Image模塊

Image模塊是在Python PIL圖像處理中常見的模塊，對圖像進行基礎操作的功能基本都包含于此模塊內。如 open 、 save 、 conver 、 show …等功能。

open類

Image.open(file) ? image
Image.open(file, mode) ? image

要從文件加載圖像，使用 open() 函數，在 Image 模塊：

            
              from PIL import Image  # 調用庫

im = Image.open("a.jpg")  # 文件存在的路徑
im.show()

?Save類

im.save(outfile,options…)
im.save(outfile, format, options…)

若要保存文件，則使用 Image 類的 save() 方法，此時保存文件的文件名就變得十分重要了，除非指定格式，否則這個庫將會 以文件名的擴展名作為格式保存 。

            
              from PIL import Image  # 調用庫

im = Image.open("a.jpg")
print(im)
im.save("a_save.png")  # 將"a.jpg"保存為"a_save.png"
im = Image.open("a_save.png")  # 打開新的png圖片
# 輸出圖片格式、尺寸、模式
print(im.format, im.size, im.mode)

運行結果如下：

?format類

im.format ? string or None

這個屬性標識了圖像來源，如果圖像不是從文件讀取它的值就是None。

            
              from PIL import Image  # 調用庫

im = Image.open("a.jpg")
print(im.format)  # 打印出格式信息

運行結果：如下圖可以看到其format為”JPEG”。

?Mode類

im.mode ? string

圖像的模式，常見的mode 有 “L” (luminance) 表示灰度圖像，“RGB”表示真彩色圖像，和 “CMYK” 表示出版圖像，表明圖像所使用像素格式。如下表為常見的modes描述：

modes	描述
1	1位像素，黑和白，存成8位的像素
L	8位像素，黑白
P	8位像素，使用調色板映射到任何其他模式
RGB	3× 8位像素，真彩
RGBA	4×8位像素，真彩+透明通道
CMYK	4×8位像素，顏色隔離
YCbCr	3×8位像素，彩色視頻格式
I	32位整型像素
F	32位浮點型像素

            
              from PIL import Image  # 調用庫

im = Image.open("a.jpg")
print(im.mode)  # 打印出模式信息

運行結果：如下圖，圖片的 mode 為“RGB”模式。

?convert類

im.convert(mode)? image

將當前圖像轉換為其他模式，并且返回新的圖像。當從一個調色板圖像轉換時，這個方法通過這個調色板來轉換像素。如果不對變量mode賦值，該方法將會選擇一種模式，在沒有調色板的情況下，使得圖像和調色板中的所有信息都可以被表示出來。

            
              from PIL import Image  # 調用庫

im = Image.open("a.jpg")
# 將圖像轉換為“P”模式。
new_im = im.convert('P')
print(new_im.mode)
# P 模式的圖像不能保存為 .jpg 格式
new_im.save("a_P.png")

運行結果：將圖像轉換為“P”模式。

對比原始圖像：


原圖	“P”模式

?Size類

im.size ? (width, height)

圖像的尺寸，按照像素數計算，它的返回值為寬度和高度的二元組（width, height）。

            
              from PIL import Image  # 調用庫

im = Image.open("a.jpg")
print(im.size)  # 打印出尺寸信息

運行結果：圖片的尺寸信息，200*201。

?Palette類

im.palette ? palette or None

顏色調色板表格。如果圖像的模式是“P”，則返回ImagePalette類的實例；否則，將為None。

            
              from PIL import Image  # 調用庫

im = Image.open("a.jpg")
print(im.palette)
im = Image.open("a_P.png")
print(im.palette)

運行結果：

?Info類

im.info ? dictionary

存儲圖像相關數據的字典。

            
              from PIL import Image

im = Image.open("a.jpg")
print(im.info)

