Python图像处理PIL各模块详细介绍(推荐)
Image模块
Image模块是在Python PIL图像处理中常见的模块,对图像进行基础操作的功能基本都包含于此模块内。如open、save、conver、show…等功能。
open类
Image.open(file) ⇒ image
Image.open(file, mode) ⇒ image
要从文件加载图像,使用 open() 函数, 在 Image 模块:
@zhangziju from PIL import Image ##调用库 im = Image.open("E:\mywife.jpg") ##文件存在的路径 im.show()
需要知道的是在win的环境下im.show的方式为win自带的图像显示应用。打开并确认给定的图像文件。这个是一个懒操作;该函数只会读文件头,而真实的图像数据直到试图处理该数据才会从文件读取(调用load()方法将强行加载图像数据)。如果变量mode被设置,那必须是“r”。用户可以使用一个字符串(表示文件名称的字符串)或者文件对象作为变量file的值。文件对象必须实现read(),seek()和tell()方法,并且以二进制模式打开。
Save类
im.save(outfile,options…)
im.save(outfile, format, options…)
若要保存文件,则使用 Image 类的 save() 方法,此时保存文件的文件名就变得十分重要了,除非指定格式,否则这个库将会以文件名的扩展名作为格式保存。使用给定的文件名保存图像。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。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") print(im) im.save("E:\mywife.png") ## 将"E:\mywife.jpg"保存为"E:\mywife.png" im = Image.open("E:\mywife.png") ##打开新的png图片 print(im.format, im.size, im.mode)
如下图,在指定路径下可看到新保存的png格式的图片。
format类
im.format ⇒ string or None
这个属性标识了图像来源,如果图像不是从文件读取它的值就是None。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") print(im.format) ## 打印出格式信息 im.show()
如下图可以看到其format为”JPEG”。
Mode类
im.mode ⇒ string
图像的模式,常见的mode 有 “L” (luminance) 表示灰度图像,“RGB”表示真彩色图像,和 “CMYK” 表示出版图像,表明图像所使用像素格式。如下表为常见的nodes描述:
modes | 描述 |
---|---|
1 | 1位像素,黑和白,存成8位的像素 |
L | 8位像素,黑白 |
P | 8位像素,使用调色板映射到任何其他模式 |
RGB | 3× 8位像素,真彩 |
RGBA | 4×8位像素,真彩+透明通道 |
CMYK | 4×8位像素,颜色隔离 |
YCbCr | 3×8位像素,彩色视频格式 |
I | 32位整型像素 |
F | 32位浮点型像素 |
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") print(im.mode) ## 打印出模式信息 im.show()
如下图为图片的mode为“RGB”模式。
convert类
im.convert(mode)⇒ image
将当前图像转换为其他模式,并且返回新的图像。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。当从一个颜色图像转换为黑白图像时,PIL库使用ITU-R601-2 luma转换公式:
L = R * 299/1000 + G * 587/1000 + B * 114/1000
当转换为2位图像(模式“1”)时,源图像首先被转换为黑白图像。结果数据中大于127的值被设置为白色,其他的设置为黑色;这样图像会出现抖动。如果要使用其他阈值,更改阈值127,可以使用方法point()。为了去掉图像抖动现象,可以使用dither选项。
from PIL import Image im = Image.open("E:\mywife.jpg") new_im = im.convert('P') print(new_im.mode) new_im.show()
如下,将图像转换为“P”模式。
对比原始图像。
im.convert(“P”,**options) ⇒ image
这个与第一个方法定义一样,但是当“RGB”图像转换为8位调色板图像时能更好的处理。可供选择的选项为:
Dither=. 控制颜色抖动。默认是FLOYDSTEINBERG,与邻近的像素一起承担错误。不使能该功能,则赋值为NONE。
Palette=. 控制调色板的产生。默认是WEB,这是标准的216色的“web palette”。要使用优化的调色板,则赋值为ADAPTIVE。
Colors=. 当选项palette为ADAPTIVE时,控制用于调色板的颜色数目。默认是最大值,即256种颜色
im.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。
from PIL import Image im = Image.open("E:\mywife.jpg") print(im.mode) 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) print(new_im.mode) new_im.show()
转换后效果
Size类
im.size ⇒ (width, height)
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)。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") print(im.size) ## 打印出尺寸信息 im.show()
如下图所示为图片的尺寸信息,750*560。
Palette类
im.palette ⇒ palette or None
颜色调色板表格。如果图像的模式是“P”,则返回ImagePalette类的实例;否则,将为None。
如下为对非“P”模式下的图像进行palette信息显示。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") print(im.palette)
易知,返回值为空,none
对图像进行convert操作,转换成“P”模式
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") new_im = im.convert('P') print(new_im.mode) print(new_im.palette)
