by 闲欢
Python 提供了 PIL（python image library）图像库，来满足开发者处理图像的功能，该库提供了广泛的文件格式支持，包括常见的 JPEG、PNG、GIF 等，它提供了图像创建、图像显示、图像处理等功能。
基本概念
要学习 PIL 图像库的使用，我们必须先来了解一些关于图像的基本概念，包括深度（depth），通道（bands），模式（mode），坐标系统（coordinate system）等。
图像的深度
图像中像素点占得 bit 位数，就是图像的深度，比如：
二值图像：图像的像素点不是0就是1 （图像不是黑色就是白色），图像像素点占的位数就是1位，图像的深度就是1，也称作位图。
灰度图像：图像的像素点位于0-255之间（0代表全黑，255代表全白，在0-255之间插入了255个等级的灰度）。2^8=255，图像像素点占的位数就是8位，图像的深度是8。
依次类推，我们把计算机中存储单个像素点所用的 bit 位称为图像的深度。
图像的通道
每张图像都是有一个或者多个数据通道构成的，如 RGB 是基本的三原色（红色、绿色和蓝色），如果我们用8位代表一种颜色，那么每种颜色的最大值是255，这样，每个像素点的颜色值范围就是（0-255, 0-255, 0-255）。这样的图像的通道就是3。而灰度图像的通道数是1。
图像的模式
图像实际上是像素数据的矩形图，图像的模式定义了图像中像素的类型和深度，每种类型代表不同的深度，在 PIL 中我们称之为图像的模式。常见的模式有以下几种：
1：1位像素，表示黑和白，占8 bit ，在图像表示中称为位图。
L：表示黑白之间的灰度，占8 bit 像素。
P：8位像素，使用调色版映射。
RGB：真彩色，占用 3x8 位像素，其中 R 为红色，G 为绿色，B为蓝色，三原色叠加形成的色彩变化，如三通道都为0则代表黑色，都为255则代表白色。
RGBA：为带透明蒙版的真彩色，其中的 A 为 alpha 透明度，占用 4x8 位像素
其他的还有 CMYK、 YCbCr、I、F等不常用的模式，这里就不多做介绍了。
图像的坐标系
PIL 中图像的坐标是从左上角开始，向右下角延伸，以二元组 （x，y）的形式传递，x 轴从左到右，y 轴从上到下，即左上角的坐标为 (0, 0)。那么矩形用四元组表示就行，例如一个450 x 450 像素的矩形图像可以表示为 (0, 0, 450, 450)。
PIL 的安装
和其他库一样，PIL 的安装也很简单：
pip3 install pillow
PIL 图像模块的功能
打开图像
我们可以从本地目录中打开文件，也可以从文件流中打开图像。打开文件的方法为：
Image.open(file,mode)
读取图像文件，mode 只能是 ‘r’，所以我们也可以省略这个参数。
from PIL import Image
from io import BytesIO
import requests
# 打开图像文件
im = Image.open('cat.jpg')
# 从文件流中打开图像
r = requests.get('http://f.hiphotos.baidu.com/image/pic/item/b151f8198618367aa7f3cc7424738bd4b31ce525.jpg')
im2 = Image.open(BytesIO(r.content))
# 展示图像
im.show()
im2.show()
# 翻转90度展示
im.rotate(90).show()
我们首先打开本目录下的 cat.jpg 图像，接着从百度图片请求到一张图片，使用文件流的方式打开。使用 show 方法可以展示图像。我们也可以使用 rotate 方法来是图像翻转角度。运行程序，我们会看到弹出三张图片，一张是 cat.jpg 对应的图像，一张是百度图片中的图像，还有一种是将 cat.jpg 翻转90度后展示的图像。
创建图像
Image.new(mode,size,color)
我们可以使用给定的模式、大小和颜色来创建新图像。大小以（宽度，高度）的二元组形式给出，单位为像素；颜色以单波段图像的单个值和多波段图像的元组（每个波段的一个值）给出，可以使用颜色名如 ‘red’ ，也可以受用16进制 ‘#FF0000’ 或者使用数字表示（255,0,0）。
from PIL import Image
im = Image.new('RGB', (450, 450), (255, 0, 0))
im1 = Image.new('RGB', (450, 450), 'red')
im2 = Image.new('RGB', (450, 450), '#FF0000')
im.show()
im1.show()
im2.show()
上面例子中我们分别通过三种形式创建了 RGB 模式的大小为 450x450 ，颜色为红色的图像，最终的图像效果是一样的。
转换格式
Image.save(file)
我们直接使用保存方法，修改保存的文件名就可以转换图像的格式。
from PIL import Image
# 加载 cat.jpg
im = Image.open('cat.jpg', 'r')
# 打印图片类型
print(im.format)
# 保存为 png 类型图片
im.save('cat.png')
# 加载新保存的 png 类型图片
im2 = Image.open('cat.png', 'r')
# 打印新保存图片类型
print(im2.format)
# 输出结果
JPEG
PNG
例子中我们先打开 cat.jpg 图像，然后新保存一张类型为 png 的图像，通过打印我们可以看到两者的格式。
创建缩略图
Image.thumbnail(size, resample=3)
修改当前图像制作成缩略图，该缩略图尺寸不大于给定的尺寸。这个方法会计算一个合适的缩略图尺寸，使其符合当前图像的宽高比，调用方法 draft() 配置文件读取器，最后改变图像的尺寸。
size 参数表示给定的最终缩略图大小。
