python

2024-07-11 02:49| 来源: 网络整理| 查看: 265

参考：https://blog.csdn.net/zhangziju/article/details/79123275

打开图片Image.open(‘路径和文件名’) 库使用show()方法时、可使用plt.imshow(‘图片名称变量’)

使用图片的show()方法时注意是直接调用计算机系统的图片显示软件，而不是打印在工作台;但使用plt.imshow()则可以显示在控制台上

from PIL import Image import matplotlib.pyplot as plt import os #修改工作空间，方便文件读取 os.chdir(r'C:\Users\MAR\Desktop\test_write') img=Image.open("7.png") img.show() # 使用电脑的默认软件打开图片矩阵 plt.imshow() 图片的后缀类型img.format

见下例子

显示和修改图片的模式类型img.mode、img.convert(‘类型’) mode

注意：灰度图片的0表示白色，255表示黑色，位图模式下也是8位表示黑和白，只用到0和255，位图使用转换公式L = R * 299/1000 + G * 587/1000 + B * 114/1000，按127作为黑白的分界线

modes描述常用名称18位像素，只有黑和白（0，255）位图模式L8位像素，黑（0）白（255），灰度图P8位像素，使用调色板映射到任何其他模式RGB3*8位像素，使用调色板映射到任何其他模式真彩色模式RGBA4×8位像素，真彩+透明通道YCbCr3×8位像素，彩色视频格式亮色分离CMYK应用在印刷领域，4个字母意思是青、洋红、黄、黑因为不能保证纯度，所以需要黑I32位整型像素F32位浮点型像素

p模式可以将存储在较大内存的图片映射到8位bit上例如，使用该存储RGB图片数据，一个RGB图片的每个像素的值为了简单表示为（255.255.255,R.G.B）假设一图片有9个像素，它的对应像素的矩阵可表示如下

A = [[111.111.11, 211.22.15, 0], [0, 111.111.11, 111.111.11], [0, 211.22.15, 111.111.11]]

可知A矩阵中只有三个不同值，它可以通过下面的B、C矩阵完成映射关系,B记录了A中不同的值，C中记录了A中对应位置的值在B中的索引、该方法在有大量重复数据的时候能够很好的节省空间，在本例中，一个RGB使用38个bit，**A矩阵存储使用：389**；**使用B、C方式，29+383**，其中2表示B矩阵的索引使用的bit位数，而p表示的是8位bit，则可以表示256个索引

B=[111.111.11,211.22.15,0] C=[[0, 1, 2], [2, 0, 0], [2, 1, 0]]

参考：参考1、参考2

convert(‘mode’)

注意这个函数只是能够返回一个修改后的图片类型，并不能真正修改本身的图片对象变量,参数mode就是上面提到的mode的值表示的含义

img=Image.open("7.png") img_array=img.load() print('这是format的值：',img.format) print('这是转换前img的值',img.mode) img_1=img.convert('L') print('这是转换后img的值',img.mode) print('这是转换前img_1的值',img_1.mode) ''' 这是format的值： PNG 这是转换前img的值 RGB 这是转换后img的值 RGB 这是转换前img_1的值 L ''' 存取文件，文件变量名.save(‘变量全称’)

可以使用该方法将图片保存到自己设置的路径，并保存成自己的想要的格式

size，返回图片的长宽像素的尺寸 img=Image.open("7.png") print('这是format的值：',img.format) # 图片格式，PNG print('这是转换前img的值',img.mode) # 颜色空间RGB print(img.size) # 图像的长宽尺寸 ''' 这是format的值： PNG 这是转换前img的值 RGB (28, 28) ''' img.palette颜色调色版格式，当图片格式转换成使用P模式时

颜色调色板表格

img=Image.open("7.png") print('这是format的值：',img.format) print('这是转换前img的值',img.mode) print('转换前的调色板：',img.palette) img_p=img.convert('P') print('转换后的调色板：',img_p.palette) info存储图片相关数据的字典

