Python图像处理-Pillow
简介
Python传统的图像处理库PIL(Python Imaging Library )，可以说基本上是Python处理图像的标准库，功能强大，使用简单。
但是由于PIL不支持Python3，而且更新缓慢。所以有志愿者在PIL的基础上创建了一个分支版本，命名为Pillow，Pillow目前最新支持到python3.6，更新活跃，并且增添了许多新的特性。所以我们安装Pillow即可。
安装
Pillow的安装比较的简单，直接pip安装即可：
pip install Pillow
但是要注意的一点是，Pillow和PIL不能共存在同一个环境中，所以如果安装的有PIL的话，那么安装Pillow之前应该删除PIL。
由于是继承自PIL的分支，所以Pillow的导入是这样的：
import PIL
# 或者
from PIl import Image
使用手册
Image
Image是Pillow中最为重要的类，实现了Pillow中大部分的功能。要创建这个类的实例主要有三个方式：
从文件加载图像
处理其他图像获得
创建一个新的图像
读取图像
一般来说，我们都是都过从文件加载图像来实例化这个类，如下所示：
from PIL import Image
picture = Image.open('happy.png')
如果没有指定图片格式的话，那么Pillow会自动识别文件内容为文件格式。
新建图像
Pillow新建空白图像使用new()方法， 第一个参数是mode即颜色空间模式，第二个参数指定了图像的分辨率(宽x高)，第三个参数是颜色。
可以直接填入常用颜色的名称。如'red'。
也可以填入十六进制表示的颜色，如
#FF0000表示红色。还能传入元组，比如(255, 0, 0, 255)或者(255， 0， 0)表示红色。
picture = Image.new('RGB', (200, 100), 'red')
保存图像
保存图片的话需要使用save()方法：
picture.save('happy.png')
保存的时候，如果没有指定图片格式的话，那么Pillow会根据输入的后缀名决定保存的文件格式。
图像的坐标表示
在Pillow中，用的是图像的左上角为坐标的原点（0，0），所以这意味着，x轴的数值是从左到右增长的，y轴的数值是从上到下增长的。
我们处理图像时，常常需要去表示一个矩形的图像区域。Pillow中很多方法都需要传入一个表示矩形区域的元祖参数。
这个元组参数包含四个值，分别代表矩形四条边的距离X轴或者Y轴的距离。顺序是(左，顶，右，底)。其实就相当于，矩形的左上顶点坐标为(左，顶)，矩形的右下顶点坐标为(右，底)，两个顶点就可以确定一个矩形的位置。
右和底坐标稍微特殊，跟python列表索引规则一样，是左闭又开的。可以理解为[左, 右)和[顶， 底)这样左闭右开的区间。比如(3, 2, 8, 9)就表示了横坐标范围[3, 7]；纵坐标范围[2, 8]的矩形区域。
常用属性
-
PIL.Image.filename图像源文件的文件名或者路径，只有使用
open()方法创建的对象有这个属性。类型：字符串
-
PIL.Image.format图像源文件的文件格式。
-
PIL.Image.mode图像的模式，一般来说是“1”, “L”, “RGB”, 或者“CMYK” 。
-
PIL.Image.size图像的大小
-
PIL.Image.width图像的宽度
-
PIL.Image.height图像的高度
-
PIL.Image.info图像的一些信息，为字典格式
常用方法
裁剪图片
Image使用crop()方法来裁剪图像，此方法需要传入一个矩形元祖参数，返回一个新的Image对象，对原图没有影响。
croped_im = im.crop((100, 100, 200, 200))
复制与粘贴图像
复制图像使用copy()方法：
copyed_im = im.copy()
粘贴图像使用paste()方法：
croped_im = im.crop((100, 100, 200, 200))
im.paste(croped_im, (0, 0))
im对象调用了paste()方法，第一个参数是被裁剪下来用来粘贴的图像，第二个参数是一个位置参数元祖，这个位置参数是粘贴的图像的左顶点。
调整图像的大小
调整图像大小使用resize()方法：
resized_im = im.resize((width, height))
resize()方法会返回一个重设了大小的Image对象。
旋转图像和翻转图像
旋转图像使用rotate()方法，此方法按逆时针旋转，并返回一个新的Image对象：
# 逆时针旋转90度
im.rotate(90)
im.rotate(180)
im.rotate(20, expand=True)
旋转的时候，会将图片超出边界的边角裁剪掉。如果加入expand=True参数，就可以将图片边角保存住。
翻转图像使用transpose()：
# 水平翻转
im.transpose(Image.FLIP_LEFT_RIGHT)
# 垂直翻转
im.transpose(Image.FLIP_TOP_BOTTOM)
获取单个像素的值
使用getpixel(xy)方法可以获取单个像素位置的值：
