上節我們講了 Python 的影象處理庫 PIL 的基本影象處理功能，開啟了 PIL 的神祕面紗。這節我們接著講 PIL 的 Image 模組的常用方法。

Image 模組的方法

convert

Image.convert(mode=None,matrix=None,dither=None,palette=0,colors=256)

引數說明：

• mode：轉換的模式
• matrix：可選轉變矩陣。如果給出，必須為包含浮點值長為 4 或 12 的元組。
• dither：抖動方法。RGB 轉換為 P；RGB 或 L 轉換為 1 時使用。有 matrix 引數可以無 dither。引數值 NONE 或 FLOYDSTEINBERG（預設）。
• palette：調色盤，在 RGB 轉換為 P 時使用， 值為 WEB 或 ADAPTIVE 。
• colors：調色盤的顏色值，預設 256.

轉換圖片模式，它支援每種模式轉換為"L" 、 "RGB"和 "CMYK"。 有 matrix 引數只能轉換為"L" 或 "RGB"。 當模式之間不能轉換時，可以先轉換 RGB 模式，然後在轉換。 色彩模式轉換為 L 模式計算公式 如下：

L = R * 299/1000 + G * 587/1000 + B * 114/1000

我們一般使用時，只用傳需要轉換的 mode 即可，其他的可選引數需要先理解圖片深層次的原理後才可以理解，大家如果感興趣可以去深入瞭解一下。下面我們來看一個簡單例項：

from PIL import Image

im = Image.open('cat.png')
im.show()
# 將影象轉換成黑白色並返回新影象
im1 = im.convert('L')
im1.show()
複製程式碼

我們將一個影象轉換成 L模式（灰色），轉換結果如下圖所示：

copy

Image.copy()

複製影象方法，該方法完全複製一個一模一樣的影象，很好理解，我們就不舉例說明瞭。

crop

Image.crop(box)

引數說明：

• box：相對影象左上角座標為（0,0）的矩形座標元組,順序為(左,上,右,下)

該方法從影象中獲取 box 矩形區域的影象，相當於從影象中摳一個矩形區域出來。我們來看例子：

from PIL import Image

im = Image.open('cat.jpg')
print(im.size)
im.show()

# 定義了影象的座標位置，從左、上、右、下
box = (100,100,250,250)

# 它會從左上角開始，同時向下和向右移動100畫素的位置開始擷取250-100的畫素寬高，也就是150x150的影象
# 這裡注意後兩個數值要大於前兩個數值，不然擷取後的影象寬高為負數，會報錯
region = im.crop(box)
print(region.size)
region.show()

# 輸出結果
(451,300)
(150,150)
複製程式碼

我們從 cat.jpg 這張圖片中截取了 150x150 的影象，從列印結果可以看到擷取前和擷取後的影象大小。兩張影象的對比如下圖：

filter

Image.filter(filter)

引數說明：

• filter：過濾核心

使用給定的篩選器篩選此影象。有關可用篩選器的列表：

看到這些，大家是不是聯想到我們手機上一些 APP 的影象處理功能了，其實那些功能的實現方式跟我們這裡講的方法是一樣的。我們來看個例子：

from PIL import Image
from PIL import ImageFilter

im = Image.open('flower.jpg')
im.show()

# 模糊
im2 = im.filter(ImageFilter.BLUR)
im2.show()

# 輪廓濾波
im3 = im.filter(ImageFilter.CONTOUR)
im3.show()

# 細節增強
im4 = im.filter(ImageFilter.DETAIL)
im4.show()
複製程式碼

我們分別對原圖了使用了模糊濾波、輪廓濾波、細節增強濾波的處理，大家執行程式就可以看到處理後的效果了，如下圖所示：

getbands

Image.getbands()

返回一個包含此影象中每個通道名稱的元組。直接看例項：

from PIL import Image

# 開啟影象
im = Image.open('cat.jpg')
# 建立新影象
im1 = Image.new('L',(450,450),50)

# 獲取影象的通道名稱元組
print(im.getbands())
print(im1.getbands())

# 輸出結果
('R','G','B')
('L',)
複製程式碼

上例中，我們分別開啟一個 RGB 影象和建立一個 L 模式的新影象，然後列印輸出他們的通道名稱。

getbbox

Image.getbbox()

計算影象中非零區域的邊界框。將邊界框作為定義左、上、右和下畫素座標的四元組返回。我們來看例子：

from PIL import Image

# 開啟影象(451x300)
im = Image.open('cat.jpg')
# 建立新影象(450x450)
im1 = Image.new('L',50)

# 列印影象中非零區域的邊界框
print(im.getbbox())
print(im1.getbbox())

# 輸出結果
(0,451,300)
(0,450,450)
複製程式碼

這個方法很簡單，很容易理解，那麼這個方法有什麼用處呢？最直接的一個用處就是迅速地獲取影象的邊界座標。

getcolors

Image.getcolors(maxcolors=256)

