Python (三): PIL.Image基本图像处理

悠悠 2022-03-17 15:08 355阅读 0赞

### Python 三: 图像处理 ###

*  需要 Import 的库
 *  基本操作
 *  新建, 裁剪, 缩放和粘贴
 *  旋转和翻转
 *  滤镜
 *  通道分离, 像素操作

# 需要 Import 的库 #

from PIL import Image
    import numpy as np
    import matplotlib.pyplot as plot

**以下所有代码都引用了上述三行代码**

# 基本操作 #

# 读取图片
    img = Image.open("./demo.jpg")
    
    # 获取图片的尺寸
    print(img.size) 
    # > (32, 32)
    
    # 转化为灰度图
    grayscale = img.convert('L')
    # 转化为二值图
    binary = img.convert('1')
    
    # 显示图片
    plot.subplot(1, 3, 1)
    plot.imshow(img)
    plot.subplot(1, 3, 2)
    plot.imshow(grayscale)
    plot.subplot(1, 3, 3)
    plot.imshow(binary)
    plot.show()
    
    # np 数组 之间的互相转换
    img_array = np.array(img)
    img_img = Image.fromarray(img_array)
    
    # 保存图片
    binary.save('./binary.png')

![91c164f5ly1g0hzivntlpj20xc0b43yt.jpg][]

# 新建, 裁剪, 缩放和粘贴 #

im1 = Image.open("./demo.jpg") # im1 大小为 32 * 32
    
    # 新建一个 64 * 64 的灰度图, 默认填充 0
    im2 = Image.new('L', (64, 64), 0)
    
    # 在 im2 左上角粘贴 im1
    im2.paste(im1, (0, 0))
    
    # 在 im2 右上方粘贴 im2 的 (0,0) 到 (30, 30) 部分的图片
    im2.paste(im1.crop((0, 0, 30, 30)).resize((32, 32)), (32, 0))
    # 同上
    im2.paste(im1.crop((0, 0, 25, 25)).resize((32, 32)), (0, 32))
    # 同上
    im2.paste(im1.crop((0, 0, 18, 18)).resize((32, 32)), (32, 32))
    plot.imshow(im2)
    plot.show()

![91c164f5ly1g0i0cclq7qj20zk0qo0td.jpg][]

# 旋转和翻转 #

im = Image.open("./demo.jpg")
    
    # 旋转
    plot.subplot(2, 2, 1)
    plot.imshow(im1.rotate(90))
    
    plot.subplot(2, 2, 2)
    plot.imshow(im1.rotate(180))
    
    # 翻转
    plot.subplot(2, 2, 3)
    plot.imshow(im1.transpose(Image.FLIP_LEFT_RIGHT))
    plot.subplot(2, 2, 4)
    plot.imshow(im1.transpose(Image.FLIP_TOP_BOTTOM))
    
    plot.show()

![91c164f5ly1g0i0kcd94pj20zk0qoq3x.jpg][]

# 滤镜 #

from PIL import ImageFilter
    im = Image.open("./aragaki_yui.jpg")
    
    plot.subplot(2, 3, 1)
    plot.axis('off')
    plot.title('gaussian')
    plot.imshow(im.filter(ImageFilter.GaussianBlur))
    
    plot.subplot(2, 3, 2)
    plot.axis('off')
    plot.title('edge enhance')
    plot.imshow(im.filter(ImageFilter.EDGE_ENHANCE))
    
    plot.subplot(2, 3, 3)
    plot.axis('off')
    plot.title('find edges')
    plot.imshow(im.filter(ImageFilter.FIND_EDGES))
    
    plot.subplot(2, 3, 4)
    plot.axis('off')
    plot.title('sharpen')
    plot.imshow(im.filter(ImageFilter.SHARPEN))
    
    plot.subplot(2, 3, 5)
    plot.axis('off')
    plot.title('detail')
    plot.imshow(im.filter(ImageFilter.DETAIL))
    
    plot.subplot(2, 3, 6)
    plot.axis('off')
    plot.title('raw')
    plot.imshow(im)
    plot.show()

![91c164f5ly1g0i0wcvek5j20zk0qoqbb.jpg][]

# 通道分离, 像素操作 #

im = Image.open("./aragaki_yui.jpg")
    
    # 通道分离
    rgb = im.split()
    R, G, B = 0, 1, 2
    
    # 使用 lambda 表达式实现像素级操作
    rgb[R].paste(rgb[R].point(lambda x : x * 0.9))
    rgb[G].paste(rgb[G].point(lambda x : x * 0.9))
    rgb[B].paste(rgb[B].point(lambda x : x * 0.75))
    
    plot.subplot(1, 2, 1)
    plot.imshow(im)
    plot.subplot(1, 2, 2)
    plot.imshow(Image.merge(im.mode, rgb))
    plot.show()

![91c164f5ly1g0i199ip4rj20zk0qo775.jpg][]

[91c164f5ly1g0hzivntlpj20xc0b43yt.jpg]: /images/20220317/2fd496524a9d4b91b33c6638788e030c.png
[91c164f5ly1g0i0cclq7qj20zk0qo0td.jpg]: /images/20220317/8493f9b9aab84aeeab23ab87635159dd.png
[91c164f5ly1g0i0kcd94pj20zk0qoq3x.jpg]: /images/20220317/8a45a386ee834e4d8f36c1ef95de4377.png
[91c164f5ly1g0i0wcvek5j20zk0qoqbb.jpg]: /images/20220317/31bd680a66f34e39b3c6d67fb4e9b720.png
[91c164f5ly1g0i199ip4rj20zk0qo775.jpg]: /images/20220317/496b532b09f7400f9533f6d34547c8a4.png