Python图像处理

浅浅的花香味﹌ 2022-09-11 03:29 280阅读 0赞

今天，博主正式开始了Python图像处理的学习新征程，各位小伙伴们一起来学习吧！

Python利用图像处理库Pillow（PIL）对图片进行处理。

**安装与导入**  
在Linux系统中，只需要输入`pip install Pillow`即可

## 1.图像读取 ##

首先，我们要打开一张图片

from PIL import Image #引入模块
    im=Image.open('logo.jpg')#文件路径，模式(如RGB,灰度图等)，格式如jpg
    im.show() 图片显示

打开图片并不是我们的目的，重要的是我们要获取图片的相关数据

from PIL import Image
    im=Image.open('logo.jpg')#文件路径，模式(如RGB,灰度图等)，格式如jpg
    #im.show() 图片显示
    print('图像的格式：', im.format)
    print('图像的大小：', im.size)
    print('图像的宽度：', im.width)
    print('图像的高度：', im.height)
    # 传入坐标的元组
    print('获取某个像素点的颜色值：', im.getpixel((100,100)))

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b2t56WlLg_size_20_color_FFFFFF_t_70_g_se_x_16]

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b2t56WlLg_size_20_color_FFFFFF_t_70_g_se_x_16 1]

## 2.图像生成 ##

这是我们读取图像，那么接下来我们可以对图像做一些操作，比如生成一个图像：  
在Image模块中，提供了创建图像的方法。主要是通过Image.new(mode, size, color)实现，该方法传入三个参数：  
mode：图像的创建模式  
size：图像的大小  
color：图像的颜色

from PIL import Image
    # 创建一个简单的图像
    im = Image.new('RGB', (100, 100), 'red')
    # 保存这个图像
    im.save('red.png')

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b2t56WlLg_size_20_color_FFFFFF_t_70_g_se_x_16 2]

## 3.图像混合 ##

那么接下来我们要做的是图像混合

PIL.Image.alpha_composite(im1, im2)
    PIL.Image.blend(im1, im2, alpha)
    PIL.Image.composite(im1, im2, mask)

以上3个函数都是将两个图像进行融合，需要注意的是，被融合的两个图像的mode和size都要相同。这里说明一下，alpha是透明度，mask是一个为“1”，“L”或“RGBA”，size和im1，im2相同的图片。  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b2t56WlLg_size_20_color_FFFFFF_t_70_g_se_x_16 3]  
blend 协调混合，将两张图片进行混合

from PIL import Image
    # 打开im1
    im1 = Image.open('logo.jpg').convert(mode='RGB')
    # 创建一个和im1大小一样的图像
    im2 = Image.new('RGB', im1.size, 'red')
    # 混合图片，并显示
    Image.blend(im1, im2, 0.5).show()  #0.5为透明度，取值是0-1。当透明度为0是，显示im1对象；当透明度为1时，显示im2对象

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b2t56WlLg_size_20_color_FFFFFF_t_70_g_se_x_16 4]

我们可以通过Image.composite(im1, im2, mask)方法实现遮罩混合。三个参数都是Image对象，该方法的作用就是使用mask来混合im1和im2。  
注意：im1、im2和mask的大小必须一样  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b2t56WlLg_size_20_color_FFFFFF_t_70_g_se_x_16 5]  
注意r,b,g的生成  
split称为拆分图像通道返回值为一个列表对象，对象的元素个数为输入图像的通道数，每个元素为一个二维矩阵，内容为每个通道的数据。如RGB格式的图像，则返回3个元素，每个元素分别对应 R,B,G 三个通道的数据

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b2t56WlLg_size_20_color_FFFFFF_t_70_g_se_x_16 6]

## 4.图像缩放 ##

## 4.1像素值缩放 ##

Image.eval(image,fun)函数对图像的每个像素进行执行函数。  
其中fun可以是一个函数或表达式  
该函数传入一个参数，即像素点。该函数会对图片中每个像素点进行函数内的操作。

from PIL import Image, ImageDraw, ImageFont
    img1 = Image.open("logo.jpg")
    out = Image.eval(img1, lambda i: i * 6)
    img1.show()
    out.show()

