PIL全稱Python Image Library，是python官方的影象處理庫，包含各種影象處理模組。Pillow是PIL的一個派生分支，包含與PIL相同的功能，並且更靈活。python3.0之後，PIL不再更新，pillow代替了它原有的地位。Pillow的官方文件：

　　https://pillow.readthedocs.io/en/stable/reference/index.html

　　在呼叫pillow時，程式碼依然是寫成PIL，模組匯入方式如下：

from PIL import Image,ImageFilter 

　　下面介紹基本用法。

Image

　　Image是pillow最基本的模組，包含用於儲存影象物件的類。

影象匯入、旋轉、顯示、儲存

from PIL import Image
img = Image.open('1.jpg')
img = img.rotate(45)
img.show()
img.save('r.jpg')

　　影象匯入後儲存為Image物件，該物件自帶各種函式，包括影象處理操作、顯示、儲存等功能，大部分操作返回的依然是Image物件。需要注意的是，open函式執行的時候並沒有立即把影象畫素資料匯入，僅僅是對影象檔案新增佔用標記，直到影象真正需要用於計算時，才會把畫素資料匯入。以上程式碼結果如下：

Numpy.array與Image之間的轉換

Image到array

import numpy as np
from PIL import Image

img = Image.open('1.jpg') 
a = np.array(img)
print(a.shape, a.dtype) 

　　對於讀取的影象，在Image物件中，影象預設以RGB模式儲存，且各個畫素值預設用 8bit 的無符號整型來存，不論影象以什麼型別儲存。因此轉換為array後dtype是uint8，不像matplotlib，png是float32，而jpg是uint8。其它影象模式看官方文件：

　　https://pillow.readthedocs.io/en/stable/handbook/concepts.html#concept-modes

array到Image

import numpy as np
from PIL import Image

a = np.random.random([256,256,3])*255
a = np.array(a,dtype = np.uint8)
img = Image.fromarray(a)
img.show()

　　array必須先將資料型別轉換到uint8才能轉換成Image，否則會出錯，儘管文件中寫著能有限地支援浮點型別。

影象模式轉換

from PIL import Image

img = Image.open('1.jpg').convert('1')
img.show()

　　以上程式碼將Image模式從RGB轉換為1，也就是黑白兩色。效果如下：

　　影象轉換後，Image物件所對應的畫素值以及對應的資料型別也就變了。顯示的時候，Pillow會以對應的模式來顯示。可以做如下實驗，先將影象轉變為YCbCr模式，然後分別直接顯示和轉變成array後在matplotlib中顯示，程式碼如下：

import numpy as np
import matplotlib.pyplot as plt
from PIL import Image

img = Image.open('1.jpg').convert('YCbCr')
img.show() # 直接顯示
img = np.array(img)  
plt.imshow(img)# matplotlib中顯示
plt.axis('off')
plt.show()

　　兩個效果分別如下：

　　可以看出，pillow 對轉換成 YCbCr 模式的影象能以對應的模式顯示，而因為 matplotlib 是以RGB模式來顯示的，因此 YCbCr 模式的影象會呈現右圖效果。

影象縮放

等比例縮放

from PIL import Image 

size = 80,80
img = Image.open('1.jpg') 
img.thumbnail(size) 
img.show()

　　按等比例縮小影象，長寬都小於等於size。需要注意的是，這個操作是直接作用與原物件上，返回為None。而通常的操作則是返回處理得到的新物件，原物件不改變，比如上面的rotate。所以這個函式的實現有點問題，和其它的特性不同，容易導致出錯，最好少用。

直接縮放

img = img.resize([128,128],Image.BICUBIC,box = (10,50,1200,1000))

　　三個引數分別表示：目標大小 （寬，高），取樣方式，用於縮放的影象區域。

影象混合

無透明通道

from PIL import Image 
 
img1 = Image.open('1.jpg') 
img2 = Image.open('2.jpg') 
img = Image.blend(img1,img2,0.5)
img.show()

　　將兩張影象按$\alpha : (1-\alpha)$的透明度混合，$\alpha$可以不在$(0,1)$內，結果畫素值會裁剪到合理範圍內。顯示結果如下：

有透明通道

img = Image.alpha_composite(img1,img2)

　　其中兩張影象必須都有$\alpha$通道。

自定義混合

import numpy as np
from PIL import Image 
 
img1 = Image.open('1.jpg') 
img2 = Image.open('2.jpg')  
mask = np.ones([img1.size[1],img1.size[0]],dtype=np.uint8)
mask[:,img1.size[0]//2:] *= 175
mask[:,:img1.size[0]//2] *= 80
mask = Image.fromarray(mask)  
img = Image.composite(img1,img2,mask)
img.show() 

　　composite函式使用mask對兩張影象進行混合，從而不同的位置可以定義不同的透明度，以上程式碼效果如下：

單畫素處理

from PIL import Image
import numpy as np
img = Image.open('1.jpg') 
img = Image.eval(img, lambda x : x*np.random.rand()*2)
img.show()

　　eval第二個引數傳入對單一畫素的操作，這個操作會作用在整張影象的每個畫素值上。效果如下：

旋轉、映象

from PIL import Image

img = Image.open('1.jpg') 
img = img.transpose(1)
img.show()

　　transpose 有0~6共7個輸入，代表影象7個旋轉、映象方向，加上原圖，一共8個方向。

ImageFilter

　　這個模組用於影象的濾波處理。用法也是基於Image模組。基本用法如下：

from PIL import Image,ImageFilter

img = Image.open('1.jpg')
img = img.filter(ImageFilter.GaussianBlur(5))  
img.show()

　　將ImageFilter的函式作為引數輸入filter中。還有很多種濾波方式，不一一列舉。

其它模組

　　ImageEnhance：用於影象增強，如銳化、增亮。

　　ImageGrab：用於截圖或讀取剪貼簿獲取影象。

　　ImageDraw：用於繪製簡單的線條和標記。

　　還有很多模組，但感覺用起來還不如numpy+matplotlib方便，不在此記錄，有需要請看官方文