返回字典类型的信息

img=Image.open("7.png") print(img.info) ''' {'srgb': 0, 'gamma': 0.45455, 'dpi': (96, 96)} ''' Image.new(mode,size,[color])

新创建一个以像素为单位的长宽值的图像，mode参数可参数前面的mode，color不赋值，默认为0（黑色）

img_new=Image.new('RGB',(30,30),'blue') plt.imshow(img_new)

显示如下，

在这里插入图片描述

图片变量.copy

使用**图片变量.copy()**不改变原来的图片信息，拷贝一个图片变量

img=Image.open("7.png") img_copy=img.copy() 图片变量.crop(box)，修剪

box是一个包含了4个数据的元组，规定了截取的区域图片，（但从图片中的第20行处看，并不和截图位置一致，还有一点儿缝隙）使用下个paste命令可以找到原因

img=Image.open("7.png") #设置图片显示网格 plt.figure(figsize=(8,5)) box=(5,5,20,20) img_crop=img.crop(box) #建立一个1行2列的网格显示区域，在第1行第1列显示，占1行1列 #plt.subplot2grid((1,2),(0,0),colspan=1,rowspan=1) plt.subplot(221) plt.imshow(img_crop) plt.subplot2grid((1,2),(0,1),colspan=1,rowspan=1) plt.imshow(img)

在这里插入图片描述

图片的粘贴,图片变量名.paste(img,box)

参数：img是要粘贴的图片，box表示位置，若box为包含2个数字的元组，表示图片的一个角的基准，而box含有4个元组时，表示的是一个用于放置图片大小的矩形

img=Image.open("7.png") plt.figure(figsize=(8,8)) box=(5,5,20,20) img_crop=img.crop(box) img.paste(img_crop,(-2,5)) plt.imshow(img)

结果图片：在这里插入图片描述图片分析：从图片上知道，截取了（5，5）到（20，20）的图片，但通过使用红框发现，和截取图片的下边界并未对齐，其中绿框和红框大小一致，而且绿框的上边界对齐时，下边界也和截取图片下边界对齐，而且通过紫色的线可以发现图片并没有被改变大小。

图片的滤波和选取，图片变量.filter(filter)

预定义滤波器包括：BLUR、CONTOUR、DETAIL、EDGE_ENHANCE、EDGE_ENHANCE_MORE、EMBOSS、FIND_EDGES、SMOOTH、SMOOTH_MORE、SHARPEN。其中BLUR就是均值滤波，CONTOUR找轮廓，FIND_EDGES边缘检测，使用该模块时，需先导入。

plt.figure(figsize=(12,12)) img=Image.open("lena.jpg") #设置显示位置 plt.subplot(231) plt.imshow(img) #图片均值滤波 plt.subplot(232) img_blur=img.filter(imgft.BLUR) plt.imshow(img_blur) #图片轮廓滤波 plt.subplot(233) img_contour=img.filter(imgft.CONTOUR) plt.imshow(img_contour) #图片边缘检测 plt.subplot(234) img_edge=img.filter(imgft.FIND_EDGES) plt.imshow(img_edge) plt.subplot(235) img_sharpen=img.filter(imgft.SHARPEN) plt.imshow(img_sharpen) plt.subplot(236) img_smooth=img.filter(imgft.SMOOTH) plt.imshow(img_smooth)

在这里插入图片描述

Image.blend(image1,image2,alpha)

参数中的alpha指的是image2的透明度，另一张的透明度是1-alpha

plt.figure(figsize=(8,8)) img1=Image.open("lena.jpg") img2=Image.open('nv.jpg') plt.subplot(231) plt.imshow(img1) plt.subplot(233) plt.imshow(img2) im=Image.blend(img1,img2,0.6) plt.subplot(235) plt.imshow(im)

在这里插入图片描述

图像变量.split()

