【Python标准库】pillow中Image模块学习

简介: 【Python标准库】pillow中Image模块学习

模块介绍

Image模块提供了一个与PIL图像同名的类。该模块还提供了许多工厂函数,包括从文件中加载图像和创建新图像的函数。

相关概念

模式

图像的模式是一个字符串,它定义了图像中像素的类型和深度。每个像素使用位深度的全范围。所以1位像素的范围是0-1,8位像素的范围是0-255,以此类推。当前版本支持以下标准模式:

1         (1-bit pixels, black and white, stored with one pixel per byte)
L         (8-bit pixels, black and white)
P         (8-bit pixels, mapped to any other mode using a color palette)
RGB     (3x8-bit pixels, true color)
RGBA     (4x8-bit pixels, true color with transparency mask)
CMYK     (4x8-bit pixels, color separation)
YCbCr     (3x8-bit pixels, color video format)
         - Note that this refers to the JPEG, and not the ITU-R BT.2020, standard
LAB     (3x8-bit pixels, the L*a*b color space)
HSV        (3x8-bit pixels, Hue, Saturation, Value color space)
I         (32-bit signed integer pixels)
F         (32-bit floating point pixels)

波段

一幅图像可以由一个或多个波段的数据组成。PIL允许您在单个图像中存储多个波段,前提是它们都具有相同的尺寸和深度。例如,PNG图像可能有“R”、“G”、“B”和“a”波段,用于表示红、绿、蓝和alpha透明度值。许多操作分别作用于每个波段,例如,直方图。将每个像素看作每个波段有一个值通常是有用的。

坐标系

PIL使用笛卡尔像素坐标系,(0,0)位于左上角。注意,坐标指的是隐含的像素角;被称为(0,0)的像素的中心实际上位于(0.5,0.5)。
坐标通常以2元组(x, y)的形式传递给库。矩形以4元组表示,左上角先给出。例如,覆盖整个800x600像素图像的矩形被写成(0,0,800,600)。

相关方法

Image.new()

PIL.Image.new(mode, size, color=0)
作用:使用给定的模式和大小创建一个新图像。

参数:
- mode:要用于新图像的模式。(参考【相关概念】章节‘模式’概念)
- size:一个2元组,包含(宽度、高度)像素。
- color:使用什么颜色的图像。默认是黑色的。如果给定,这应该是一个单波段模式的整数或浮点值,以及一个多波段模式的元组(每个波段一个值)。当创建RGB图像时,你也可以使用ImageColor模块支持的颜色字符串。如果颜色为None,表示图像未初始化。(参考【相关概念】章节‘波段’概念)
返回值:
一个Image对象

Image.resize()

Image.resize(size, resample=None, box=None, reducing_gap=None)
作用:返回此图像大小调整后的副本。

参数:
- size:请求的像素大小,作为一个2元组:(宽度,高度)- resample:一个可选的重采样滤波器。 这可以是其中之一:PIL.Image.Resampling.NEAREST, PIL.Image.Resampling.BOX, PIL.Image.Resampling.BILINEAR, PIL.Image.Resampling.HAMMING, PIL.Image.Resampling.BICUBIC,PIL.Image.Resampling.LANCZOS.
如果图像有模式“1”或“P”,它总是被设置为PIL.Image.Resampling.NEAREST
如果图像模式指定了一些位,比如“I;16”,那么默认的过滤器是PIL.Image.Resampling.NEAREST
否则,默认过滤器为PIL.Image.Resampling.BICUBIC
- box:一个可选的4元浮点组,提供要缩放的源图像区域。这些值必须在(0,0,宽,高)矩形内。如果省略或为None,则使用整个源文件。
- reducing_gap:通过两个步骤调整图像的大小来应用优化。首先,使用reduce()将图像减少整数倍。第二,使用常规重采样调整大小。最后一步通过reducing_gap时间来改变大小。reducing_gap可以是None(不执行第一步)或者应该大于1.0。reducing_gap越大,结果越接近公平重采样。reducing_gap越小,调整大小就越快。当reducing_gap大于或等于3.0时,结果在大多数情况下与公平重采样没有区别。默认值为None(无优化)。
返回值:
一个Image对象

Image.putpixel()

Image.putpixel(xy, value)
作用:修改给定位置的像素。对于单波段图像,颜色是一个数值,对于多波段图像,颜色是一个元组。除此之外,RGB和RGBA元组也被接受用于P图像。
注意,这种方法相对较慢。对于更广泛的更改,使用paste()或ImageDraw模块代替。

参数:
- xy:像素坐标,给定为(x, y)。(参考【相关概念】章节‘坐标系’概念)
- value:像素值。

Image.tell()

Image.tell()
作用:返回当前帧号。
如果定义了,n_frames表示可用帧的数量。

返回值:帧号,从0开始。

Image.seek()

Image.seek(frame)
查找序列文件中的给定帧。如果您在序列的末尾以外寻找,该方法将引发EOFError异常。当序列文件被打开时,库会自动寻找第0帧。
如果定义了,n_frames表示可用帧的数量。