则返回值为ImagePalette类的实例。如下:
Info类
im.info ⇒ dictionary
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,它不能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。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") print(im.info)
new类
Image.new(mode,size) ⇒ image
Image.new(mode, size,color) ⇒ image
使用给定的变量mode和size生成新的图像。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。
如下为将图像设置为128x128大小的红色图像。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") n_im= Image.new("RGB", (128, 128), "#FF0000") n_im.show()
显示效果如下:
如下图像为128x128大小的黑色图像,因为变量color不赋值的话,图像内容被设置为0,即黑色。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") n_im= Image.new("RGB", (128, 128)) n_im.show()
图像为128x128大小的绿色图像。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") n_im= Image.new("RGB", (128, 128),"green") n_im.show()
Copy类
im.copy() ⇒ image
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。
from PIL import Image im = Image.open("E:\mywife.jpg") im_copy = im.copy()
图像im_copy和im完全一样。
Crop类
im.crop(box) ⇒ image
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)。作图软件为Visio2016。这是一个懒操作。对源图像的改变可能或者可能不体现在裁减下来的图像中。为了获取一个分离的拷贝,对裁剪的拷贝调用方法load()。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") box = (300, 100, 700, 700) ##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 region.show()
如下图为box截取的图像区域显示。
Paste类
im.paste(image,box)
将一张图粘贴到另一张图像上。变量box或者是一个给定左上角的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。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") box=[0,0,100,100] im_crop = im.crop(box) print(im_crop.size,im_crop.mode) im.paste(im_crop, (100,100)) ##(100,100,0,0) im.paste(im_crop, (400,400,500,500)) im.show()
如下图为paste操作:
Filter类
im.filter(filter) ⇒ image
返回一个使用给定滤波器处理过的图像的拷贝。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。
@zhangziju from PIL import Image from PIL import ImageFilter ## 调取ImageFilter imgF = Image.open("E:\mywife.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 imgF.show() bluF.show() conF.show() edgeF.show()
滤波处理下的gakki~
Blend类
Image.blend(image1,image2, alpha) ⇒ image
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。
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。
@zhangziju from PIL import Image im1 = Image.open("E:\mywife.jpg") im2 = Image.open("E:\mywife2.jpg") print(im1.mode,im1.size) print(im2.mode,im2.size) im = Image.blend(im1, im2, 0.2) im.show()
需保证两张图像的模式和大小是一致的,如下为显示im1和im2的具体信息。
im1和im2按照第一张80%的透明度,第二张20%的透明度,合成为一张。
Split
im.split() ⇒ sequence
返回当前图像各个通道组成的一个元组。例如,分离一个“RGB”图像将产生三个新的图像,分别对应原始图像的每个通道(红,绿,蓝)。
from PIL import Image im = Image.open("E:\mywife.jpg") r,g,b = im.split() print(r.mode) print(r.size) print(im.size)
Composite类
Image.composite(image1,image2, mask) ⇒ image
复合类使用给定的两张图像及mask图像作为透明度,插值出一张新的图像。变量mask图像的模式可以为“1”,“L”或者“RGBA”。所有图像必须有相同的尺寸。
@zhangziju from PIL import Image im1 = Image.open("E:\mywife.jpg") im2 = Image.open("E:\mywife2.jpg") r,g,b = im1.split() ##分离出r,g,b print(b.mode) print(im1.mode,im1.size) print(im2.mode,im2.size) im = Image.composite(im1,im2,b) im.show()
b.mode为”L”,两图尺寸一致。
最终效果
Eval类
Image.eval(image,function) ⇒ image