運行效果：

            
              {'jfif': 258, 'jfif_version': (1, 2), 'dpi': (72, 72), 'jfif_unit': 1, 'jfif_density': (72, 72), 'exif': b'Exif\x00\x00II*\x00\x08\x00\x00\x00\x07\x00\x12\x01\x03\x00\x01\x00\x00\x00\x01\x00\x00\x00\x1a\x01\x05\x00\x01\x00\x00\x00b\x00\x00\x00\x1b\x01\x05\x00\x01\x00\x00\x00j\x00\x00\x00(\x01\x03\x00\x01\x00\x00\x00\x02\x00\x00\x001\x01\x02\x00\x1c\x00\x00\x00r\x00\x00\x002\x01\x02\x00\x14\x00\x00\x00\x8e\x00\x00\x00i\x87\x04\x00\x01\x00\x00\x00\xa4\x00\x00\x00\xd0\x00\x00\x00\x80\xfc\n\x00\x10\'\x00\x00\x80\xfc\n\x00\x10\'\x00\x00Adobe Photoshop CS3 Windows\x002011:11:19 22:16:41\x00\x00\x00\x03\x00\x01\xa0\x03\x00\x01\x00\x00\x00\xff\xff\x00\x00\x02\xa0\x04\x00\x01\x00\x00\x00\xc8\x00\x00\x00\x03\xa0\x04\x00\x01\x00\x00\x00\xc9\x00\x00\x00\x00\x00\x00\x00\x00\x00\x06\x00\x03\x01\x03\x00\x01\x00\x00\x00\x06\x00\x00\x00\x1a\x01\x05\x00\x01\x00\x00\x00\x1e\x01\x00\x00\x1b\x01\x05\x00\x01\x00\x00\x00&\x01\x00\x00(\x01\x03\x00\x01\x00\x00\x00\x02\x00\x00\x00\x01\x02\x04\x00\x01\x00\x00\x00.\x01\x00\x00\x02\x02\x04\x00\x01\x00\x00\x00\x03\x14\x00\x00\x00\x00\x00\x00H\x00\x00\x00\x01\x00\x00\x00H\x00\x00\x00\x01\x00\x00\x00\xff\xd8\xff\xe0\x00\x10JFIF\x00\x01\x02\x00\x00H\x00H\x00\x00\xff\xed\x00\x0cAdobe_CM\x00\x02\xff\xee\x00\x0eAdobe\x00d\x80\x00\x00\x00\x01\xff\xdb\x00\x84\x00\x0c\x08\x08\x08\t\x08\x0c\t\t\x0c\x11\x0b\n\x0b\x11\x15\x0f\x0c\x0c\x0f\x15\x18\x13\x13\x15\x13\x13\x18\x11\x0c\x0c\x0c\x0c\x0c\x0c\x11\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x01\r\x0b\x0b\r\x0e\r\x10\x0e\x0e\x10\x14\x0e\x0e\x0e\x14\x14\x0e\x0e\x0e\x0e\x14\x11\x0c\x0c\x0c\x0c\x0c\x11\x11\x0c\x0c\x0c\x0c\x0c\x0c\x11\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\xff\xc0\x00\x11\x08\x00\xa0\x00\x9f\x03\x01"\x00\x02\x11\x01\x03\x11\x01\xff\xdd\x00\x04\x00\n\xff\xc4\x01?\x00\x00\x01\x05\x01\x01\x01\x01\x01\x01\x00\x00\x00\x00\x00\x00\x00\x03\x00\x01\x02\x04\x05\x06\x07\x08\t\n\x0b\x01\x00\x01\x05\x01\x01\x01\x01\x01\x01\x00\x00\x00\x00\x00\x00\x00\x01\x00\x02\x03\x04\x05\x06\x07\x08\t\n\x0b\x10\x00\x01\x04\x01\x03\x02\x04\x02\x05\x07\x06\x08\x05\x03\x0c3\x01\x00\x02\x11\x03\x04!