前言

在這個視覺至上的時代，圖像已成為我們日常生活中不可或缺的一部分。無論是社交媒體上的分享，還是專業領域的圖像分析，圖像處理技術都扮演著至關重要的角色。但你是否曾想過，如何將這些靜態的圖像轉化為動態的故事，或者從海量的圖像數據中提取出有價值的信息？這正是Python圖像處理庫——PIL（Python Imaging Library）的神奇之處。

歡迎進入PIL的世界，這里是創意與技術的交匯點。

PIL庫不僅僅是一個工具集，它是一個強大的盟友，幫助你解鎖圖像處理的無限可能。從基本的圖像編輯到復雜的圖像分析，PIL庫以其簡潔的API和強大的功能，讓圖像處理變得輕松而高效。無論是調整圖片大小、應用濾鏡效果，還是進行圖像識別和機器學習，PIL庫都能助你一臂之力。

隨著我們深入探索PIL庫的奧秘，你將發現，它不僅能夠增強你的圖像處理能力，還能夠激發你的創造力，讓你在圖像的世界里自由翱翔。讓我們一起揭開PIL庫的神秘面紗，開啟一段圖像處理的奇妙旅程吧！

一、PIL圖像處理庫簡介

Python 中有關圖像處理的庫有很多，常見的有 PIL、cv2 等。在進行深度學習圖像任務的時候，常常會使用 PIL 這個庫來讀取和處理圖片

PIL（Python Imaging Library）庫是一個具有強大圖像處理能力的第三方庫，包含了豐富的像素、色彩等操作功能。

PIL 庫支持圖像存儲、顯示和處理，它能夠處理幾乎所有圖片格式，可以完成對圖像的縮放、裁剪、旋轉、濾鏡、疊加以及向圖像添加線條、圖像和文字等操作。

安裝：

在命令行模式下：pip install pillow

pip 如果版本低，可升級更新：python -m pip install --upgrade pip

根據功能不同，PIL 庫共包括 21 個與圖片相關的類，這些類可以被看作是子庫或 PIL 庫中的模塊

Image、ImageChops、ImageColor、ImageCrackCode、Image Enhance、ImageDraw ImageFile、ImageFileIO、ImageFilter、Image Font、ImageGL、ImageGrab、Imagemath、ImageOps、ImagePalette、ImagePath、ImageQt、ImageSequence、ImageStat、ImageTk、ImageWin

Image 是 PIL 中最重要的模塊

? from PIL import Image

二、基本概念

PIL 中所涉及的基本概念有如下幾個：顏色模型、通道、模式、尺寸 等

2.1顏色模型

2.1.1 RGB 顏色模型

組成：紅?、綠(G)、藍(B)，每個點三個分量(R,G,B)

通常可以將 r、g、b 分別規整化為【0,1】，當使用 8 bit進行存儲時，r、g、b通常取值為 [0,255] 內的整數

2.1.2 CMY色彩空間

CMY 是不同于 RGB 的另外一組基本色彩：Cyan（青）、Magenta（品紅）、Yellow（黃），分別是 R、G、B 的補色

比如：青 = 1 - 紅色，品紅 = 1- 綠色。CMY 稱為“減色系統”，而 RGB 稱為“加色系統”

RGB ——（0,0,0）為黑，（1,1,1）為白；值越大，顏色越亮

CMY ——（0,0,0）為白，（1,1,1）為黑，值越大，顏色越暗

2.2 通道

一幅彩色圖像包括三個通道：Red 通道，Green 通道和 Blue 通道

在圖像空間顯示出來就是三張圖片疊加起來，每張圖片對應一個通道。而對于黑白圖像，則只有 1 個通道

這張彩色圖像是如何存儲的？

在圖像空間顯示出來就是三張圖片疊加起來，每張圖片對應一個通道

2.3 圖像數據

#導入相應的模塊
import numpy as np
import matplotlib.pyplot as plt
# 隨機生成 300x400 的多維數組
img = np.random.random([300,400])
plt.imshow(img)
plt.show()

圖像的像素值可以用矩陣來表示，是一個由像素組成的二維矩陣，每個元素是一個 RGB 值

圖像數據可以轉換成 NumPy 中的數組元素

imshow() 功能：將數據顯示為圖像

• X：numpy 數組或 PIL 圖像
• cmap：此參數是顏色圖實例或注冊的顏色圖名稱

2.4 模式

圖像的 模式 定義了圖像的類型和像素的位寬。當前支持如下模式：

（1）1：1 位像素，表示黑和白，但是存儲的時候每個像素存儲為 8 bit

（2）L：8 位像素，表示黑和白

（3）P：8 位像素，使用調色板映射到其他模式

（4）RGB：3x8位像素，為真彩色

（5）RGBA：4x8 位像素，有透明通道的真彩色

（6）CMYK：4x8 位像素，顏色分離(出版圖像）

三、用PIL做圖像處理

圖像是一個由像素組成的二維矩陣，每個元素是一個 RGB 值：

• Image.open ()：打開圖像
• image.show()：顯示圖像
• image.save(<文件名>)：保存圖像
• np.array()：將圖像轉化為數組
• plt. imshow() ：將數組顯示為圖像

