nodejs 圖片處理模塊 rotate_學會Pillow再也不用PS啦—

你在用什么軟件進行圖像處理呢？厭倦了鼠標和手指的拖拖點點，想不想用程序和代碼進行圖像的高效處理，Python作為簡單高效又很強大的一門編程語言，對于圖像的處理自然也是輕松拿下，聽起來是不是很酷很極客，那么就跟著我來看看吧！

一、Python的強大圖像處理庫——Pillow

工欲善其事必先利其器， Python的標準庫中雖然沒有直接支持圖像處理操作的模塊，但我們可以通過Python生態圈中的第三方庫來完成這些操作。

1 什么是Pillow：

Pillow作為python的第三方圖像處理庫，提供了廣泛的文件格式支持，強大的圖像處理能力，主要包括圖像儲存、圖像顯示、格式轉換以及基本的圖像處理操作等。

2 Pillow與PIL的關系：

PIL(Python Image Library)是python的第三方圖像處理庫，因其強大的功能與眾多的使用人數，幾乎已經被認為是python官方圖像處理庫了。但由于PIL僅支持到Python 2.7，加上年久失修，于是一群志愿者在PIL的基礎上創建了兼容的版本，名字叫Pillow，支持最新Python 3.x，又加入了許多新特性，因此，我們可以直接安裝使用Pillow。

二、安裝Pillow

如果安裝了Anaconda，Pillow就已經可用了。

否則，需要在命令行下通過pip安裝：

pip install pillow

三、基本操作

1 使用 Image 類：

PIL最重要的類是 Image class, 讀取和處理圖像都要通過這個類來完成。我們可以通過多種方法創建這個類的實例，你可以從文件加載圖像，或者處理其他圖像, 或者從 scratch 創建。

要從文件加載圖像，請使用Image模塊中的open函數：

from PIL import Image
# 打開一個jpg圖像文件，注意是當前路徑:
im = Image.open('cat.jpg')

（溫馨提示：向左滑動可查看完整代碼~）

如果成功，這個函數返回Image對象。您現在可以使用實例屬性來檢查文件內容：

print(im.format, im.size, im.mode)
JPEG (1920, 1200) RGB

format屬為圖像來源。如果不是從文件讀取就是None。

size屬性是包含寬度和高度(像素)的二元組）。

mode屬性定義了圖像中波段的數量和名稱，以及像素類型和深度。常見模式為灰度圖像為“L”（亮度），真彩色圖像為“RGB”，印刷四色為“CMYK”。

獲得了Image類的實例，就可以使用此類定義的方法來處理和操作圖像。例如讓我們顯示剛剛加載的圖像：

im.show()

接下來讓我們看看一些具體的圖像處理操作吧~

2 保存指定格式的圖像

save(filename,format) ：

im.save("cat.jpg",'png')

上面的代碼將圖像重新保存成png格式

3 剪裁矩形區域 crop(box)

box是一個有四個數字的元組(upper_left_x,upper_left_y,lower_right_x,lower_right_y)，分別表示裁剪矩形區域的左上角x，y坐標，右下角的x，y坐標，規定圖像的最左上角的坐標為原點(0,0),寬度的方向為x軸，高度的方向為y軸，每一個像素代表一個坐標單位。

crop()返回的仍然是一個Image對象。

im = Image.open("cat.jpg","r")
box = (300,300,800,800)
region = im.crop(box)
region.show()
im.crop()

上面的代碼在im圖像上裁剪了一個box矩形區域，然后顯示出來，效果如圖：

4 圖像粘貼 paste(region,box,mask)

region是要粘貼的Image對象,box是要粘貼的位置，可以是一個兩個元素的元組，表示粘貼區域的左上角坐標,也可以是一個四個元素的元組，表示左上角和右下角的坐標。如果是四個元素元組的話,box的size必須要和region的size保持一致，否則將會被convert成和region一樣的size。

im.paste(region,(100,100),None)
im.show()

上面的代碼將region圖像粘貼到左上角為(100,100)的位置，效果如圖所示：

5 生成縮略圖 thumbnail(size,resample)

thumbnail可以創建一個指定大小(size)的縮略圖，需要注意的是，thumbnail方法是原地操作，返回值是None。第一個參數是指定的縮略圖的大小，第二個是采樣的，有Image.BICUBIC，PIL.Image.LANCZOS，PIL.Image.BILINEAR，PIL.Image.NEAREST這四種采樣方法。默認是Image.BICUBIC。

im.thumbnail((200,200),resample=Image.BICUBIC)
im.show()

上面的代碼形成了一個200×200的縮略圖，效果如圖：

6 旋轉和翻轉 transpose(method)

method是transpose的參數，表示選擇什么樣的翻轉或者旋轉方式，可以選擇的值有：

- Image.FLIP_LEFT_RIGHT,表示將圖像左右翻轉

- Image.FLIP_TOP_BOTTOM,表示將圖像上下翻轉

- Image.ROTATE_90,表示將圖像逆時針旋轉90°

- Image.ROTATE_180,表示將圖像逆時針旋轉180°

- Image.ROTATE_270,表示將圖像逆時針旋轉270°

- Image.TRANSPOSE,表示將圖像進行轉置(相當于順時針旋轉90°)