im.getpixel((100, 100))
传入的xy需要是一个元祖形式的坐标。
如果图片是多通道的，那么返回的是一个元祖。
通过通道分割图片
split()
split()可以将多通道图片按通道分割为单通道图片：
R, G, B = im.split()
split()方法返回的是一个元祖，元祖中的元素则是分割后的单个通道的值。
getchannel(channel)
getchannel()可以获取单个通道的数据：
R = im.getchannel("R")
加载图片全部数据
我们可以使用load()方法加载图片所有的数据，并比较方便的修改像素的值：
pixdata = im.load()
pixdata[100,200] = 255
此方法返回的是一个PIL.PyAccess，可以通过这个类的索引来对指定坐标的像素点进行修改。
关闭图片并释放内存
此方法会删除图片对象并释放内存
im.close()
把图片转为高对比度的图片# -*- coding:utf-8 -*-
# 斌彬电脑
# @Time : 2018/9/11 0011 下午 2:50 from PIL import Image
im = Image.open('ss.png')
im = im.convert('L') # 灰度图片
data = im.load()
h,w = im.size # 读出图片大小,
# 不是黑的就是白的，
for i in range(h):
for j in range(w):
if data[i,j] > 128: # 根据坐标读出像素的值
data[i,j] = 255
else: data[i,j] = 0 # 得到一个高对比度的图片
im.show()
验证码简单处理
# -*- coding: utf-8 -*-
# 斌彬电脑
# @Time : 2018/9/12 0012 5:34 from PIL import Image im = Image.open('aaaaaaa.png')
im = im.convert('L') # 灰度图片
data = im.load()
h, w = im.size # 读出图片大小,
# 不是黑的就是白的，
for i in range(h):
for j in range(w):
if data[i, j] > 20: # 根据坐标读出像素的值
data[i, j] = 255
else:
data[i, j] = 0 # 降嗓
for x in range(1,h - 1):
for y in range(1,w - 1):
count = 0
if data[x - 1, y - 1] == 255:
count += 1
if data[x + 1, y + 1] == 255:
count += 1
if data[x - 1, y - 1] == 255:
count += 1
if data[x + 1, y + 1] == 255:
count += 1 # if data[x, y - 1] == 255:
# count += 1
# if data[x, y + 1] == 255:
# count += 1
# if data[x - 1, y] == 255:
# count += 1
# if data[x + 1, y] == 255:
# count += 1 if count > 2:
data[x, y] = 255 im.save('123.png')
# 得到一个高对比度的图片
im.show()
非黑即白的后处理
# -*- coding:utf-8 -*-
# 斌彬电脑
# @Time : 2018/9/12 0012 上午 8:37 from PIL import Image
import json, re im = Image.open('aaaaaaa.png')
im = im.convert('L') # 灰度图片
data = im.load()
h, w = im.size # 读出图片大小,
# 不是黑的就是白的，
for i in range(h):
for j in range(w):
if data[i, j] > 20: # 根据坐标读出像素的值
data[i, j] = 255
else:
data[i, j] = 0 # 降嗓
for x in range(1,h - 1):
for y in range(1,w - 1):
count = 0
if data[x - 1, y - 1] == 255:
count += 1
if data[x + 1, y + 1] == 255:
count += 1
if data[x - 1, y - 1] == 255:
count += 1
if data[x + 1, y + 1] == 255:
count += 1 if count > 2:
data[x, y] = 255 itm = {}
file = open('itm.json', 'a', encoding='utf8')
for x in range(1,h - 1):
itm = {}
y = 1
file.write('\n')
while (w-y)!=0:
if data[x, y] == 0:
