python做基本的图像处理

PIL是python中的图像处理类库，为python提供了基本的图像处理和基本操作。而PIL中最重要的就是Image模块，下面给出具体的例子来理解此模块。

读取一幅图像

• 我们用Image模块中的open（）来实现.
  
  对于PNG,JPG和BMP等不同格式的彩色图像之间的转换都可以通过Image模块来完成，具体地说，在打开这些图像时，PIL会将他们解码为三通道的'RGB'图像，人们可以基于'RGB'图像进行处理。

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

image=Image.open('D:/test.jpg')#读取图像
plt.imshow(image)
plt.show()#需要调用show()方法，不然图像只会在内存中而不显示出来

转化为灰度图像

• 我们用convert（）方法来实现图像的灰度转化。
  
  Convert()会根据传入参数的不同将图像变成不同的模式。PIL中有九种不同模式。分别为1，L,P,RGB,RGBA,CMYK,YCbCr,I,F。
  
  其中，模式‘1’为二值图像，非黑即白。但是它每个像素用8个bit表示，0表示黑，255表示白。
  
  模式‘L’为灰色图像它的每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度。在PIL中，从模式“RGB”转换为“L”模式是按照下面的公式转换的：
  
  L = R * 299/1000 + G * 587/1000+ B * 114/1000
  
  模式“P”为8位彩色图像，它的每个像素用8个bit表示，其对应的彩色值是按照调色板查询出来的。

  模式“RGBA”为32位彩色图像，它的每个像素用32个bit表示，其中24bit表示红色、绿色和蓝色三个通道，另外8bit表示alpha通道，即透明通道。

  模式“CMYK”为32位彩色图像，它的每个像素用32个bit表示。模式“CMYK”就是印刷四分色模式，它是彩色印刷时采用的一种套色模式，利用色料的三原色混色原理，加上黑色油墨，共计四种颜色混合叠加，形成所谓“全彩印刷”。

  模式“YCbCr”为24位彩色图像，它的每个像素用24个bit表示。YCbCr其中Y是指亮度分量，Cb指蓝色色度分量，而Cr指红色色度分量。人的肉眼对视频的Y分量更敏感，因此在通过对色度分量进行子采样来减少色度分量后，肉眼将察觉不到的图像质量的变化。

  模式“RGB”转换为“YCbCr”的公式如下：
  
  Y= 0.257R+0.504G+0.098B+16
  
  Cb = -0.148R-0.291G+0.439B+128
  
  Cr = 0.439R-0.368G-0.071*B+128

  模式“I”为32位整型灰色图像，它的每个像素用32个bit表示，0表示黑，255表示白，(0,255)之间的数字表示不同的灰度。在PIL中，从模式“RGB”转换为“I”模式是按照下面的公式转换的：
  
  I = R * 299/1000 + G * 587/1000 + B * 114/1000

  模式“F”为32位浮点灰色图像，它的每个像素用32个bit表示，0表示黑，255表示白，(0,255)之间的数字表示不同的灰度。在PIL中，从模式“RGB”转换为“F”模式是按照下面的公式转换的：
  
  F = R * 299/1000+ G * 587/1000 + B * 114/1000

• 我们以灰度图像为例，将目标图像转换成灰度图像，由上可知，我们要给convert()方法传入参数“L”,具体代码如下：

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.cm as cm   #cm是colormap的缩写
image_gray=Image.open('D:/test.jpg').convert("L")
data=np.array(image_gray)  #在显示灰度图像时array()方法将图像转换成Numpy的数组对象，图片得以显式，否则会出现错误
plt.imshow(data,cmap=cm.gray)# cmap:代表颜色图谱，默认绘制为RGB(A)颜色空间。
plt.show()

转换图像的格式

• 通过save()方法，PIL可以将图像保存成多种格式的文件，当传入不同的扩展名时，它会根据扩展名自动转换图像的格式。

from PIL import Image
image=Image.open('D:/test.jpg')#打开jpg图像文件
image.save('D:/train.png')#保存图像，并转换成png格式

#读取转换的train.png图像
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
image=Image.open('D:/train.png')
plt.imshow(image)
plt.show()

创建缩略图

• thumbnail()方法接受一个一元组参数，分别对应着缩略图的宽高，在缩略时，函数会保持图片的宽高比例，如果输入的参数宽高和原图宽高比不同，则会依据最小对应边进行于按比例缩放。
  
  比如：一张图片为300*420大小的图片，当参数为（200，200）时，生成的缩略图大小为71*100，保持原图的宽高比

裁剪图像区域

• 使用PIL中的crop()方法可以从一幅图像中裁剪指定区域，该区域使用四元组来指定，四元组的坐标依次是（左，上，右，下）PIL中指定坐标系的左上角坐标为（0，0）.

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
image=Image.open('D:/test.jpg')
box=(500,500,2500,2500)
region=image.crop(box)
data=np.array(region)
plt.imshow(data)
plt.show()

调整尺寸和旋转

• 我们用resize()方法来调整一幅图像的尺寸，该方法的参数是一个元组，用来指定新图像的大小：例如 out=image.resize((32,32))
• 要旋转一幅图像，可以使用逆时针方式表示旋转角度，然后用rotate()方法

from PIL import Image
import matplotlib.pyplot as plt
image=Image.open('D:/test.jpg')#读取图像
plt.imshow(image.rotate(180))#逆时针旋转180度
plt.show()#需要调用show()方法，不然图像只会在内存中而不显示出来