返回当前图像所有通道组成的元组，例如RGB,返回（红、绿、蓝）,且图片的mode都是L型的，最后一张是将原图直接转换成L型的图像;L模式的图像使用plt.imshow(img)和使用img.show()的显示效果明显不同，img.show()通过电脑的图片显示软件（画图等）会显示成一张灰度图（未在同样条件下截图，灰度图和其他尺寸不同）

plt.figure(figsize=(8,8)) img=Image.open("lena.jpg") img1=Image.open("nv.jpg") plt.subplot(221) r,g,b=img.split() plt.imshow(r) plt.subplot(222) plt.imshow(g) plt.subplot(223) plt.imshow(b) plt.subplot(224) plt.imshow(im.convert('L')) im.convert('L').show()

在这里插入图片描述

Image.composite(img1,img2,mask)

复合类使用给定的两张图像及mask图像作为透明度，插值出一张新的图像。变量mask图像的模式可以为“1”，“L”或者“RGBA”。所有图像必须有相同的尺寸。如

plt.figure(figsize=(8,8)) img=Image.open("lena.jpg") img1=Image.open("nv.jpg") plt.subplot(221) r,g,b=img.split() plt.imshow(img) plt.subplot(222) plt.imshow(img1) plt.subplot(223) plt.imshow(b) plt.subplot(224) plt.imshow(Image.composite(img,img1,b)) print(Image.composite(img,img1,b).mode) #输出L和下图

在这里插入图片描述

Image.eval(img,function)

对图像每个像素点的每一通道进行像素值的运算

plt.figure(figsize=(8,8)) def enhan(x): return 2*x def decr(x): return x/2 img=Image.open("lena.jpg") plt.subplot(131) plt.imshow(img) plt.subplot(132) plt.imshow(Image.eval(img,enhan)) plt.subplot(133) plt.imshow(Image.eval(img,decr))

在这里插入图片描述

Image.merge(mode,bands)

返回一个mode图片，将多通道的图片组合成一张。若一张RGB的图分开后，再使用该命令得到原图；不同图片的通道也可以合并，通道放入bands的列表中

plt.figure(figsize=(8,8)) img=Image.open("lena.jpg") img1=Image.open("nv.jpg") print(img.mode) #两张RGB图片的通道分解 r,g,b=img.split() r1,g1,b1=img1.split() #打印出两张原图 plt.subplot(221) plt.imshow(img) plt.subplot(222) plt.imshow(img1) #打印第一张重新自己通道混合的图 plt.subplot(223) bands=[r,g,b] plt.imshow(Image.merge('RGB',bands)) #打印不同两张图片混合的通道 plt.subplot(224) bands1=[r1,g,b] plt.imshow(Image.merge('RGB',bands1))

在这里插入图片描述

#将一张图片的三个通道打乱 bands1=[r1,b1,g1] plt.imshow(Image.merge('RGB',bands1))

在这里插入图片描述

draft提前设置图片显示

在使用该方法前不要使用涉及到图片像素值的操作，否则该加载器会无效，但可以打印图片的属性信息（size，mode，format）；但格式转换和图片显示都会访问图片像素信息 draft文档中显示需要注意的：

//大概意思：这种方式适当的修改了图片对象，如果图片（像素信息）已经被加载，这种方式将不起作用 Note that this method modifies the :py:class:`~PIL.Image.Image` object in place. If the image has already been loaded, this method has no effect.

下面的程序可以看出将原图片的加载改变了，但是不能将图片先显示出来，再使用draft修改加载，

img=Image.open("lena.jpg") print(img) img_draf=img.draft("L",(200,200)) #返回的是一个包含信息的2元组 print(img) plt.imshow(img) #注意使用的是原图像的变量，不是draft函数返回值 #plt.imshow(img,cmap='gray')#可以显示灰度图像 '''输出的mode发生了变化，由于加载项 '''

下面这个先将图片显示，已经是L型的图片，但plt.imshow显示的不是灰度图，使用img.show()可以查看对应的灰度图图在这里插入图片描述但下面的程序不能改变加载显示,最后显示中的mode的值也都还是RGB格式，说明draf并未起作用

img=Image.open("lena.jpg") plt.imshow(img) #由于这里加载了图片像素 print(img) img_draf=img.draft("L",(200,200)) print(img) ''' ''' img.getbands()

