高級圖像處理：PIL中的圖像分割與顏色空間轉換

學習目標

本課程將深入探討PIL（Python Imaging Library）中的一些高級功能，包括圖像分割和顏色空間轉換。通過本課程的學習，學員將能夠掌握如何使用PIL進行更復雜的圖像處理任務，如將圖像分割成多個部分，以及如何在不同的顏色空間之間轉換圖像。

相關知識點

• PIL中的圖像分割與顏色空間轉換

學習內容

1 PIL中的圖像分割與顏色空間轉換

1.1 圖像分割

圖像分割是圖像處理中的一個重要步驟，它涉及將圖像劃分為多個部分或區域，每個部分或區域具有相似的屬性。在PIL中，可以通過多種方式實現圖像分割，包括基于顏色、紋理或形狀的分割。本課程將重點介紹如何使用PIL進行基于顏色的圖像分割。

1.1.2 理論知識

圖像分割在許多應用中都非常重要，例如醫學圖像分析、自動駕駛汽車的環境感知、以及數字內容創作等。在基于顏色的圖像分割中，我們通常會根據顏色的相似性來劃分圖像。PIL提供了多種方法來處理圖像的顏色信息，包括獲取圖像的像素值、創建顏色掩碼等。

在PIL中，圖像的顏色信息通常以RGB（紅、綠、藍）格式存儲。每個像素點由三個值組成，分別代表紅、綠、藍三種顏色的強度。通過分析這些值，我們可以確定哪些像素屬于同一顏色區域，從而實現圖像分割。

1.1.3 實踐操作

下面的代碼示例展示了如何使用PIL根據顏色閾值對圖像進行分割。我們將創建一個顏色掩碼，該掩碼將圖像中所有紅色像素標記為白色，其他像素標記為黑色。

%pip install pillow==11.0.0

!wget https://model-community-picture.obs.cn-north-4.myhuaweicloud.com/ascend-zone/notebook_datasets/f4b385322ef711f0aeedfa163edcddae/example.zip

!unzip example.zip

from PIL import Imagedef color_segmentation(image_path, output_path, color_threshold):# 打開圖像image = Image.open(image_path)# 轉換為RGB模式image = image.convert("RGB")# 獲取圖像尺寸width, height = image.size# 創建一個新的空白圖像，用于存儲分割結果segmented_image = Image.new("RGB", (width, height), "black")# 遍歷每個像素for x in range(width):for y in range(height):# 獲取當前像素的顏色值r, g, b = image.getpixel((x, y))# 檢查是否滿足顏色閾值if r > color_threshold and g < color_threshold and b < color_threshold:# 如果滿足條件，將該像素標記為白色segmented_image.putpixel((x, y), (255, 255, 255))# 保存分割后的圖像segmented_image.save(output_path)# 使用示例
color_segmentation("input_image.jpg", "output_image.jpg", 200)# 打開一個圖像文件
img = Image.open('output_image.jpg')# 顯示圖像
img.show()

在這個實驗中，首先打開并轉換圖像為RGB模式，然后創建一個新的空白圖像用于存儲分割結果。接著，我們遍歷圖像的每個像素，檢查其紅色分量是否大于給定的閾值，同時綠色和藍色分量是否小于閾值。如果滿足條件，我們將該像素標記為白色，否則保持黑色。最后，我們將分割后的圖像保存到指定路徑。

1.2 顏色空間轉換

顏色空間轉換是指將圖像從一個顏色空間轉換到另一個顏色空間的過程。常見的顏色空間包括RGB、HSV（色調、飽和度、亮度）和CMYK（青色、洋紅色、黃色、黑色）。不同的顏色空間適用于不同的應用場景。例如，HSV顏色空間在處理顏色和亮度分離的任務中非常有用，而CMYK顏色空間則常用于打印和出版。