注意： plt. imshow() 和 plt.show() 同時出現才能顯示圖像

import numpy as np
from PIL import Image
image = Image.open('cat.png')
image.show()
im = np.array (image)
print ('shape:',im.shape)

208 × 338 × 3: 3 代表通道信息

圖像數據是多維數組，前兩維表示了圖像的 高（行）、寬（列），第三維表示圖像通道的個數。如果是黑白圖像，默認1個通道

import numpy as np
from PIL import Image
image = Image.open('cat.png')
image = np.array (image)
print (image)
print ('shape:',image.shape)
print ('dtype:',image.dtype)

結果：

shape: (460, 724, 4)
dtype: uint8

查看數據形狀，其形狀是 [H, W, 3]

uint8，無符號整型。表示范圍是 [0, 255] 的整數，像素范圍是 [0,255]，也可以歸一化到 [0，1]

用 PIL 獲取圖片 RGB 數值

# 用 PIL 獲取圖片 RGB 數值
from PIL import Image
im = Image.open('cat.png')
width = im.size[0]
height = im.size[1]
array = []
for x in range(5):for y in range(5):r, g, b = im.getpixel((x,y))rgb = (r, g, b)array.append(rgb)
print(array)

黑白圖像

import numpy as np
from PIL import Image
image = Image.open('cat1.png')
image.show()
im = np.array (image)
print ('shape:',im.shape)

結果：shape(208, 338)

如果是黑白圖像，默認1個通道

3.1 圖像縮放、翻轉等處理

from PIL import Image
im = Image.open ('cat.png')
im.show ()

圖像可以進行縮放、翻轉等操作

3.1.1 圖像縮放處理

兩種方法：

• 1、PIL 提供的函數；
• 2、因為圖像數據本質上就是 numpy 數組，因此可以通過對數組數據進行處理（比如切片操作）就可以實現對圖像的處理

from PIL import Image
img = Image.open('cat.png')
img = img.resize((104,169))
img.show()

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
img = Image.open('cat.png')
img = np.array(img)
img = img[0:120,100:250]
plt.imshow(img)
plt.show()

3.1.2 圖像旋轉處理

對圖像做旋轉處理有兩種方法：

（1）PIL 提供的函數:

import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
img = Image.open('cat.png')
img = img.rotate(45)
img.show()

（2）利用numpy數組處理

因為圖像數據本質上就是 numpy 數組，因此可以通過對數組數據進行處理（比如切片操作）就可以實現對圖像的處理

上下翻轉

import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
img = Image.open('cat.png')
image = np.array (img)
image = image[::-1, :, :]
plt.imshow(image)
plt.show()

左右翻轉

import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
image = Image.open('體育館.png')
plt.imshow(image)
plt.show()

image = Image.open('體育館.png')
image1 = np.array (image)
image2 = image1[:, ::-1, :]
plt.imshow(image2)
plt.show()

3.2 調整亮度

image = Image.open('cat.png')
image = np.array (image)
image1 = image * 0.5
image1 = np.clip(image1,a_min=20, a_max=200.)
plt.imshow(image1.astype('uint8'))
plt.show()

np.clip(a, a_min, a_max)：這個函數將數組中的元素限制在 a_min, a_max 之間，大于 a_max 的就使得它等于 a_max，小于 a_min,的就使得它等于 a_min

3.3 圖像高度裁剪

image = Image.open('cat.png')
image = np.array (image)
H,W = image.shape[0],image.shape[1]
H1 = H // 2 
H2 = H
image = image[H1:H2, ::]
plt.imshow(image)
plt.show()

Image 的坐標好像是從左上開始的，0在左上

/ 是除法，例如：2/3 = 0.6666。而 // 是表示向下取整的除法，如 3 // 2 = 1，6.0 // 4 = 1

像素只能是整數，所以采用 // 除法

PIL庫的 ImageEnhance 和 ImageFilter 模塊提供了過濾圖像和增強圖像的方法

3.4 圖像過濾

ImageFilter 類的預定義過濾方法

方法表示	描述
ImageFilter.BLUR	圖像的模糊效果
ImageFilter.CONTOUR	圖像的輪廓效果
ImageFilter.EDGE_ENHANCE	圖像的邊界加強效果
ImageFilter.DETAIL	圖像的細節效果
ImageFilter.EMBOSS	圖像的浮雕效果
ImageFilter.SMOOTH	圖像的平滑效果
ImageFilter.SHARPEN	圖像的銳化效果

圖像模糊效果

import matplotlib.pyplot as plt
from PIL import Image, ImageFilter
im = Image.open('qe.png')
im = im.filter(ImageFilter.BLUR)
im.show()

圖像輪廓效果

import matplotlib.pyplot as plt
from PIL import Image, ImageFilter
im = Image.open('qe.png')
conF = im.filter(ImageFilter.CONTOUR)
conF.show()

3.5圖像增強

ImageEnhance 類提供了更高級的圖像增強功能，如調整色彩度、亮度、對比度、銳化等

方法表示	描述
ImageEnhance.enhance(factor)	對選擇屬性的數值增強factor倍
ImageEnhance.Color(im)	調整圖像的顏色平衡
ImageEnhance.Contrast(im)	調整圖像的對比度
ImageEnhance.Brightness(im)	調整圖像的亮度
ImageEnhance.Sharpness(im)	調整圖像的銳度