引數說明：

• maxcolors：最大顏色數。預設限制為256色。

獲取影象中顏色的使用列表，超過 maxcolors 設定值返回 None 。 返回值為 (count,pixel) 的列表，表示（出現的次數，畫素的值）

from PIL import Image

im = Image.open('cat.png')

# 將彩色影象轉換成灰度圖
im2 = im.convert("L")

# 列印灰度圖的顏色列表，返回的點數超過maxcolors就直接返回None
print(im2.getcolors(maxcolors=200))
print(im2.getcolors(maxcolors=255))

# 輸出結果
None
[(1,0),(69,1),(275,2),(518,3),(165,4),... (6,250),(1,251)]
複製程式碼

我們這個影象有252個畫素值，所以第一次 maxcolors 設定為200時，由於 252>200，所以返回了 None。第二次設定255時，正常返回。

getdata

Image.getdata(band=None)

引數：

• band：獲取對應通道值。如：RGB 影象畫素值為 (r,g,b) 的元組，要返回單個波段，請傳遞索引值（例如0，從 RGB 影象中獲取 R 波段）。

獲取影象中每個畫素的通道物件元組，畫素獲取從左至右，從上至下。

getextrema

Image.getextrema()

獲取影象中每個通道的最小值與最大值。對於單波段影象，包含最小和最大畫素值的2元組。對於多波段影象，每個波段包含一個2元組的元組。

getpixel

Image.getpixel(xy)

引數：

• xy：座標，以（x，y）表示。

通過傳入座標返回畫素值。如果影象是多層影象，則此方法返回元組。

point

Image.point(lut,mode=None)

引數說明：

• lut：一個查詢表，包含影象中每個波段的256個（或65536個，如果 self.mode==“I” 和 mode==“L”）值。可以改用函式，它應採用單個引數。對每個可能的畫素值呼叫一次函式，結果表將應用於影象的所有帶區。

• mode：輸出模式（預設與輸入相同）。只有當源影象具有模式 “L” 或 “P” ，並且輸出具有模式 “1” 或源影象模式為 “I” ，並且輸出模式為 “L” 時，才能使用此選項。

對影象的的每個畫素點進行操作，返回影象的副本。

from PIL import Image

im = Image.open('cat.png')

# 調整灰色影象的對比度
im_point=im.convert('L').point(lambda i: i < 80 and 255)
im_point.show()

source = im.split()
# 三通道分別處理對比度
band_r = source[0].point(lambda i: i < 80 and 255)
band_g = source[1].point(lambda i: i < 80 and 255)
band_b = source[2].point(lambda i: i < 80 and 255)
band_r.show()
band_g.show()
band_b.show()
複製程式碼

在例子中，我們先將影象轉換成 L 模式，然後調整對比度，以及將影象的三個通道分別調整對比度。所謂調整對比度，我們這個例子的規則就是當畫素值小於80時，將其調整為255，相當於將接近黑色的畫素點加黑，使其與淺色對比更明顯。執行效果如下圖：

resize

Image.resize(size,resample=0,box=None)

引數說明：

• size：以畫素為單位的請求大小，作為2元組：（寬度、高度）。
• resample：可選的重新取樣濾波器。可以是 PIL.Image.NEAREST（最近濾波） ， PIL.Image.ANTIALIAS （平滑濾波）， PIL.Image.BILINEAR （雙線性濾波）， PIL.Image.HAMMING ， PIL.Image.BICUBIC （雙立方濾波）。如果省略，或者影象具有模式 “1” 或 “P” ，則設定為 PIL.Image.NEAREST 。 -box：一個可選的4元組的浮點數，給出了應該縮放的源影象區域。值應在（0，0，寬度，高度）矩形內。如果省略或沒有，則使用整個源。

這個方法是獲取調整大小後的圖片。通俗地講就是在原圖中摳一個矩形區域（如果傳入了 box 引數），然後對摳出來的區域進行濾波處理（如果傳入了 resample 引數），最後以指定的 size 大小進行返回。

from PIL import Image

im = Image.open('flower.jpg')

img1 = im.resize((250,Image.BILINEAR)
img2 = im.resize((250,Image.BICUBIC)
img3 = im.resize((250,Image.NEAREST)

im.show()
img1.show()
img2.show()
img3.show()
複製程式碼

這幾個濾波器的具體的原理比較理論，大家對照著程式執行返回自行去深入瞭解。

關於 PIL 的 Image 模組的方法我們只講這麼多，還有好多其他方法，大家可參照 www.osgeo.cn/pillow/refe… 這個網站去嘗試。

我們講的 PIL 的 Image 模組只是 PIL 的一個基礎模組而已，它還有好多其他的模組，諸如 ImageChops （通道操作模組）、ImageColor （顏色轉換模組）、ImageDraw （二維圖形模組）等，大家在需要的時候可以去查詢 API 使用。

總結

pillow 庫是一個非常強大的基礎影象處理庫，若不深入影象處理，運用這個庫裡面的方法組合，對影象進行各種常見的操作已經夠用，這是計算機圖片識別的基礎。當然，如果需要更專業的操作，那麼就直接上 opencv 吧。

參考

www.osgeo.cn/pillow/refe…