resample 参数是过滤器，只能是 NEAREST、BILINEAR、BICUBIC 或者 ANTIALIAS 之一。如果省略该变量，则默认为 NEAREST。
注意：在当前PIL的版本中，滤波器 BILINEAR 和 BICUBIC 不能很好地适应缩略图产生。用户应该使 用ANTIALIAS，图像质量最好。如果处理速度比图像质量更重要，可以选用其他滤波器。这个方法在原图上进行修改。
from PIL import Image
# 加载图像
im = Image.open('cat.png')
# 展示图像
im.show()
# 图像尺寸
size = 128, 128
# 缩放图像
im.thumbnail(size, Image.ANTIALIAS)
# 展示图像
im.show()
我们将一个 450x450 大小的图像缩放成了 128x128 大小的图像，程序运行的结果如下图：
融合图像
Image.blend(image1, image2, alpha)
将图像 image1 和 图像 im2 根据 alpha 值进行融合，公式为：
out = image1 * (1.0 - alpha) + image2 * alpha
image1 和 image2 表示两个大小和模式相同的图像， alpha 是介于 0 和 1 之间的值。如果 alpha 为0，返回 image1 图像，如果 alpha 为1，返回 image2 图像。
from PIL import Image
# 蓝色图像
image1 = Image.new('RGB', (128, 128), (0, 0, 255))
# 红色图像
image2=Image.new('RGB', (128, 128), (255, 0, 0))
# 取中间值
im = Image.blend(image1, image2, 0.5)
image1.show()
image2.show()
# 显示紫色图像
im.show()
我们将一张蓝色图像和一张红色图像进行融合，融合度为两张图像各0.5，最终得到一张紫色图像（因为红色叠加蓝色会调和成紫色）。显示图像如下图：
像素点处理
Image.eval(image, *args)
根据传入的函数对图像每个像素点进行处理。第一个参数 image 为需要处理的图像对象，第二个参数是函数对象，有一个整数作为参数。
如果变量image所代表图像有多个通道，那么函数作用于每一个通道。注意：函数对每个像素点只处理一次，所以不能使用随机组件和其他生成器。
from PIL import Image
im = Image.open('cat.jpg')
im.show()
# 将每个像素值翻倍（相当于亮度翻倍）
evl1 = Image.eval(im, lambda x: x*2)
evl1.show()
# 将每个像素值减半（相当于亮度减半）
evl2 = Image.eval(im, lambda x: x/2)
evl2.show()
我们分别对图像进行像素值翻倍和减半处理，显示效果如下图：
合成图像
Image.composite(image1, image2, mask)
使用给定的两张图像及 mask 图像作为透明度，创建出一张新的图像。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。
from PIL import Image
# 打开 cat.png
image1 = Image.open('cat.png')
# 打开 flower.jpg
image2 = Image.open('flower.jpg')
# 分离image1的通道
r, g, b = image1.split()
# 合成图像，获得 cat + flower
im = Image.composite(image1, image2, mask=b)
image1.show()
image2.show()
im.show()
上面例子中我们将一张图像猫（cat.png）和一张图像花（flower.jpg），以图像猫的一个通道构成的蒙版进行合成，就像 PS 一样，我们最终得到猫+花的图像，结果如下图所示：
通过单通道创建图像
Image.merge(mode,bands)
将一组单通道图像合并成多通道图像。参数 mode 为输出图像的模式，bands 为输出图像中每个通道的序列。
from PIL import Image
im = Image.open('cat.png')
# 将三个通道分开
im_split = im.split()
# 分别显示三个单通道图像
im_split[0].show()
im_split[1].show()
im_split[2].show()
# 将三个通道再次合并
im2 = Image.merge('RGB', im_split)
im2.show()
# 打开第二张图像
im3 = Image.open('flower.jpg')
# 将第二张图像的三个通道分开
im_split2 = im3.split()
# 将第二张图像的第1个通道和第一张图像的第2、3通道合成一张图像
rgbs = [im_split2[0], im_split[1], im_split[2]]
im4 = Image.merge('RGB', rgbs)
im4.show()
上面例子中，我们先将 cat.jpg 图像的三个通道分离成三张图像，效果如下图：
然后我们又将 flower.jpg 图像的三个通道分离，最后分别取 flower.jpg 的 R 通道图像和 cat.jpg 的 G 和 B 通道图像合成一张新图像，最终的效果如下图：
总结
本节为大家介绍了 Python pillow 库中图像有关的几个基本概念，以及 PIL 模块中处理图像的几个常见功能。掌握了这些功能后，我们可以打开、创建图像，也可以对图像做一些常见的如拆分、合成、融合等操作，这些都是图像处理的基础，需要大家好好理解和掌握。
文中示例代码：python-100-days
参考资料
https://www.osgeo.cn/pillow/reference/
Post Directory