- Image.TRANSVERSE,表示將圖像進行轉置,再水平翻轉

im_rotate_180 = im.transpose(Image.ROTATE_180)
im_rotate_180.show()

上面的代碼將im逆時針旋轉180°，然后顯示出來，效果如下圖：

7 顏色通道分離split())

split()方法可以原來圖像的各個通道分離,比如對于RGB圖像，可以將其R,G,B三個顏色通道分離。

r,g,b = im.split()
r.show()
g.show()
b.show()

上面的代碼將小貓圖像的RGB顏色通道分離，效果如圖：

8 顏色通道合并merge(mode,channels)

merge方法和split方法是相對的，其將多個單一通道的序列合并起來，組成一個多通道的圖像，mode是合并之后圖像的模式，比如"RGB",channels是多個單一通道組成的序列。

im_merge = Image.merge("RGB",[b,r,g])
im_merge.show()

上面的代碼將小貓圖像的顏色通道合并，效果如下圖：

9 顏色模式轉換

convert(mode,matrix,dither,palette,colors)

convert方法可以改變圖像的模式（mode）,一般是在'RGB'(真彩圖)、'L'(灰度圖)、'CMYK'(壓縮圖)之間轉換。

im_L = im.convert ("L")
im_L .show()

上面的代碼就是將圖像轉化為灰度圖。效果如下圖：

10 圖像過濾器 filter(filter)

filter方法可以將一些過濾器操作應用于原始圖像，比如模糊，邊緣增強、浮雕等。filter是過濾器函數，在PIL.ImageFilter函數中定義了大量內置的filter函數，比如BLUR(普通模糊)，GaussianBlur(高斯模糊) FIND_EDGES(查找邊)等

from PIL import Image, ImageFilter
im = Image.open('cat.jpg')
# 高斯模糊
im_gaussianblur = im.filter(ImageFilter.GaussianBlur)
im_gaussianblur.show()
# 普通模糊
im_blur = im.filter(ImageFilter.BLUR)
im_blur.show()
# 找到邊緣
im_find_edge = im.filter(ImageFilter.FIND_EDGES)
im_find_edges.show()
# 浮雕
im_emboss = im.filter(ImageFilter.EMBOSS)
im_emboss.show()
# 輪廓
im_contour = im.filter(ImageFilter.CONTOUR)
im_contour.show()
# 銳化
im_sharpen = im.filter(ImageFilter.SHARPEN)
im_sharpen.show()
# 平滑
im_smooth = im.filter(ImageFilter.SMOOTH)
im_smooth.show()
# 細節
im_detail = im.filter(ImageFilter.DETAIL)
im_detail.show()

下圖依次為浮雕與輪廓效果：

11 圖像增強ImageEnhance()

圖像增強也是圖像預處理中的一個基本技術，Pillow中的圖像增強函數主要在ImageEnhance模塊下，通過該模塊可以調節圖像的白平衡（Color）、亮度（Brightness）、對比度（Contrast）和銳化（Sharpness）等。

from PIL import ImageEnhance
brightness = ImageEnhance.Brightness(im)
im_brightness = brightness.enhance(1.5)
im_brightness.show()

上面的代碼將原來圖像的亮度增加50%，效果如下圖：

四、練習項目——圖片轉字符畫

看完了上面的操作是不是手癢癢呢，下面我們一起來做一個有趣的練手項目吧~

主要思路

讀取彩色圖片的RGB值，利用公式轉化為灰度值，將圖片的灰度值與你自己設定的字符集之間建立映射關系，不同區間的灰度值對應不同的字符。最后將每個像素對應的字符按照原位置打印出來

測試圖片與結果:

操作代碼：

# -*- coding: utf-8 -*-
from PIL import Image
codeLib = '''@B%8&WM#*oahkbdpqwmZO0QLCJUYXzcvunxrjft/|()1{}[]?-_+~<>i!lI;:,"^`'. '''#生成字符畫所需的字符集
count = len(codeLib)
def transform1(image_file):image_file = image_file.convert("L") #轉換為黑白圖片，參數"L"表示黑白模式codePic = ''for h in range(0,image_file.size[1]):  #size屬性表示圖片的分辨率，'0'為橫向大小，'1'為縱向for w in range(0,image_file.size[0]):gray = image_file.getpixel((w,h)) #返回指定位置的像素，如果所打開的圖像是多層次的圖片，那這個方法就返回一個元組codePic = codePic + codeLib[int(((count-1)*gray)/256)]#建立灰度與字符集的映射codePic = codePic+'rn'return codePicdef transform2(image_file):codePic = ''for h in range(0,image_file.size[1]):for w in range(0,image_file.size[0]):g,r,b = image_file.getpixel((w,h))gray = int(r* 0.299+g* 0.587+b* 0.114)codePic = codePic + codeLib[int(((count-1)*gray)/256)]codePic = codePic+'rn'return codePicfp = open(u'gray.jpg','rb')
image_file = Image.open(fp)
image_file=image_file.resize((int(image_file.size[0]*0.75), int(image_file.size[1]*0.5)))#調整圖片大小
print(u'Info:',image_file.size[0],' ',image_file.size[1],' ',count)tmp = open('tmp.txt','w')
tmp.write(transform1(image_file))
tmp.close()