Python图像处理库：Pillow 初级教程(3)

当前位置:

首页 > Python基础教程 >

Python图像处理库：Pillow 初级教程(3)

分离和合并通道

1 2	`r, g, b` `=` `im.split()` `im` `=` `Image.merge("RGB", (b, g, r))`

对于单通道图片，split()返回图像本身。为了处理单通道图片，必须先将图片转成RGB。

几何变换

Image类有resize()、rotate()和transpose()、transform()方法进行几何变换。

简单几何变换

1 2	`out` `=` `im.resize((128,` `128))` `out` `=` `im.rotate(45)` `# 顺时针角度表示`

置换图像

1

2

3

4

5

						out = im.transpose(Image.FLIP_LEFT_RIGHT)

						out = im.transpose(Image.FLIP_TOP_BOTTOM)

						out = im.transpose(Image.ROTATE_90)

						out = im.transpose(Image.ROTATE_180)

						out = im.transpose(Image.ROTATE_270)

transpose()和象的rotate()没有性能差别。

更通用的图像变换方法可以使用transform()

模式转换

convert()方法

模式转换

1	`im` `=` `Image.open('lena.ppm').convert('L')`

图像增强

Filter

ImageFilter模块包含很多预定义的增强filters，通过filter()方法使用

应用filters

1 2	`from` `PIL` `import` `ImageFilter` `out` `=` `im.filter(ImageFilter.DETAIL)`

像素点处理

point()方法通过一个函数或者查询表对图像中的像素点进行处理（例如对比度操作）。

像素点变换

1 2	`# multiply each pixel by 1.2` `out` `=` `im.point(lambda` `i: i` `*` `1.2)`

上述方法可以利用简单的表达式进行图像处理，通过组合point()和paste()还能选择性地处理图片的某一区域。

处理单独通道

						# split the image into individual bands

						source = im.split()

						R, G, B = 0, 1, 2

						# select regions where red is less than 100

						mask = source[R].point(lambda i: i < 100 and 255)

						# process the green band

						out = source[G].point(lambda i: i * 0.7)

						# paste the processed band back, but only where red was < 100

						source[G].paste(out, None, mask)

						# build a new multiband image

						im = Image.merge(im.mode, source)

栏目列表