Python图片处理库之PIL

简介: 这个模块对于Python2.7 的windows64位电脑而言,还真的是不好找啊。这里分享一个下载链接吧,需要的朋友可以下载下来。PIL For Windows64 Python2.7下面分享一下这个库的简单的使用。

这个模块对于Python2.7 的windows64位电脑而言,还真的是不好找啊。这里分享一个下载链接吧,需要的朋友可以下载下来。PIL For Windows64 Python2.7下面分享一下这个库的简单的使用。


安装

上面的这个超链接是一个exe文件,点击安装的时候,会自动的探测你电脑上Python的安装位置,所以很方便。就不再过多的叙述了。

很多的小例子

这里是一些常用的相关的函数的使用,记得在你的代码的目录下面放一张图片,不然会报错的。


第一个小例子Firsttest.py

# coding:utf-8
import Image

"""
format: 识别图像的源格式,如果不是从文件中读取的,则被设置为None值
size:   返回的一个元组,有两个元素,其值为像素意义上的宽和高
mode:   RGB,此外还有L(Luminance),CTMK(pre-press image,呵呵我也不知道这是个神马)
"""

image = Image.open('hu.jpg')
print image.format, image.size, image.mode
# 用于将图片 使用本地的图片查看器打开
image.show()

手动制作一张图片

# coding:utf-8
import Image

image = Image.new("RGBA",(640,480),(123,213,123))
image.save('CreatedByPython.jpg','jpeg')

打开,保存操作

# coding:utf-8
import Image

"""
crop:   从原图层上剪切下来一个给定的矩形大小,此函数接收一个四元素的元组作为其参数,分别代表左上右下,原点为左上角
paste:  粘贴的含义,将剪切到的图像粘贴到某一个位置
merge:  合并,图像的合并操作
"""

image = Image.open('hu.jpg')
box = (100, 100, 300, 300)
mycrop = image.crop(box)
# # mycrop.show()
# mycrop.save('hu_crop.jpg')
#
# # 旋转180° 的图像显示
# # mycrop.transpose(Image.ROTATE_180).show()
#
# # 将剪切板上的图像粘贴到某张图片上,粘贴的位置根据box而定
# image.paste(mycrop, box)
# image.show()
mycrop.rotate(Image.ROTATE_180)
image.paste(mycrop,box)
image.save('pasted.jpg','jpeg')

对图片上的每个像素点进行操作

# coding:utf-8

import Image

"""
    image.point(function) 这个function接收一个参数,且对图像的每一个点都会进行这个函数的变换
"""

image = Image.open('hu.jpg')
image = image.point(lambda i : i * 1.5)
image.show()

旋转图片

# coding:utf-8

import Image

image = Image.open("hu.jpg")

# 下面的几行代码可以较好的呈现出图片的变化情况
image.rotate(45).show()
image.rotate(90).show()
image.rotate(180).show()
image.rotate(270).show()
image.rotate(360).show()

缩放图片

# coding:utf-8

import Image
import glob, os

size = 128, 128

image = Image.open('hu.jpg')
# 调用thumbnail方法完成对图片的处理
image.thumbnail(size, Image.ANTIALIAS)
image.save("hu_scale.jpg")

图层通道操作

#coding:utf-8

import Image

"""
    r,g,b=im.split()#分割成三个通道,此时r,g,b分别为三个图像对象。
    im=Image.merge("RGB",(b,g,r))#将b,r两个通道进行翻转。
"""

image = Image.open('hu.jpg')
r,g,b = image.split()
r.save('Split/r.jpg','jpeg')
g.save('Split/g.jpg','jpeg')
b.save('Split/b.jpg','jpeg')
image = Image.merge("RGB",(b,g,r))
image.save('Split/mergedByBGR.jpg','jpeg')
image = Image.merge("RGB",(g,r,b))
image.save('Split/mergedByGRB.jpg','jpeg')
image = Image.merge("RGB",(r,g,b))
image.save('Split/mergedByRGB.jpg','jpeg')

