潭州课堂25班：Ph201805201 爬虫基础 第九课 图像处理- PIL (课堂笔记）

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：

1. 从文件加载图像

2. 处理其他图像获得

3. 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()