方式:
-
从文件加载图像
-
处理其他图像获得
-
创建一个新的图像
读取图像
一般来说,我们都是都过从文件加载图像来实例化这个类,如下所示:
from PIL import Image
picture = Image.open('happy.png')
如果没有指定图片格式的话,那么Pillow
会自动识别文件内容为文件格式。
新建图像
Pillow
新建空白图像使用new()
方法, 第一个参数是mode即颜色空间模式,第二个参数指定了图像的分辨率(宽x高),第三个参数是颜色。
-
可以直接填入常用颜色的名称。如'red'。
-
也可以填入十六进制表示的颜色,如
#FF0000
表示红色。 -
还能传入元组,比如(255, 0, 0, 255)或者(255, 0, 0)表示红色。
picture = Image.new('RGB', (200, 100), 'red')
保存图像
保存图片的话需要使用save()
方法:
picture.save('happy.png')
保存的时候,如果没有指定图片格式的话,那么Pillow
会根据输入的后缀名决定保存的文件格式。
图像的坐标表示
在Pillow中,用的是图像的左上角为坐标的原点(0,0),所以这意味着,x轴的数值是从左到右增长的,y轴的数值是从上到下增长的。
我们处理图像时,常常需要去表示一个矩形的图像区域。Pillow
中很多方法都需要传入一个表示矩形区域的元祖参数。
这个元组参数包含四个值,分别代表矩形四条边的距离X轴或者Y轴的距离。顺序是(左,顶,右,底)
。其实就相当于,矩形的左上顶点坐标为(左,顶)
,矩形的右下顶点坐标为(右,底)
,两个顶点就可以确定一个矩形的位置。
右和底坐标稍微特殊,跟python列表索引规则一样,是左闭又开的。可以理解为[左, 右)
和[顶, 底)
这样左闭右开的区间。比如(3, 2, 8, 9)就表示了横坐标范围[3, 7];纵坐标范围[2, 8]的矩形区域。
常用属性
-
PIL.Image.filename
图像源文件的文件名或者路径,只有使用
open()
方法创建的对象有这个属性。类型:字符串
-
PIL.Image.format
图像源文件的文件格式。
-
PIL.Image.mode
图像的模式,一般来说是“1”, “L”, “RGB”, 或者“CMYK” 。
-
PIL.Image.size
图像的大小
-
PIL.Image.width
图像的宽度
-
PIL.Image.height
图像的高度
-
PIL.Image.info
图像的一些信息,为字典格式
常用方法
裁剪图片
Image
使用crop()
方法来裁剪图像,此方法需要传入一个矩形元祖参数,返回一个新的Image
对象,对原图没有影响。
croped_im = im.crop((100, 100, 200, 200))
复制与粘贴图像
复制图像使用copy()
方法:
copyed_im = im.copy()
粘贴图像使用paste()
方法:
croped_im = im.crop((100, 100, 200, 200))
im.paste(croped_im, (0, 0))
im对象调用了paste()
方法,第一个参数是被裁剪下来用来粘贴的图像,第二个参数是一个位置参数元祖,这个位置参数是粘贴的图像的左顶点。
调整图像的大小
调整图像大小使用resize()
方法:
resized_im = im.resize((width, height))
resize()
方法会返回一个重设了大小的Image
对象。
旋转图像和翻转图像
旋转图像使用rotate()
方法,此方法按逆时针旋转,并返回一个新的Image
对象:
# 逆时针旋转90度
im.rotate(90)
im.rotate(180)
im.rotate(20, expand=True)
旋转的时候,会将图片超出边界的边角裁剪掉。如果加入expand=True
参数,就可以将图片边角保存住。
翻转图像使用transpose()
:
# 水平翻转
im.transpose(Image.FLIP_LEFT_RIGHT)
# 垂直翻转
im.transpose(Image.FLIP_TOP_BOTTOM)
获取单个像素的值
使用getpixel
(xy)方法可以获取单个像素位置的值:
im.getpixel((100, 100))
传入的xy需要是一个元祖形式的坐标。
如果图片是多通道的,那么返回的是一个元祖。
通过通道分割图片
split()
split()
可以将多通道图片按通道分割为单通道图片:
R, G, B = im.split()
split()
方法返回的是一个元祖,元祖中的元素则是分割后的单个通道的值。
getchannel(channel)
getchannel()
可以获取单个通道的数据:
R = im.getchannel("R")
加载图片全部数据
我们可以使用load()
方法加载图片所有的数据,并比较方便的修改像素的值:
pixdata = im.load()
pixdata[100,200] = 255
此方法返回的是一个PIL.PyAccess
,可以通过这个类的索引来对指定坐标的像素点进行修改。
关闭图片并释放内存
此方法会删除图片对象并释放内存
im.close()
把图片转为高对比度的图片
# -*- coding:utf-8 -*- # 斌彬电脑 # @Time : 2018/9/11 0011 下午 2:50 from PIL import Image im = Image.open('ss.png') im = im.convert('L') # 灰度图片 data = im.load() h,w = im.size # 读出图片大小, # 不是黑的就是白的, for i in range(h): for j in range(w): if data[i,j] > 128: # 根据坐标读出像素的值 data[i,j] = 255 else: data[i,j] = 0 # 得到一个高对比度的图片 im.show()
验证码简单处理
# -*- coding: utf-8 -*- # 斌彬电脑 # @Time : 2018/9/12 0012 5:34 from PIL import Image im = Image.open('aaaaaaa.png') im = im.convert('L') # 灰度图片 data = im.load() h, w = im.size # 读出图片大小, # 不是黑的就是白的, for i in range(h): for j in range(w): if data[i, j] > 20: # 根据坐标读出像素的值 data[i, j] = 255 else: data[i, j] = 0 # 降嗓 for x in range(1,h - 1): for y in range(1,w - 1): count = 0 if data[x - 1, y - 1] == 255: count += 1 if data[x + 1, y + 1] == 255: count += 1 if data[x - 1, y - 1] == 255: count += 1 if data[x + 1, y + 1] == 255: count += 1 # if data[x, y - 1] == 255: # count += 1 # if data[x, y + 1] == 255: # count += 1 # if data[x - 1, y] == 255: # count += 1 # if data[x + 1, y] == 255: # count += 1 if count > 2: data[x, y] = 255 im.save('123.png') # 得到一个高对比度的图片 im.show()
非黑即白的后处理
