python浮雕图片_python图片处理PIL

一、PIL介绍

PIL中所涉及的基本概念有如下几个：通道(bands)、模式(mode)、尺寸(size)、坐标系统(coordinate system)、调色板(palette)、信息(info)和滤波器(filters)

1、 通道

每张图片都是由一个或者多个数据通道构成。PIL允许在单张图片中合成相同维数和深度的多个通道。

以RGB图像为例，每张图片都是由三个数据通道构成，分别为R、G和B通道。而对于灰度图像，则只有一个通道。

2、 模式(mode)

图像的模式定义了图像的类型和像素的位宽。当前支持如下模式：

1：1位像素，表示黑和白，但是存储的时候每个像素存储为8bit。

L：8位像素，表示黑和白。 ****

P：8位像素，使用调色板映射到其他模式。

RGB：3×8位像素，为真彩色。 ****

RGBA：4×8位像素，有透明通道的真彩色。

CMYK：4×8位像素，颜色分离。

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。

PIL也支持一些特殊的模式，包括RGBX(有padding的真彩色)和RGBa(有自左乘alpha的真彩色)

3、 尺寸

通过size属性可以获取图片的尺寸。这是一个二元组，包含水平和垂直方向上的像素数。

4、 坐标系统(从左上角开始计算)

PIL使用笛卡尔像素坐标系统，坐标(0，0)位于左上角。注意：坐标值表示像素的角；位于坐标(0，0)处的像素的中心实际上位于(0.5，0.5)。

坐标经常用于二元组(x，y)。长方形则表示为四元组，前面是左上角坐标。例如，一个覆盖800×600的像素图像的长方形表示为(0，0，800，600)。

5、 调色板

调色板模式 (“P”)使用一个颜色调色板为每个像素定义具体的颜色值

6、 信息

使用info属性可以为一张图片添加一些辅助信息。这个是字典对象。加载和保存图像文件时，多少信息需要处理取决于文件格式。

7、 滤波器(素描等)

对于将多个输入像素映射为一个输出像素的几何操作，PIL提供了4个不同的采样滤波器：

NEAREST：最近滤波。从输入图像中选取最近的像素作为输出像素。它忽略了所有其他的像素。

BILINEAR：双线性滤波。在输入图像的2×2矩阵上进行线性插值。注意：PIL的当前版本，做下采样时该滤波器使用了固定输入模板。

BICUBIC：双立方滤波。在输入图像的4×4矩阵上进行立方插值。注意：PIL的当前版本，做下采样时该滤波器使用了固定输入模板。

ANTIALIAS：平滑滤波。这是PIL 1.1.3版本中新的滤波器。对所有可以影响输出像素的输入像素进行高质量的重采样滤波，以计算输出像素值。在当前的PIL版本中，这个滤波器只用于改变尺寸和缩略图方法。

注意：在当前的PIL版本中，ANTIALIAS滤波器是下采样(例如，将一个大的图像转换为小图)时唯一正确的滤波器。BILIEAR和BICUBIC滤波器使用固定的输入模板，用于固定比例的几何变换和上采样是最好的。

二、Image方法 常用方法

img = Image.open(“1.png”)  #获取图片句柄

img.show()                             #打开图片

img.save(“t1.jpg”)                  #保存图片，保存名字为t1.jpg

img.format                             #img的格式信息(这里是jpg)

img.rotate                             #图片翻转例如；img3 = img.rotate(90) #图片旋转90度

img.resize                            #更改图片大小(缩放等)

例如：

img2 = img.resize((200,200)) #存放元祖

img2.show()

img.mode                            #图像的模式(这里是RGB)，(上面的2、 模式(mode))

img1 = img.convert(‘P’)      #转换图像模式(锐化、复古等)

img.size                               #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)，如(232, 153)

img.info                               #存储图像相关数据的字典。

img.palette                         #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。

Image.new                          #使用给定的变量mode和size生成新的图像。

例如：

例如：(生成一个图像模式未RGB，全身为红色的128*128像素的正方形)

n_im= Image.new(“RGB”, (128, 128), “#FF0000”)

img.crop                                 #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。

例如：

img = Image.open(“1.jpg”)

box= (300, 100, 700, 700) ##确定拷贝区域大小

region = img.crop(box) ##将im表示的图片对象拷贝到region中，大小为box

region.show()

img.paste                                #将一张图粘贴到另一张图像上(覆盖)。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。

例如：

img = Image.open(“1.jpg”)

box=[0,0,100,100]

im_crop=img.crop(box)print(im_crop.size,im_crop.mode)

img.paste(im_crop, (100,100)) ##(100,100,0,0)

img.paste(im_crop, (400,400,500,500))

img.show()

img.filter                               #返回一个使用给定滤波器处理过的图像的拷贝(图像的浮雕等)。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

例子：

img = Image.open(“1.jpg”)

bluF= img.filter(ImageFilter.BLUR) ##均值滤波

conF = img.filter(ImageFilter.CONTOUR) ##找轮廓

edgeF = img.filter(ImageFilter.FIND_EDGES) ##边缘检测

img.show()

bluF.show()

conF.show()

edgeF.show()

img.point                               #返回给定查找表对应的图像像素值的拷贝。变量table为图像的每个通道设置256个值。如果使用变量function，其对应函数应该有一个参数。这个函数将对每个像素值使用一次，结果表格将应用于图像的所有通道。

如果图像的模式为“I(整数)”或者“F(浮点)”，用户必须使用function方式，function必须按照下面的格式：

argument * scale+ offset

例如：

out = im.point(lambda i: i * 1.2 + 10)

用户可以省略变量scale和offset。

img.point例子：

img = Image.open(“1.jpg”)

im_point= img.point(lambda x:x*1.3+5)

im_point.show()

img.split                        #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)。

例子：

img = Image.open(“1.jpg”)

r,g,b=img.split()print(r,g,b)

b.save(‘b.png’) #无颜色图片

print(b.getpixel((1,3))) #72

三、其它方法(画图等)

Draw #画图

例子：

importPIL.Image as imageimport PIL.ImageDraw as draw #画图

import PIL.ImageFont as imgfont #字体

img1 = image.open(“1.jpg”)

img1.show()

img=draw.Draw(img1)

img.point((100,100),fill=”red”)#画点

img1.show()

img.rectangle((30,30,100,100),outline=”red”)#画矩形

img1.show()

img.line((20,10,100,120),fill=”red”,width=2) #画线

img1.show()

font= imgfont.truetype(“font.ttf”,40) #设置字体和字的大小

img.text((50,50),text=”text”,fill=”red”,font=font)#图片中添加文本(“text”)

img1.show()

img.chord((30,50,100,120),100,200,outline=”blue”) #画圆弧

img1.show()

四、PIL验证码

importPIL.Image as imageimportPIL.ImageDraw as drawimportPIL.ImageFont as imgfontimportPIL.ImageFilter as ifrimportrandom

font= imgfont.truetype(“font.ttf”,60) #字体

w= 240h= 120

defrandchar():”’生成随机字母”’

return chr(random.randint(65,90))#print(randchar())

defb_color():”’生成随机背景色”’

return (random.randint(64,255),

random.randint(64,255),

random.randint(64,255))deff_color():”’生成随机前景色”’

return (random.randint(32,128),

random.randint(32,128),

random.randint(32,128))defimg():return image.new(“RGB”,(w,h),(255,255,255))if __name__ == ‘__main__’:

img=img()

image=draw.Draw(img)for x inrange(w):for y inrange(h):

image.point((x,y),fill=b_color())for i in range(4):

image.text((60*i+10,30),text=randchar(),fill=f_color(),font=font)

img.show()