itm[x] = y
item1 = json.dumps(itm, ensure_ascii=False )
file.write(item1)
y += 1 bb=''
with open("itm.json", "r") as f:
for i in f:
if len(i.strip()) < 50:
# print(i.strip())
bb = bb+i.strip()
# print(bb) a,b = re.findall(r"{'(.*?)':(.*?)}", bb)
print(a,b) # im.save('123.png')
# 得到一个高对比度的图
# im.show()
验证码黑白处理
# -*- coding:utf-8 -*-
# 斌彬电脑
# @Time : 2018/9/12 0012 上午 8:37 from PIL import Image
import json, re im = Image.open('9.png')
im = im.convert('L') # 灰度图片
data = im.load()
h, w = im.size # 读出图片大小,
# 不是黑的就是白的，
for i in range(h):
for j in range(w):
if data[i, j] > 50: # 根据坐标读出像素的值
data[i, j] = 255
else:
data[i, j] = 0 # 降嗓
for x in range(1, h - 1):
for y in range(1, w - 1):
count = 0
if data[x - 1, y - 1] == 255:
count += 1
if data[x + 1, y + 1] == 255:
count += 1
if data[x - 1, y - 1] == 255:
count += 1
if data[x + 1, y + 1] == 255:
count += 1 if count > 2:
data[x, y] = 255 itm = {}
file1 = open('itm.json', 'a', encoding='utf8')
for x in range(1, h - 1):
itm = {}
y = 1
file1.write('\n')
while (w - y) != 0:
if data[x, y] == 0:
itm[x] = y
item1 = json.dumps(itm, ensure_ascii=False)
file1.write(item1)
y += 1
file1.close() bb = ''
with open("itm.json", "r") as f:
for i in f:
if len(i.strip()) < 30: # 杂点大小
# print(i.strip())
bb = bb + i.strip()
# print(bb)
# {"4": 40}
a = re.findall(r'{"(.*?)":.*?}', bb)
b = re.findall(r'{".*?":(.*?)}', bb)
# print(a)
# print(b)
print(len(a),len(b))
for i in range(len(a)):
data[int(a[i]), int(b[i])] = 255 # im2 = im
# data2 = im.load()
# h2, w2 = im2.size # 读出图片大小,
# # print(h2,w2,'00000')
#
# atm = {}
# file2 = open('atm.json', 'a', encoding='utf8')
# for n in range(1, w2 - 1):
# atm = {}
# m = 1
# file2.write('\n')
# while (h2 - m) != 0:
# if data2[n, m] == 0:
# atm[n] = m
# stem1 = json.dumps(atm, ensure_ascii=False)
# file2.write(stem1)
# n += 1
# file2.close()
#
# cc = ''
# with open("atm.json", "r") as f:
# for i in f:
# if len(i.strip()) < 30: # 杂点大小
# # print(i.strip())
# cc = cc + i.strip()
# # print(bb)
# # {"4": 40}
# c = re.findall(r'{"(.*?)":.*?}', cc)
# d = re.findall(r'{".*?":(.*?)}', cc)
# # print(c)
# # print(d)
# print(len(c), len(d))
# for i in range(len(c)):
# data2[int(c[i]), int(d[i])] = 255 # im.save('123.png')
# 得到一个高对比度的图
# im2 = im2.rotate(270)
im.show()