1.2.1 理論知識

在PIL中，可以使用convert方法輕松地在不同的顏色空間之間轉換圖像。例如，將RGB圖像轉換為HSV圖像，可以使用image.convert("HSV")。轉換后的圖像將包含三個通道，分別代表色調、飽和度和亮度。

顏色空間轉換在圖像處理中有很多應用。例如，通過將圖像從RGB轉換為HSV，我們可以更容易地調整圖像的亮度或飽和度，而不會影響顏色。此外，某些顏色處理算法在特定的顏色空間中表現更好，因此顏色空間轉換是實現這些算法的必要步驟。

1.2.2 實踐操作

下面的代碼示例展示了如何使用PIL將RGB圖像轉換為HSV圖像，并調整其亮度。

from PIL import Imagedef adjust_brightness(image_path, output_path, brightness_factor):# 打開圖像image = Image.open(image_path)# 轉換為HSV顏色空間hsv_image = image.convert("HSV")# 獲取圖像尺寸width, height = hsv_image.size# 創建一個新的空白圖像，用于存儲調整后的結果adjusted_image = Image.new("HSV", (width, height))# 遍歷每個像素for x in range(width):for y in range(height):# 獲取當前像素的顏色值h, s, v = hsv_image.getpixel((x, y))# 調整亮度v = int(v * brightness_factor)# 確保亮度值在0-255之間v = max(0, min(255, v))# 將調整后的像素值放入新圖像adjusted_image.putpixel((x, y), (h, s, v))# 將調整后的圖像轉換回RGB顏色空間adjusted_image = adjusted_image.convert("RGB")# 保存調整后的圖像adjusted_image.save(output_path)# 使用示例
adjust_brightness("input_image.jpg", "output_image.jpg", 1.5)# 打開一個圖像文件
img = Image.open('output_image.jpg')# 顯示圖像
img.show()

在這個示例中，我們首先打開圖像并將其轉換為HSV顏色空間。然后，我們創建一個新的空白圖像用于存儲調整后的結果。接著，我們遍歷圖像的每個像素，獲取其HSV值，并根據給定的亮度因子調整亮度值。調整后的像素值被放入新圖像中。最后，我們將調整后的圖像轉換回RGB顏色空間并保存。

1.3 圖像合成

圖像合成是指將多個圖像組合成一個新圖像的過程。在PIL中，可以通過多種方式實現圖像合成，包括簡單的疊加、透明度混合以及使用蒙版等。本課程將介紹如何使用PIL進行圖像的透明度混合。

1.3.1 理論知識

圖像合成在許多領域都有廣泛的應用，例如數字藝術創作、視覺效果制作、以及圖像編輯等。在PIL中，可以使用Image.blend方法將兩個圖像進行透明度混合。該方法接受兩個圖像和一個混合因子作為參數，返回一個新的圖像，其中每個像素值是兩個輸入圖像對應像素值的線性組合。

透明度混合的基本公式為：
$\text{result}=\alpha \times \text{image1}+(1?\alpha )\times \text{image2}$
其中，$\alpha$ 是混合因子，取值范圍為0到1。當 $\alpha$ 為0時，結果圖像完全由image2組成；當 $\alpha$ 為1時，結果圖像完全由image1組成。

1.3.2 實踐操作

下面的代碼示例展示了如何使用PIL將兩個圖像進行透明度混合。

from PIL import Imagedef blend_images(image1_path, image2_path, output_path, alpha):# 打開圖像image1 = Image.open(image1_path)image2 = Image.open(image2_path)# 確保兩個圖像尺寸相同if image1.size != image2.size:raise ValueError("兩個圖像的尺寸必須相同")# 進行透明度混合blended_image = Image.blend(image1, image2, alpha)# 保存混合后的圖像blended_image.save(output_path)# 使用示例
blend_images("image1.jpg", "image2.jpg", "blended_image.jpg", 0.5)# 打開一個圖像文件
img = Image.open('blended_image.jpg')# 顯示圖像
img.show()