使用变量function对应的函数(该函数应该有一个参数)处理变量image所代表图像中的每一个像素点。如果变量image所代表图像有多个通道,那变量function对应的函数作用于每一个通道。注意:变量function对每个像素只处理一次,所以不能使用随机组件和其他生成器。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") def fun01(x): return x*0.3 def fun02(y): return y*2.0 im1_eval = Image.eval(im, fun01) im2_eval = Image.eval(im, fun02) im1_eval.show() im2_eval.show()
在函数fun01和fun02下的图像显示。
Merge类
Image.merge(mode,bands) ⇒ image
合并类使用一些单通道图像,创建一个新的图像。变量bands为一个图像的元组或者列表,每个通道的模式由变量mode描述。所有通道必须有相同的尺寸。
变量mode与变量bands的关系:
len(ImageMode.getmode(mode).bands)= len(bands)
@zhangziju from PIL import Image im1 = Image.open("E:\mywife.jpg") im2 = Image.open("E:\mywife2.jpg") r1,g1,b1 = im1.split() r2,g2,b2 = im2.split() print(r1.mode,r1.size,g1.mode,g1.size) print(r2.mode,r2.size,g2.mode,g2.size) new_im=[r1,g2,b2] print(len(new_im)) im_merge = Image.merge("RGB",new_im) im_merge.show()
打印信息显示
merge操作
Draft类
im.draft(mode,size)
配置图像文件加载器,使得返回一个与给定的模式和尺寸尽可能匹配的图像的版本。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") print(im.size,im.mode) new_im = im.draft("L", (200,200)) print(new_im.size,new_im.mode) new_im.show()
关键信息显示
转换效果
Getbands类
im.getbands()⇒ tuple of strings
返回包括每个通道名称的元组。例如,对于RGB图像将返回(“R”,“G”,“B”)。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") print(im.getbands())
Getbbox类
im.getbbox() ⇒ 4-tuple or None
计算图像非零区域的包围盒。这个包围盒是一个4元组,定义了左、上、右和下像素坐标。如果图像是空的,这个方法将返回空。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") print(im.getbbox())
Getdata类
im.getdata() ⇒ sequence
以包含像素值的sequence对象形式返回图像的内容。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。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") sequ = im.getdata() sequ0 = list(sequ) print(sequ0[0]) print(sequ0[1]) print(sequ0[2])
可视化显示sequence0里面的数据。
打印显示结果,与前面对比。
Getextrema类
im.getextrema() ⇒ 2-tuple
返回一个2元组,包括该图像中的最小和最大值。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") print(im.getextrema())
该方法返回了R/G/B三个通道的最小和最大值的2元组。
Getpixel类
im.getpixel(xy) ⇒ value or tuple
返回给定位置的像素值。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(见load),或者方法getdata()。
@zahngziju from PIL import Image im = Image.open("E:\mywife.jpg") print(im.getpixel((0,0))) print(im.getpixel((4,0))) r,g,b = im.split() print(b.getpixel((11,8)))
Histogram类
im.histogram()⇒ list
返回一个图像的直方图。这个直方图是关于像素数量的list,图像中的每个象素值对应一个成员。如果图像有多个通道,所有通道的直方图会连接起来(例如,“RGB”图像的直方图有768个值)。二值图像(模式为“1”)当作灰度图像(模式为“L”)处理。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") imhis = im.histogram() print(len(imhis)) print(imhis[0]) print(imhis[150]) print(imhis[300])
im.histogram(mask)⇒ list
返回图像中模板图像非零地方的直方图。模板图像与处理图像的尺寸必须相同,并且要么是二值图像(模式为“1”),要么为灰度图像(模式为“L”)。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") r,g,b = im.split() imhis = im.histogram() print(r.mode) print(len(imhis)) print(imhis[0]) print(imhis[150]) print(imhis[300])
Load类
im.load()
为图像分配内存并从文件中加载它(或者从源图像,对于懒操作)。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。在1.1.6及以后的版本,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]
pix[x, y] =value
通过这个对象访问比方法getpixel()和putpixel()快很多。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") pix = im.load() print(pix[0,2])
im.paste(colour,box)