参数:
frame -帧号,从0开始。
raise
EOFError -如果调用试图在序列的末尾以外进行查找。

相关属性

.filename

Image.filename: str
源文件的文件名或路径。只有打开工厂函数创建的图像才有文件名属性。如果输入是一个类似于文件的对象,则filename属性被设置为空字符串。

.format

Image.format: Optional[str]
源文件的格式。对于库本身创建的图像(通过工厂函数,或在现有图像上运行方法),此属性设置为None。

.mode

Image.mode: str
图像模式。这是一个字符串,指定图像使用的像素格式。典型的值是“1”、“L”、“RGB”或“CMYK”。完整列表请参见模式。

.size

Image.size: tuple[int]
图像大小,以像素为单位。大小是一个二元组(宽度,高度)。

.width

Image.width: int
图像宽度,以像素为单位。

.height

Image.height: int
图像高度,以像素为单位。

.palette

Image.palette: Optional[PIL.ImagePalette.ImagePalette]
调色板表,如果有的话。如果mode是“P”或“PA”,这应该是ImagePalette类的一个实例。否则,它应该设置为None。

.info

Image.info: dict
保存与图像相关联的数据的字典。这个字典被文件处理程序用来传递从文件中读取的各种非图像信息。有关详细信息,请参阅各种文件处理程序的文档。
大多数方法在返回新图像时忽略字典;因为键不是标准化的,所以方法不可能知道操作是否影响字典。如果以后需要这些信息,请保持对open方法返回的info字典的引用。
除非在其他地方注明,否则此字典不会影响保存文件。

.is_animated

Image.is_animated: bool
如果该图像有多个帧,则为True,否则为False。
此属性仅由支持动画图像的图像插件定义。如果插件不支持加载动画图像,那么这个属性可能是未定义的,即使给定的格式支持动画图像。
假设这个属性不存在于所有的图像,使用getattr(image, "is_animated", False)来检查Pillow是否能够感知图像中的多帧,而不管它的格式。

.n_frames

Image.n_frames: int
图像中的帧数。
此属性仅由支持动画图像的图像插件定义。如果插件不支持加载动画图像,那么这个属性可能是未定义的,即使给定的格式支持动画图像。
假设这个属性并不存在于所有的图像中,使用getattr(image, "n_frames",1)来检查Pillow在图像中能够感知的帧数,而不管图像的格式。

相关文章
|
2天前
|
Python
Python 内置正则表达式库re的使用
正则表达式是记录文本规则的代码,用于查找和处理符合特定规则的字符串。在Python中,常通过原生字符串`r'string'`表示。使用`re.compile()`创建正则对象,便于多次使用。匹配字符串有`match()`(从开头匹配)、`search()`(搜索首个匹配)和`findall()`(找所有匹配)。替换字符串用`sub()`,分割字符串则用`split()`。
15 3
|
1天前
|
数据可视化 Python
Python----matplotlib库
Python----matplotlib库
8 1
|
1天前
|
Python
Python使用typing模块(从Python 3.5开始)
【5月更文挑战第10天】Python使用typing模块(从Python 3.5开始)
12 3
|
1天前
|
监控 调度 开发者
Python 中的异步编程:理解 asyncio 库的基本原理与应用
本文将深入探讨 Python 中的异步编程技术,重点介绍 asyncio 库的基本原理与应用。通过解释事件循环、协程和 Future 对象的概念,读者将能够理解异步编程的工作原理,并学会如何利用 asyncio 库提高程序的性能和效率。本文还将通过实际示例演示如何使用 asyncio 库来处理 I/O 密集型任务和 CPU 密集型任务,以及如何避免常见的陷阱和错误。
|
1天前
|
调度 UED Python
Python 中的异步编程:理解 asyncio 库的基本原理与应用
本文探讨了 Python 中的异步编程,重点介绍了 asyncio 库的基本原理与应用。通过分析事件循环、协程以及异步/await 关键字的作用机制,读者将能够深入理解异步编程的工作方式,并学会如何利用 asyncio 库构建高效的异步应用程序。同时,本文还介绍了一些实际案例,帮助读者更好地掌握 asyncio 库的实际应用。
|
1天前
Python---random库
Python---random库
5 1
|
1天前
|
SQL 开发框架 .NET
Python---time库
Python---time库
9 2
Python---time库
|
2天前
|
数据采集 数据可视化 数据挖掘
利用Python和Pandas库优化数据分析流程
在当今数据驱动的时代,数据分析已成为企业和个人决策的重要依据。Python作为一种强大且易于上手的编程语言,配合Pandas这一功能丰富的数据处理库,极大地简化了数据分析的流程。本文将探讨如何利用Python和Pandas库进行高效的数据清洗、转换、聚合以及可视化,从而优化数据分析的流程,提高数据分析的效率和准确性。
|
2天前
|
Python
PyQt学习------PyQt自定义信号
PyQt学习------PyQt自定义信号
11 0
|
2天前
|
图形学 Python
pyqt的学习(三)----鼠标点击和按键处理
pyqt的学习(三)----鼠标点击和按键处理
10 1