返回通道的名称，例如RGB图片返回（‘R’,‘G’,‘B’）;灰度图返回（’L‘，）

img.getbbox()

返回图像的左上角和右下角坐标组成的一个4元素元组（0，0）为左上角

img.getdata()

这个函数返回的是包含每个像素的（R,G,B）值的元组集合对象，元组个数是根据像素个数确定的。比如一张图片的尺寸为256256，则元组的个数是256256个但，索引值到（0到256*256-1）。返回的这个对象，不能像正常的列表一样切片需要通过list方法或其他方法转换

img=Image.open("lena.jpg") img_data=img.getdata() sequ_list=list(img_data) #将返回的数据转换成list和数组 sequ_arr=np.array(img_data) print(sequ_list[0:10]) #返回列表前10个元素 print(sequ_arr[0:,0:1][0:6]) #返回前6个元素的第一个值，也就是图像的R值 print(sequ_arr[0:6]) #返回转换为数组的前6个元素

在这里插入图片描述

img.getextrema()

每通道返回一个2元组，包含最大和最小值

img.getpixel（）

返回一个值或元组（多通道），是一个像素的值；参数通常也是元组，为了确定像素位置。该方法执行比较慢；如果用户需要使用python处理图像中较大部分数据，可以使用像素访问对象（见load），或者方法getdata()。

img.histogram()

返回对应像素值的像素个数的列表，多通道像素值之和，比如RGB有256*3=768种颜色，而返回值就是这个图片上存在对应768种颜色的像素个数列表。

img=Image.open("lena.jpg") # img1=Image.open("nv.jpg") img_hist=img.histogram() print(len(img_hist)) # 返回值768 img.load()

为图像分配内存并从文件中加载它（或者从源图像，对于懒操作）。正常情况下，用户不需要调用这个方法，因为在第一次访问图像时，Image类会自动地加载打开的图像。

img=Image.open("lena.jpg") pix=img.load() print(pix[0,0]) #返回结果（230，133，114） img.putdata()

将对应像素的值重新设置，括号内参数是一个列表，列表中的元素对应图片的通道；且被替换的像素位置顺序为[0,0]、[1,0],像素的访问是按列进行的！？

img=Image.open("lena.jpg") pix=img.load() print( pix[0,0], pix[1,0], img.putdata([(1,2,5),(7,5,9)],), pix[0,0], pix[1,0], ) #结果(230, 133, 114) (231, 134, 115) None (1, 2, 5) (7, 5, 9) img.resize(size,[filter])

返回一个修改后的图片，过滤器可以没有，重设置了图片,但不改变原来图片尺寸，返回一个改变尺寸的图像

img=Image.open("lena.jpg") print(img.size) # （256，256） img_resi=img.resize((50,50)) print(img_resi.size) #（50，50） plt.subplot(121) plt.imshow(img) plt.subplot(122) plt.imshow(img_resi)

在这里插入图片描述从图片中可以看出，虽然看起来尺寸一样；但右边的图是在修改的像素值之后为了显示合适而将图片放大了，因此图片模糊了。

img.rotate(angle[,filter=NEAREST,expand=0])

角度为逆时针角度值,expand的参数为True表示将旋转后的图片也能够完全放在图框中

plt.figure(figsize=(15,5)) img=Image.open("lena.jpg") img_rot=img.rotate(45) #只是设置旋转45 img_rot_pand=img.rotate(45,expand=True) #设置旋转和expand plt.subplot(131) plt.imshow(img) plt.subplot(132) plt.imshow(img_rot) plt.subplot(133) plt.imshow(img_rot_pand)

在这里插入图片描述

img.seek()

查找指定的帧，相当于修改了读取的图片

plt.figure(figsize=(15,5)) img_gif=Image.open("biu1.gif") plt.subplot(131) plt.imshow(img_gif) plt.subplot(132) img_gif.seek(11) plt.imshow(img_gif) plt.subplot(133) img_gif.seek(55) plt.imshow(img_gif)

原图：在这里插入图片描述抓取的帧数图

【本文地址】

公司简介

联系我们