使用同一种颜色填充变量box对应的区域。对于单通道图像,变量colour为单个颜色值;对于多通道,则为一个元组。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") im.paste((256,256,0),(0,0,100,100)) ##(256,256,0)表示黄色 im.show()
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") im.paste("blue",(0,0,100,100)) ##或者“blue” im.show()
im.paste(image,box, mask)
使用变量mask对应的模板图像来填充所对应的区域。可以使用模式为“1”、“L”或者“RGBA”的图像作为模板图像。模板图像的尺寸必须与变量image对应的图像尺寸一致。如果变量mask对应图像的值为255,则模板图像的值直接被拷贝过来;如果变量mask对应图像的值为0,则保持当前图像的原始值。变量mask对应图像的其他值,将对两张图像的值进行透明融合,如果变量image对应的为“RGBA”图像,即粘贴的图像模式为“RGBA”,则alpha通道被忽略。用户可以使用同样的图像作为原图像和模板图像。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") box=[300,300,400,400] im_crop =im.crop(box) r,g,b =im_crop.split() im.paste(im_crop, (200,200,300,300), r) im.show()
Putdata类
im.putdata(data)
im.putdata(data, scale, offset)
从sequence对象中拷贝数据到当前图像,从图像的左上角(0,0)位置开始。变量scale和offset用来调整sequence中的值:
pixel = value*scale + offset
如果变量scale忽略,则默认为1.0。如果变量offset忽略,则默认为0.0。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") r, g, b = im.split() print( r.getpixel((0, 0)), r.getpixel((1, 0)), r.getpixel((2, 0)), r.getpixel((3, 0)), r.putdata([1, 2, 3, 4]), r.getpixel((0, 0)), r.getpixel((1, 0)), r.getpixel((2, 0)), r.getpixel((3, 0)), )
Resize类
im.resize(size) ⇒ image
im.resize(size, filter) ⇒ image
返回改变尺寸的图像的拷贝。变量size是所要求的尺寸,是一个二元组:(width, height)。变量filter为NEAREST、BILINEAR、BICUBIC或者ANTIALIAS之一。如果忽略,或者图像模式为“1”或者“P”,该变量设置为NEAREST。在当前的版本中bilinear和bicubic滤波器不能很好地适应大比例的下采样(例如生成缩略图)。用户需要使用ANTIALIAS,除非速度比质量更重要。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") region = im.resize((400, 400)) ##重新设定大小 region.show()
很明显由于大小的重新设定,图片的显示效果有所转变,gakki依然美腻~
Rotate类
im.rotate(angle) ⇒ image
im.rotate(angle,filter=NEAREST, expand=0) ⇒ image
返回一个按照给定角度顺时钟围绕图像中心旋转后的图像拷贝。变量filter是NEAREST、BILINEAR或者BICUBIC之一。如果省略该变量,或者图像模式为“1”或者“P”,则默认为NEAREST。变量expand,如果为true,表示输出图像足够大,可以装载旋转后的图像。如果为false或者缺省,则输出图像与输入图像尺寸一样大。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") im_45 = im.rotate(45) im_30 = im.rotate(30, Image.NEAREST,1) print(im_45.size,im_30.size) im_45.show() im_30.show()
Seek类
im.seek(frame)
在给定的文件序列中查找指定的帧。如果查找超越了序列的末尾,则产生一个EOFError异常。当文件序列被打开时,PIL库自动指定到第0帧上。
@zhangziju from PIL import Image im_gif = Image.open("E:\mywife.gif") print(im_gif.mode) im_gif.show() ##第0帧 im_gif.seek(3) im_gif.show() im_gif.seek(9) im_gif.show()
来来来~这是gakki原图欣赏下~
查找帧seek()的效果如下:
Tell类
im.tell() ⇒ integer
返回当前帧所处位置,从0开始计算。
@zhangziju from PIL import Image im_gif = Image.open("E:\mywife.gif") print(im_gif.tell()) im_gif.seek(8) print(im_gif.tell())
Thumbnail类
im.thumbnail(size)
im.thumbnail(size, filter)
修改当前图像,使其包含一个自身的缩略图,该缩略图尺寸不大于给定的尺寸。这个方法会计算一个合适的缩略图尺寸,使其符合当前图像的宽高比,调用方法draft()配置文件读取器,最后改变图像的尺寸。变量filter应该是NEAREST、BILINEAR、BICUBIC或者ANTIALIAS之一。如果省略该变量,则默认为NEAREST。注意:在当前PIL的版本中,滤波器bilinear和bicubic不能很好地适应缩略图产生。用户应该使用ANTIALIAS,图像质量最好。如果处理速度比图像质量更重要,可以选用其他滤波器。这个方法在原图上进行修改。如果用户不想修改原图,可以使用方法copy()拷贝一个图像。这个方法返回空。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") im.thumbnail((100,100))
Transform类
im.transform(size,method, data) ⇒ image
im.transform(size, method, data, filter) ⇒ image