\x121\x05AQa\x13"q\x812\x06\x14\x91\xa1\xb1B#$\x15R\xc1b34r\x82\xd1C\x07%\x92S\xf0\xe1\xf1cs5\x16\xa2\xb2\x83&D\x93TdE\xc2\xa3t6\x17\xd2U\xe2e\xf2\xb3\x84\xc3\xd3u\xe3\xf3F\'\x94\xa4\x85\xb4\x95\xc4\xd4\xe4\xf4\xa5\xb5\xc5\xd5\xe5\xf5Vfv\x86\x96\xa6\xb6\xc6\xd6\xe6\xf67GWgw\x87\x97\xa7\xb7\xc7\xd7\xe7\xf7\x11\x00\x02\x02\x01\x02\x04\x04\x03\x04\x05\x06\x07\x07\x06\x055\x01\x00\x02\x11\x03!1\x12\x04AQaq"\x13\x052\x81\x91\x14\xa1\xb1B#\xc1R\xd1\xf03$b\xe1r\x82\x92CS\x15cs4\xf1%\x06\x16\xa2\xb2\x83\x07&5\xc2\xd2D\x93T\xa3\x17dEU6te\xe2\xf2\xb3\x84\xc3\xd3u\xe3\xf3F\x94\xa4\x85\xb4\x95\xc4\xd4\xe4\xf4\xa5\xb5\xc5\xd5\xe5\xf5Vfv\x86\x96\xa6\xb6\xc6\xd6\xe6\xf6\'7GWgw\x87\x97\xa7\xb7\xc7\xff\xda\x00\x0c\x03\x01\x00\x02\x11\x03\x11\x00?\x00\xea\xb6\xe8\x9bj.\xd4\xc5\xaaD!-Q-G-Q-EH\x0bS\x16\xa3\x16\xa8\xedAH\xa0\xa1\xdbet\xd6\xebmpk\x18\ts\x8f\x829\x10\xb9\xee\xb7\x96r,\xfb;\'\xd1\xa8\xcb\x80\xfc\xe7\x0f\xfc\x82 YA->\xa3\xd4\xee\xcdqeN4\xd3\xc6\xd9\x82\xf0?~?\xea\x11\xbav+h\xa8\xde\xed^\x07\xb4N\x91\xe7*\xa5,\x05\xe0v\xfd\xd0?\xef\xcbhT\xe3@\xa9\x83\xdaZDy\x9f\x15!"!\x02$\x97\x04\x92\xfb\xdc\xe7\xcb\xc9&]2U\xdcj\x85\x80\xb5\xdd\xa0\xc8\xd0\x8f\xe5\x7fUF\xdc;j\xb0\x974\xc73\x1a\xca\xbd\x8dN\xe6\x87\xb7\xda\xe6\xea\x1c\xddc\xf7\xa3\xf7\xab\xff\x00KW\xe6\'\x89\x03\xb2%\x12\x13\xd2\xd2?Cp\x07t\x16\x9e\x03\x88\xf7\xb7w\xeeY\xfb\x8f]65\xb5\xdfE7\x00\ta-3\xcb\\t?\xf4V\x0b\x18\x1f^\xba\x0e\xde \x8f\xfc\x8b\xbf\xe8+\x18\xd7\xbd\x80\xba~\x97\xb6\xd6\xf9\x83\xecw\xf5\x90\x9cx\x82\xc1*/@\x92@\xc8\x07\xc7_\xbd%Y\x99I$\x92JRI$\x92\x9f\xff\xd0\xed\x0b\x14KG\x88V\x0b\x14\x08R\xa1\xae@\xf1\xfc\nh\x1eg\xe0\x11\xc8M\xb5\x05 \xdb\xfc\x97~\x03\xf8\xa8\x96\x9f\xdd?7\x05gjE\x89)\xcb\xea\x16\xba\x8cr\xe0\xd0\x1c\xe3\xb5\x9e\xe9\xd4\xf7\xfa+\x97\xb4=\xf6\n\x9a7\x19\x80?