Python编程中使用Pillow来处理图像的基础教程

安装
刚接触Pillow的朋友先来看一下Pillow的安装方法，在这里我们以Mac OS环境为例：
（1）、使用 pip 安装 Python 库。pip 是 Python 的包管理工具，安装后就可以直接在命令行一站式地安装/管理各种库了（pip 文档）。

$ wget http://pypi.python.org/packages/source/p/pip/pip-0.7.2.tar.gz

$ tar xzf pip-0.7.2.tar.gz

$ cd pip-0.7.2

$ python setup.py install

</div>

（2）、使用 pip 下载获取 Pillow：

$ pip install pillow

</div>

（3）、安装过程中命令行出现错误提示：”error: command ‘clang' failed with exit status 1”。上网查阅，发现需要通过 Xcode 更新 Command Line Tool。于是打开 Xcode->Preferences->Downloads-Components选项卡。咦？竟然没了 Command Line Tools。再查，发现 Xcode 5 以上现在需要用命令行安装：

$ xcode-select —install

</div>

系统会弹出安装命令行工具的提示，点击安装即可。

此时再 pip install pillow，就安装成功了。

pip freeze 命令查看已经安装的 Python 包，Pillow 已经乖乖躺那儿了。

好了，下面开始进入教程~

Image类
Pillow中最重要的类就是Image，该类存在于同名的模块中。可以通过以下几种方式实例化：从文件中读取图片，处理其他图片得到，或者直接创建一个图片。

使用Image模块中的open函数打开一张图片：

>>> from PIL import Image
>>> im = Image.open("lena.ppm")

</div>

如果打开成功，返回一个Image对象，可以通过对象属性检查文件内容

>>> from __future__ import print_function
>>> print(im.format, im.size, im.mode)

</div>

PPM (512, 512) RGB

</div>

format属性定义了图像的格式，如果图像不是从文件打开的，那么该属性值为None；size属性是一个tuple，表示图像的宽和高（单位为像素）；mode属性为表示图像的模式，常用的模式为：L为灰度图，RGB为真彩色，CMYK为pre-press图像。

如果文件不能打开，则抛出IOError异常。

当有一个Image对象时，可以用Image类的各个方法进行处理和操作图像，例如显示图片：

>>> im.show()

</div>

ps：标准版本的show()方法不是很有效率，因为它先将图像保存为一个临时文件，然后使用xv进行显示。如果没有安装xv，该函数甚至不能工作。但是该方法非常便于debug和test。（windows中应该调用默认图片查看器打开）

读写图片
Pillow库支持相当多的图片格式。直接使用Image模块中的open()函数读取图片，而不必先处理图片的格式，Pillow库自动根据文件决定格式。

Image模块中的save()函数可以保存图片，除非你指定文件格式，那么文件名中的扩展名用来指定文件格式。

图片转成jpg格式

from __future__ import print_function
import os, sys
from PIL import Image

for infile in sys.argv[1:]:
 f, e = os.path.splitext(infile)
 outfile = f + ".jpg"
 if infile != outfile:
  try:
   Image.open(infile).save(outfile)
  except IOError:
   print("cannot convert", infile)

</div>

save函数的第二个参数可以用来指定图片格式，如果文件名中没有给出一个标准的图像格式，那么第二个参数是必须的。

创建缩略图

from __future__ import print_function
import os, sys
from PIL import Image

size = (128, 128)

for infile in sys.argv[1:]:
 outfile = os.path.splitext(infile)[0] + ".thumbnail"
 if infile != outfile:
  try:
   im = Image.open(infile)
   im.thumbnail(size)
   im.save(outfile, "JPEG")
  except IOError:
   print("cannot create thumbnail for", infile)

</div>

必须指出的是除非必须，Pillow不会解码或raster数据。当你打开一个文件，Pillow通过文件头确定文件格式，大小，mode等数据，余下数据直到需要时才处理。

这意味着打开文件非常快，与文件大小和压缩格式无关。下面的程序用来快速确定图片属性：

确定图片属性

from __future__ import print_function
import sys
from PIL import Image

for infile in sys.argv[1:]:
 try:
  with Image.open(infile) as im:
   print(infile, im.format, "%dx%d" % im.size, im.mode)
 except IOError:
  pass

</div>

裁剪、粘贴、与合并图片
Image类包含还多操作图片区域的方法。如crop()方法可以从图片中提取一个子矩形

从图片中复制子图像

box = im.copy() #直接复制图像
box = (100, 100, 400, 400)
region = im.crop(box)

</div>

区域由4-tuple决定，该tuple中信息为(left, upper, right, lower)。 Pillow左边系统的原点（0，0）为图片的左上角。坐标中的数字单位为像素点，所以上例中截取的图片大小为300*300像素^2。

处理子图，粘贴回原图

region = region.transpose(Image.ROTATE_180)
im.paste(region, box)

</div>

将子图paste回原图时，子图的region必须和给定box的region吻合。该region不能超过原图。而原图和region的mode不需要匹配，Pillow会自动处理。

另一个例子

Rolling an image

def roll(image, delta):
 "Roll an image sideways"

 image = image.copy() #复制图像
 xsize, ysize = image.size

 delta = delta % xsize
 if delta == 0: return image

 part1 = image.crop((0, 0, delta, ysize))
 part2 = image.crop((delta, 0, xsize, ysize))
 image.paste(part2, (0, 0, xsize-delta, ysize))
 image.paste(part1, (xsize-delta, 0, xsize, ysize))

 return image

</div>

分离和合并通道

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

</div>

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

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

</div>

置换图像

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)

</div>

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

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

</div>

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

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

</div>

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

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

</div>

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)