PIL中设计的几个基本概念

1.通道(bands)：即使图像的波段数，RGB图像，灰度图像

以RGB图像为例：

>>>from PIL import Image

>>>im = Image.open('*.jpg') # 打开一张RGB图像

>>>im_bands = im.g

etbands() # 获取RGB三个波段

>>>len(im_bands)

>>>print im_bands[0,1,2] # 输出RGB三个值

2.模式(mode)：定义了图像的类型和像素的位宽。共计9种模式：

>>> im.mode

① 1：1位像素，表示黑和白，但是存储的时候每个像素存储为8bit。

② L：8位像素，表示黑和白。

③ P：8位像素，使用调色板映射到其他模式。

④ RGB：3x8位像素，为真彩色。

⑤ RGBA：4x8位像素，有透明通道的真彩色。

⑥ CMYK：4x8位像素，颜色分离。

⑦ YCbCr：3x8位像素，彩色视频格式。

⑧ I：32位整型像素。

⑨ F：32位浮点型像素。

3.尺寸(size)：获取图像水平和垂直方向上的像素数

>>> im.size()

4.坐标系统(coordinate system)：

PIL使用笛卡尔像素坐标系统，坐标(0，0)位于左上角。

注意：坐标值表示像素的角；位于坐标(0，0)处的像素的中心实际上位于(0.5，0.5)。

5.调色板(palette)：

调色板模式("P")适用一个颜色调色板为每一个像素定义具体的颜色值。

6.信息(info)

>>> im.info() # 返回值为字典对象

7.滤波器(filters)：将多个输入像素映射为一个输出像素的几何操作

PIL提供了4种不同的采样滤波器：

① NEAREST：最近滤波。从输入图像中选取最近的像素作为输出像素。

② BILINEAR：双线性内插滤波。在输入图像的2*2矩阵上进行线性插值。

③ BICUBIC：双立方滤波。在输入图像的4*4矩阵上进行立方插值。

④ ANTIALIAS：平滑滤波。对所有可以影响输出像素的输入像素进行高质量的重采样滤波，以计算输出像素值。

im.resize()和im.thumbnail()用到了滤波器

方法一：resize(size,filter = None)

>>> from PIL import Image

>>> im = Image.open('*.jpg')

>>> im.size

>>> im_resize = im.resize((256,256)) #default 情况下是NEAREST插值方法

>>> im_resize0 = im.resize((256,256), Image.BILINEAR)

>>> im_resize0.size

>>> im_resize1 = im.resize((256,256), Image.BICUBIC)

>>> im_resize2 = im.resize((256,256), Image.ANTIALIAS)

方法二：im.thumbnail(size,filter = None)

对于pil的相关介绍就到这里了，下面分享一个使用pil进行图像处理(等比例压缩、裁剪)实例代码，如下：

#coding:utf-8

'''

python图片处理

@author:fc_lamp

@blog:http://fc-lamp.blog.163.com/

'''

import Image as image

#等比例压缩图片

def resizeImg(**args):

args_key = {'ori_img':'','dst_img':'','dst_w':'','dst_h':'','save_q':75}

arg = {}

for key in args_key:

if key in args:

arg[key] = args[key]

im = image.open(arg['ori_img'])

ori_w,ori_h = im.size

widthRatio = heightRatio = None

ratio = 1

if (ori_w and ori_w > arg['dst_w']) or (ori_h and ori_h > arg['dst_h']):

if arg['dst_w'] and ori_w > arg['dst_w']:

widthRatio = float(arg['dst_w']) / ori_w #正确获取小数的方式

if arg['dst_h'] and ori_h > arg['dst_h']:

heightRatio = float(arg['dst_h']) / ori_h

if widthRatio and heightRatio:

if widthRatio < heightRatio:

ratio = widthRatio

else:

ratio = heightRatio

if widthRatio and not heightRatio:

ratio = widthRatio

if heightRatio and not widthRatio:

ratio = heightRatio

newWidth = int(ori_w * ratio)

newHeight = int(ori_h * ratio)

else:

newWidth = ori_w

newHeight = ori_h

im.resize((newWidth,newHeight),image.ANTIALIAS).save(arg['dst_img'],quality=arg['save_q'])

'''

image.ANTIALIAS还有如下值：

NEAREST: use nearest neighbour

BILINEAR: linear interpolation in a 2x2 environment

BICUBIC:cubic spline interpolation in a 4x4 environment

ANTIALIAS:best down-sizing filter

'''

#裁剪压缩图片

def clipResizeImg(**args):

args_key = {'ori_img':'','dst_img':'','dst_w':'','dst_h':'','save_q':75}

arg = {}

for key in args_key:

if key in args:

arg[key] = args[key]

im = image.open(arg['ori_img'])

ori_w,ori_h = im.size

dst_scale = float(arg['dst_h']) / arg['dst_w'] #目标高宽比

ori_scale = float(ori_h) / ori_w #原高宽比

if ori_scale >= dst_scale:

#过高

width = ori_w

height = int(width*dst_scale)

x = 0

y = (ori_h - height) / 3

else:

#过宽

height = ori_h

width = int(height*dst_scale)

x = (ori_w - width) / 2

y = 0

#裁剪

box = (x,y,width+x,height+y)

#这里的参数可以这么认为：从某图的(x,y)坐标开始截，截到(width+x,height+y)坐标

#所包围的图像，crop方法与php中的imagecopy方法大为不一样

newIm = im.crop(box)

im = None

#压缩

ratio = float(arg['dst_w']) / width

newWidth = int(width * ratio)

newHeight = int(height * ratio)

newIm.resize((newWidth,newHeight),image.ANTIALIAS).save(arg['dst_img'],quality=arg['save_q'])

#水印(这里仅为图片水印)

def waterMark(**args):

args_key = {'ori_img':'','dst_img':'','mark_img':'','water_opt':''}

arg = {}

for key in args_key:

if key in args:

arg[key] = args[key]

im = image.open(arg['ori_img'])

ori_w,ori_h = im.size

mark_im = image.open(arg['mark_img'])

mark_w,mark_h = mark_im.size

option ={'leftup':(0,0),'rightup':(ori_w-mark_w,0),'leftlow':(0,ori_h-mark_h),

'rightlow':(ori_w-mark_w,ori_h-mark_h)

}

im.paste(mark_im,option[arg['water_opt']],mark_im.convert('RGBA'))

im.save(arg['dst_img'])

#Demon

#源图片

ori_img = 'D:/tt.jpg'

#水印标

mark_img = 'D:/mark.png'

#水印位置(右下)

water_opt = 'rightlow'

#目标图片

dst_img = 'D:/python_2.jpg'

#目标图片大小

dst_w = 94

dst_h = 94

#保存的图片质量

save_q = 35

#裁剪压缩

clipResizeImg(ori_img=ori_img,dst_img=dst_img,dst_w=dst_w,dst_h=dst_h,save_q = save_q)

#等比例压缩

#resizeImg(ori_img=ori_img,dst_img=dst_img,dst_w=dst_w,dst_h=dst_h,save_q=save_q)

#水印

#waterMark(ori_img=ori_img,dst_img=dst_img,mark_img=mark_img,water_opt=water_opt)

总结

以上就是本文关于python使用pil进行图像处理(等比例压缩、裁剪)实例代码的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站：

Python内置模块turtle绘图详解

Python中pygal绘制雷达图代码分享

python自动裁剪图像代码分享

如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！

本文标题: python使用pil进行图像处理(等比例压缩、裁剪)实例代码

本文地址: http://www.cppcns.com/jiaoben/python/214041.html