# -*- coding:utf-8 -*- # 斌彬电脑 # @Time : 2018/9/12 0012 上午 8:37 from PIL import Image import json, re im = Image.open('aaaaaaa.png') im = im.convert('L') # 灰度图片 data = im.load() h, w = im.size # 读出图片大小, # 不是黑的就是白的, for i in range(h): for j in range(w): if data[i, j] > 20: # 根据坐标读出像素的值 data[i, j] = 255 else: data[i, j] = 0 # 降嗓 for x in range(1,h - 1): for y in range(1,w - 1): count = 0 if data[x - 1, y - 1] == 255: count += 1 if data[x + 1, y + 1] == 255: count += 1 if data[x - 1, y - 1] == 255: count += 1 if data[x + 1, y + 1] == 255: count += 1 if count > 2: data[x, y] = 255 itm = {} file = open('itm.json', 'a', encoding='utf8') for x in range(1,h - 1): itm = {} y = 1 file.write(' ') while (w-y)!=0: if data[x, y] == 0: itm[x] = y item1 = json.dumps(itm, ensure_ascii=False ) file.write(item1) y += 1 bb='' with open("itm.json", "r") as f: for i in f: if len(i.strip()) < 50: # print(i.strip()) bb = bb+i.strip() # print(bb) a,b = re.findall(r"{'(.*?)':(.*?)}", bb) print(a,b) # im.save('123.png') # 得到一个高对比度的图 # im.show()
验证码黑白处理
# -*- coding:utf-8 -*- # 斌彬电脑 # @Time : 2018/9/12 0012 上午 8:37 from PIL import Image import json, re im = Image.open('9.png') im = im.convert('L') # 灰度图片 data = im.load() h, w = im.size # 读出图片大小, # 不是黑的就是白的, for i in range(h): for j in range(w): if data[i, j] > 50: # 根据坐标读出像素的值 data[i, j] = 255 else: data[i, j] = 0 # 降嗓 for x in range(1, h - 1): for y in range(1, w - 1): count = 0 if data[x - 1, y - 1] == 255: count += 1 if data[x + 1, y + 1] == 255: count += 1 if data[x - 1, y - 1] == 255: count += 1 if data[x + 1, y + 1] == 255: count += 1 if count > 2: data[x, y] = 255 itm = {} file1 = open('itm.json', 'a', encoding='utf8') for x in range(1, h - 1): itm = {} y = 1 file1.write(' ') while (w - y) != 0: if data[x, y] == 0: itm[x] = y item1 = json.dumps(itm, ensure_ascii=False) file1.write(item1) y += 1 file1.close() bb = '' with open("itm.json", "r") as f: for i in f: if len(i.strip()) < 30: # 杂点大小 # print(i.strip()) bb = bb + i.strip() # print(bb) # {"4": 40} a = re.findall(r'{"(.*?)":.*?}', bb) b = re.findall(r'{".*?":(.*?)}', bb) # print(a) # print(b) print(len(a),len(b)) for i in range(len(a)): data[int(a[i]), int(b[i])] = 255 # im2 = im # data2 = im.load() # h2, w2 = im2.size # 读出图片大小, # # print(h2,w2,'00000') # # atm = {} # file2 = open('atm.json', 'a', encoding='utf8') # for n in range(1, w2 - 1): # atm = {} # m = 1 # file2.write(' ') # while (h2 - m) != 0: # if data2[n, m] == 0: # atm[n] = m # stem1 = json.dumps(atm, ensure_ascii=False) # file2.write(stem1) # n += 1 # file2.close() # # cc = '' # with open("atm.json", "r") as f: # for i in f: # if len(i.strip()) < 30: # 杂点大小 # # print(i.strip()) # cc = cc + i.strip() # # print(bb) # # {"4": 40} # c = re.findall(r'{"(.*?)":.*?}', cc) # d = re.findall(r'{".*?":(.*?)}', cc) # # print(c) # # print(d) # print(len(c), len(d)) # for i in range(len(c)): # data2[int(c[i]), int(d[i])] = 255 # im.save('123.png') # 得到一个高对比度的图 # im2 = im2.rotate(270) im.show()