使用给定的尺寸生成一张新的图像,与原图有相同的模式,使用给定的转换方式将原图数据拷贝到新的图像中。在当前的PIL版本中,参数method为EXTENT(裁剪出一个矩形区域),AFFINE(仿射变换),QUAD(将正方形转换为矩形),MESH(一个操作映射多个正方形)或者PERSPECTIVE。变量filter定义了对原始图像中像素的滤波器。在当前的版本中,变量filter为NEAREST、BILINEAR、BICUBIC或者ANTIALIAS之一。如果忽略,或者图像模式为“1”或者“P”,该变量设置为NEAREST。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") print(im.size) imtra = im.transform((200, 200), Image.EXTENT, (0, 0, 500, 500)) print(imtra.size) imtra.show()
im.transform(size,EXTENT, data) ⇒ image
im.transform(size, EXTENT, data, filter) ⇒ image
从图像中裁剪一个区域。变量data为指定输入图像中两个坐标点的4元组(x0,y0,x1,y1)。输出图像为这两个坐标点之间像素的采样结果。例如,如果输入图像的(x0,y0)为输出图像的(0,0)点,(x1,y1)则与变量size一样。这个方法可以用于在当前图像中裁剪,放大,缩小或者镜像一个任意的长方形。它比方法crop()稍慢,但是与resize操作一样快。
im.transform(size, AFFINE, data) ⇒ image
im.transform(size, AFFINE,data, filter) ⇒ image
对当前的图像进行仿射变换,变换结果体现在给定尺寸的新图像中。变量data是一个6元组(a,b,c,d,e,f),包含一个仿射变换矩阵的第一个两行。输出图像中的每一个像素(x,y),新值由输入图像的位置(ax+by+c, dx+ey+f)的像素产生,使用最接近的像素进行近似。这个方法用于原始图像的缩放、转换、旋转和裁剪。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") print(im.size) imtra = im.transform((200, 200), Image.AFFINE, (1,2,3,2,1,4)) print(imtra.size) imtra.show()
im.transform(size,QUAD, data) ⇒ image
im.transform(size, QUAD, data, filter) ⇒ image
输入图像的一个四边形(通过四个角定义的区域)映射到给定尺寸的长方形。变量data是一个8元组(x0,y0,x1,y1,x2,y2,x3,y3),它包括源四边形的左上,左下,右下和右上四个角。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") print(im.size) imtra = im.transform((200, 200), Image.QUAD, (0,0,0,500,600,500,600,0)) print(imtra.size) imtra.show()
im.transform(size,PERSPECTIVE, data) ⇒ image
im.transform(size, PERSPECTIVE, data, filter) ⇒ image
对当前图像进行透视变换,产生给定尺寸的新图像。变量data是一个8元组(a,b,c,d,e,f,g,h),包括一个透视变换的系数。对于输出图像中的每个像素点,新的值来自于输入图像的位置的(a x + b y + c)/(g x + h y + 1), (d x+ e y + f)/(g x + h y + 1)像素,使用最接近的像素进行近似。这个方法用于原始图像的2D透视。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") print(im.size) imtra = im.transform((200, 200), Image.PERSPECTIVE, (1,2,3,2,1,6,1,2)) print(imtra.size) imtra.show()
wocao!!!gakki不见了!!!
Transpose类
im.transpose(method)⇒ image
返回当前图像的翻转或者旋转的拷贝。变量method的取值为:FLIP_LEFT_RIGHT,FLIP_TOP_BOTTOM,ROTATE_90,ROTATE_180,或ROTATE_270。
@zhangziju from PIL import Image im = Image.open("E:\mywife.jpg") im.rotate(45) #逆时针旋转 45 度角。 im.transpose(Image.FLIP_LEFT_RIGHT) #左右对换。 im.transpose(Image.FLIP_TOP_BOTTOM) #上下对换。 im.transpose(Image.ROTATE_90) #旋转 90 度角。 im.transpose(Image.ROTATE_180) #旋转 180 度角。 im.transpose(Image.ROTATE_270) #旋转 270 度角。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。
- Python图像处理库PIL详细使用说明
- python使用pil进行图像处理(等比例压缩、裁剪)实例代码
- Python图像处理库PIL的ImageDraw模块介绍详解
- 在Python中使用PIL模块处理图像的教程
- Python图像处理库PIL的ImageFont模块使用介绍
- Python编程中使用Pillow来处理图像的基础教程
- Python Pillow.Image 图像保存和参数选择方式
- Python用Pillow(PIL)进行简单的图像操作方法
- Python图像处理库PIL的ImageGrab模块介绍详解
- 使用PIL(Python-Imaging)反转图像的颜色方法
- Python PIL读取的图像发生自动旋转的实现方法
- Python图像处理库PIL的ImageEnhance模块使用介绍
- 详解python opencv、scikit-image和PIL图像处理库比较
- python PIL Image 图像处理基本操作实例
相关文章
python GUI库图形界面开发之PyQt5复选框控件QCheckBox详细使用方法与实例
这篇文章主要介绍了python GUI库图形界面开发之PyQt5复选框控件QCheckBox详细使用方法与实例,需要的朋友可以参考下2020-02-02Pytorch中torch.flatten()和torch.nn.Flatten()实例详解
这篇文章主要给大家介绍了关于Pytorch中torch.flatten()和torch.nn.Flatten()的相关资料,文中通过实例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2022-02-02
最新评论