转换操作

# coding:utf-8

import Image

image = Image.open('hu.jpg')
# 格外应该注意这里 接受一个元组参数
image.resize((200, 200))
# 链式的调用可以显示改变的效果,换行了貌似就不行了。:-)
image.rotate(45) # 旋转45°
image.transpose(Image.FLIP_LEFT_RIGHT).show() # 左右对换
image.transpose(Image.FLIP_TOP_BOTTOM).show() # 上下对换
image.transpose(Image.ROTATE_90).show()       # 旋转90°

超多特效(滤镜效果)

# coding:utf-8

import Image, ImageFilter

"""
色彩空间的变换,convert函数可以用来将图像转换为不同的色彩模式
"""

image = Image.open('hu.jpg')
# image.filter(ImageFilter.DETAIL).show() # 真实效果展现
# image.filter(ImageFilter.BLUR).show()   # 以模糊化的效果展现
# image.filter(ImageFilter.CONTOUR).show()  # 以铅笔画的效果展现
# image.filter(ImageFilter.FIND_EDGES).show()  # 以铅笔画黑色背景展示
# image.filter(ImageFilter.EDGE_ENHANCE).show()  # 线条高亮的显示效果
# image.filter(ImageFilter.EDGE_ENHANCE_MORE).show()  # 强化线条高亮
# image.filter(ImageFilter.EMBOSS).show()  # 浮雕效果
# image.filter(ImageFilter.GaussianBlur).show()  # 也是模糊化的显示效果
# image.filter(ImageFilter.SMOOTH_MORE).show()
# image.filter(ImageFilter.GaussianBlur).save('Filter/GaussianBlur.jpg','jpeg')
image.transpose(Image.FLIP_LEFT_RIGHT).save('left_to_right.jpg','jpeg')

总结

上面罗列出的仅仅是PIL库中的Image模块的部分的函数,里面还有很多东西值得去挖掘。但如果仅仅是简单的一些操作,上面的也差不多够了。

目录
相关文章
|
4天前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
19 0
|
3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。🚀🌟
19 7
|
19天前
|
网络协议 数据库连接 Python
python知识点100篇系列(17)-替换requests的python库httpx
【10月更文挑战第4天】Requests 是基于 Python 开发的 HTTP 库,使用简单,功能强大。然而,随着 Python 3.6 的发布,出现了 Requests 的替代品 —— httpx。httpx 继承了 Requests 的所有特性,并增加了对异步请求的支持,支持 HTTP/1.1 和 HTTP/2,能够发送同步和异步请求,适用于 WSGI 和 ASGI 应用。安装使用 httpx 需要 Python 3.6 及以上版本,异步请求则需要 Python 3.8 及以上。httpx 提供了 Client 和 AsyncClient,分别用于优化同步和异步请求的性能。
python知识点100篇系列(17)-替换requests的python库httpx
|
4天前
|
机器学习/深度学习 数据采集 算法
Python机器学习:Scikit-learn库的高效使用技巧
【10月更文挑战第28天】Scikit-learn 是 Python 中最受欢迎的机器学习库之一,以其简洁的 API、丰富的算法和良好的文档支持而受到开发者喜爱。本文介绍了 Scikit-learn 的高效使用技巧,包括数据预处理(如使用 Pipeline 和 ColumnTransformer)、模型选择与评估(如交叉验证和 GridSearchCV)以及模型持久化(如使用 joblib)。通过这些技巧,你可以在机器学习项目中事半功倍。
13 3
|
7天前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
25 5
|
5天前
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
17 1
|
15天前
|
数据可视化 数据挖掘 Python
Seaborn 库创建吸引人的统计图表
【10月更文挑战第11天】本文介绍了如何使用 Seaborn 库创建多种统计图表,包括散点图、箱线图、直方图、线性回归图、热力图等。通过具体示例和代码,展示了 Seaborn 在数据可视化中的强大功能和灵活性,帮助读者更好地理解和应用这一工具。
30 3
|
1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。
|
3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。
22 0
|
20天前
|
Linux Android开发 开发者
【Python】GUI:Kivy库环境安装与示例
这篇文章介绍了 Kivy 库的安装与使用示例。Kivy 是一个开源的 Python 库,支持多平台开发,适用于多点触控应用。文章详细说明了 Kivy 的主要特点、环境安装方法,并提供了两个示例:一个简单的 Hello World 应用和一个 BMI 计算器界面。
30 0