\x8a\xe9\xba\xc8;\xabg`\x0b\x8f\xfdHY=2\x8d\xf9F\xc7k\x07D\xf1\xa4IZ\x05\xc8\x07C\xa7tj\xeb`u\xbe\xe7w\xec\x07\xc9j\x0cz\xc0\x80!J\xa8\xda\x11;(I$\xd9lm\xa0\xd1\xcd\xce\xc3c\xd8t\xf8\xacZ\xac~\x1e@\x0e\xd6\xb7\x18x\xff\x00\xd1\x8d\xfe[\x17Qh\x05\xab\x0b\xa8\xe3\xb7\x9e<\xd3\xf1\xca\x8d-\x98\xe2\x1e!\xb6\xc0\xd2%\xba\xb5\xc0\x11\x1cx\x04\x99\x1e\xa1i\xe1\xc3\xf1\x1f\xf9\x8a\xa7\xd2\xb2=\x86\x97\xfd*\xf5\x1em?\xf9\x15j\xe3\xe9\xde\xc7v<\x9f\x8e\x8a\xc0j\xc8;]>\xefR\x8d\x8e>\xfa\xb4>m\xfc\xc7+K\x1b\x16\xff\x00C%\xa4\xfd\x17{\\\x16\xca\x83$h\xf9\xb2@\xd8\xf2RI*\x96eYk\xcd\x18@=\xe3\xe9\xdc~\x83?\xf2NM\x00\x94\x93M\xb4\x92\xd65\xe5$\x92\xff\x00\xff\xd1\xef\x8a\x89l\xa9$\x9e\x86\x1e\x9a^\x9aN\xba\xb6\xe8O\xdd\xaa\x8f\xdaj\xf3\xfb\x91\xd5V\xcc0%\xb0!\xfd\xa5\xbf\xbaR\xfbK\x07b\x85\x15[\x97\xd6Y\xfac\xdf\xd8!g\xf4\xc6\x89>j\xff\x00Q\xb8X\xe7\xd84\x11\x1fr\xca\xc7~H;1\xe1\xbe.*B=\x14\x88\x9f]\xbb\xf5\xa2\xca\xc7\xad\x99\xf3\xb9\xf9;\x80\xd4\xb5\xb1\x10\xb4i~\xf6jd\x8d\n\x87\xf1g\xd6\xadl\x8c\x9a+o\xe9,\x0c\x1e$\xac|\xcc\xfc\'\x82\x1b`q\xf2Wrh\xa8\xbc\x97\x8f3=\x96.OQ\xe9-\x0e\xda\xc2\xf6\x87m6\x06\xfbw~\xee\xef\xdeF\x1a\x9d\x89\xf2Q\x04\r\xc0\xf3G\x8f\x92\xca\xf3+{L\xb4\x9d\xae\x1eNZ\xd9\x07v/\xa8>\x95:;\xe1+\x02\xdbq\x9e\xc3m\x03\x83\xcf\xfeIl\xf4\xfc\x91sv\xbfV\xda\xd2\xd7|U\x91\xb0kd\x1a\xb6\xad~\x8dw\xf2\x84\x1f\xeb\x0f\xfc\x93V\xd6&Uo\xc3\x17\xd8\xe0\xc6\xd6"\xc78\xc0\x10\xb0^\xd2+5w\x0c\x1bO\x9b~\x8a\xb1\xd2_U\x975\x977p\x07sZ\xee7\xfek\x8b\x7fy\t\x8b\x8f\x92\xd8\x9a>n\xa1\x17f\x8dwQ\x8ax\x1cY`\xff\x00\xd1U\xa2\x06\xb2\xb6\x06T6\xb5\xbc\x01\xa7\xcd\x1dW.\xf1*\x1b\xbf&C\xa2\xfb\xc8\xe5-\xe7\xb7\xcdD\x193\xcc%1\xa7\x12\x8d"\xdf\xff\xd2\xef\x90\xaf|\x00\xdf\x99Sm\x8cw\x0ei\xf8\x10\xab\\\xf0\xe7\x13\xe7\xfe\xc4\xf0\x86\x05\xd2\xa3\xf0N\x94\x8f\x04mT\xa8*6\x12\xd6\x17x\tD\x9d~\x7f\xc1U\xeaV\xfax\x8e=\xdd\r\x1f4\x016\x02hU\xb4\x1df\xf68~\xf4\x81\xf7,\xb6\xb6\xfb\xa8-\xa4\xedp$8\xf8\tG\xaa\xe9%\xbez)\xe39\xb4\xe6:tm\xd0\xe1\xf1\xe1\xc1I#@\xd2\xdcb\xe4\x07u\x99\xd1\xec6\xb6\xcc|\x87R\xdfi.