若使用表达式写法

# 定义一个方法
    def func(x):
        return x*2
    # 对图像im每个像素点进行func中的操作，其中func不能加()
    Image.eval(im, func)

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b2t56WlLg_size_20_color_FFFFFF_t_70_g_se_x_16 7]

## 补充 ##

## 像素点 ##

1、计算机图形的种类从本质上讲,主要有两种计算机图形:一种为位图图像,即是把图像分割成若干个小方格,每个小方格称为一个像素点,由这些像素点排列组成的栅格,.被称为“光栅”,计算机通过表示这些像素点的位置、颜色、亮度等信息,从而表示出整幅图像。

2、数字图像将图像分割成非常细小的点,称为像素点,像素点的值表示该点图像的亮度.但是,近年来的研究指出,利用光合(A)与蒸腾(E)之比获得的水分利用效率(WUE=AE),通常称为瞬时水分利用效率(WUEi),与δ13C不呈现显著的正相关关系。

3、像素点是显示器显示画面的最小发光单位，由红、绿、蓝三个像素单元组成，在彩色显像管中，电子枪通常有三支排列成三角形的单色电子枪组成，称为△（delta）配置，而显示器的荧光层也采用三位一体的荧光体，即含有红色、绿色、蓝色荧光体，它们的排列方式和电子枪的排列方式相同，这三种基色通过不同的亮度组合即可产生各种颜色。

4、屏幕中的像素点越多，画面的分辨率越高，图像就越细腻逼真。

像素也叫分辨率，是指可以显示出的水平和垂直像素的数组，其值通常与若干显示方式相对应。分辨率为1366×768时，就是指在等离子屏幕的横向上 划分了1366 个像素点，竖向上划分了 768 个像素点。分辨率越高，则可接收分辨率的范围越大，则等离子的信号接收范围越广。

## 图像的深度 ##

图像中像素点占得bit位数，就是图像的深度，比如：

二值图像：图像的像素点不是0 就是1 （图像不是黑色就是白色），图像像素点占的位数就是 1 位，图像的深度就是1，也称作位图。

灰度图像：图像的像素点位于0-255之间，（0：全黑，255代表：全白，在0-255之间插入了255个等级的灰度）。2^8=255，图像的深度是8。  
依次轮推，我们把计算机中存储单个像素点所用的 bit 位称为图像的深度。

## 通道的概念 ##

单通道：也就是通常所说的灰度图，每个像素点只有一个值表示，如果图像的深度是4位(256 =2*2*2\*2)，那么他的像素值0(黑)~255(白)；

三通道：也就是通过见到的彩色图，每个像素点有三个值表示，如果图像深度是4位(256 = 2*2*2\*2),那么他的像素值有红(0-255)、绿(0-255)、蓝(0-255)叠加表示，色彩更加艳丽;

四通道：也就是在三通道图像基础上加上透明程度，Alpha色彩空间，如果图像深度是4位(256 = 2*2*2\*2),那么0是完全透明，255是完全不透明；

[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b2t56WlLg_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/a6e43c4d872f455ca72128b254294c4d.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b2t56WlLg_size_20_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220828/06b76a35580540cd92477db245d4ad49.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b2t56WlLg_size_20_color_FFFFFF_t_70_g_se_x_16 2]: /images/20220828/60d3795cacae4ffb9f799fc19fc22168.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b2t56WlLg_size_20_color_FFFFFF_t_70_g_se_x_16 3]: /images/20220828/551bc13d17054c069ea026ae5395ab9e.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b2t56WlLg_size_20_color_FFFFFF_t_70_g_se_x_16 4]: /images/20220828/ef624aea7c8d4aa78a7f4654f5f51cf3.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b2t56WlLg_size_20_color_FFFFFF_t_70_g_se_x_16 5]: /images/20220828/7bf89270afb944da947e7bdfc5997d6a.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b2t56WlLg_size_20_color_FFFFFF_t_70_g_se_x_16 6]: /images/20220828/0ec1404f97ab4f9cbe1fae8244cef488.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b2t56WlLg_size_20_color_FFFFFF_t_70_g_se_x_16 7]: /images/20220828/7dc7802de44e4d38b3f55c1fb0923d69.png