【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
|
15天前
|
调度 开发者 Python
Python中的异步编程:理解asyncio库
在Python的世界里,异步编程是一种高效处理I/O密集型任务的方法。本文将深入探讨Python的asyncio库,它是实现异步编程的核心。我们将从asyncio的基本概念出发,逐步解析事件循环、协程、任务和期货的概念,并通过实例展示如何使用asyncio来编写异步代码。不同于传统的同步编程,异步编程能够让程序在等待I/O操作完成时释放资源去处理其他任务,从而提高程序的整体效率和响应速度。
|
8天前
|
Python
在Python中,可以使用内置的`re`模块来处理正则表达式
在Python中,可以使用内置的`re`模块来处理正则表达式
20 5
|
11天前
|
数据库 Python
异步编程不再难!Python asyncio库实战,让你的代码流畅如丝!
在编程中,随着应用复杂度的提升,对并发和异步处理的需求日益增长。Python的asyncio库通过async和await关键字,简化了异步编程,使其变得流畅高效。本文将通过实战示例,介绍异步编程的基本概念、如何使用asyncio编写异步代码以及处理多个异步任务的方法,帮助你掌握异步编程技巧,提高代码性能。
33 4
|
11天前
|
API 数据处理 Python
探秘Python并发新世界:asyncio库,让你的代码并发更优雅!
在Python编程中,随着网络应用和数据处理需求的增长,并发编程变得愈发重要。asyncio库作为Python 3.4及以上版本的标准库,以其简洁的API和强大的异步编程能力,成为提升性能和优化资源利用的关键工具。本文介绍了asyncio的基本概念、异步函数的定义与使用、并发控制和资源管理等核心功能,通过具体示例展示了如何高效地编写并发代码。
23 2
|
16天前
|
数据采集 JSON 测试技术
Python爬虫神器requests库的使用
在现代编程中,网络请求是必不可少的部分。本文详细介绍 Python 的 requests 库,一个功能强大且易用的 HTTP 请求库。内容涵盖安装、基本功能(如发送 GET 和 POST 请求、设置请求头、处理响应)、高级功能(如会话管理和文件上传)以及实际应用场景。通过本文,你将全面掌握 requests 库的使用方法。🚀🌟
36 7
|
10天前
|
数据采集 数据可视化 数据挖掘
利用Python进行数据分析:Pandas库实战指南
利用Python进行数据分析:Pandas库实战指南
|
16天前
|
文字识别 自然语言处理 API
Python中的文字识别利器:pytesseract库
`pytesseract` 是一个基于 Google Tesseract-OCR 引擎的 Python 库,能够从图像中提取文字,支持多种语言,易于使用且兼容性强。本文介绍了 `pytesseract` 的安装、基本功能、高级特性和实际应用场景,帮助读者快速掌握 OCR 技术。
35 0