$\x97\x877\xe9G\xe6\xfb\xd6\xce#^\xdbv\xbb\x92$\xc7\x13\xc6\x88\x955\xb1!K\x1f\xdd{\xbcF\x8a\x03"j\xdb\x14\x004\xd6\xcf\xc671\xec\x92\x03\xb41\xccx,\xab\xbaMV\\\xec\x87\x02\x1eHp\x00Cw4\x00\x1d\xb0\x7fQt7\xe9?\x8a\xac\xf09HH\x8d\x8aE\x11\xa8yl\xdc\x1a\xf1\xaa\xb2\xd0!\xc7W\x1f\x12J\x16\x16K\x98\x00i\xd7\xb7\xc4+\xff\x00X\x1c\x1b\x8b`\xf2\x1f\x94,\n.\xda\xf6\xeb\x1c\x99\xf9+\x18I17\xae\xac9\xa2\x04\x87\x88z\xd6\xe46\xfa\xab\xbe\xbdC\xa0\x1f\x99\n\x14[\xe9\xdc\x1c\xd3\x1a\xf3\xe64Y\x1d\x1f7v\xeaN\x93\xabG\x81\xee\xafX\xe0\xcc\x972}\xaf\xda\xe6\x9f\x88\xf7\x85\'\x83\\\x87\xb0\xc7\xc8e\xd46\xd1\xa4\xe8\xe1\xe0T\x8d\x8dX}/.\x0e\xd7\x1fk\xf4\x7f\xc4p\xe5\xa2\xf7\x92\x08\xee\xa0\x94h\xb2\th\xd8\xf5|@\xf2M\xae\xe9\xd3\x95V\xb6\xb6w\x1dOb\x8d:B\x04R\xe7\xff\xd3\xeb1\xf1\xea\xb4\xb8Xa\xed?DG\x1f\xbc\xa5&G\xc9e\xbbB7eR \x8d;\xad3\xcc\xfc\x14\xb2>(\x1bl\xbc\xa6\x94\xa53\xbf\xbd7\x88*\x8a\xf2\xb2z\xe6G\xe9j\xa0\x1d\x1a\xd3c\xbf#\x16\xac\xf7\xec5\\\x97Q\xcc\xf5r-\xb6~\x99 \x0f\x06\xb3\xf4M\xff\x00\xa7\xbd\x18j|\x96\x968\xf6\x99\xdd\xe0b~\xe5r\xd7\x82\xc7\x16\ts%\xe0~$\x7f\x9a\xb2\xb0\xeequ\x8d\'\xdaLGiF\xaf42\xca\xdc\xe3\xcc\x03\xf2\xf6\x15!E\xd3\xd2\xf4\xec\xb1m-\xd6L"W\x92\xfa\xaf \xb3t\xf7\x0b\x9f\xe9\xb9b\x9b=\x19\x86\x87\xb9\x8c\xf9{\x9b\xff\x00Ai[\x9b\x95U\xc3\xd2\xa5\xaf\x9f\xa0K\x80\x04\xf9\xaa\xd2\x1c2#\xecnc\xfd`\x07\xbb\xa8\xebr\xadq\xfd\x1bYQ\x1a\x12}\xf3\xe6>\x8a\x15\xa44*\xce\xce\xea1\xad5V\xc3\xa0\x0ey.\x93\xe0\xd653\xac\xb4V]qn\xeeN\xd9\x8f\x87\xb94\x95\xdc\x12\x89\xd6\xbe\x86\xdc\x0f\xac\xf90\xcd\x80\xe8H\x95\x83~\xeamkg\xc6\n\xb3\xd5rFWPe \xcbw\xea{r\x85\xd7F\xcb\xeb1\x01\xcd?\x81V\xb0\xe9\x01\xe3\xab[9\xb9\xf9\ne\xd2\xf2#\xa8\xd5\x1c9\xe1\xb1\xf1\xd1o\xe7\xb9\xde\x8dv\xb7\x96\xc8w\x9f\xee\xff\x00\x9a\xb9~\x8a\x0b\xfa\x95\x00k\xb1\xc5\xff\x00\xe6\x82\xba\x97\x81n;\x9b\xc7\xe9@?\x07\x05%\xb1\x14\xb8\x19M\x7f\x07C\xa8\x1e_\xeb\xed]\r6\xfa\xb5L\xfb\x80\x89\xf1\xf0+\x85\xe9\xf9.\xad\xe6\xb3\x1b\xab:x~\xef\xfe\x93z\xe90\xba\x93+\x1b\x88\xde\x1c\xd2CI\x8f\xeb\x07\x7fU6AQ\xa1 N\xa3\xab\xb1S\x880Dx\xa3H\xe3\xb7\x8a\xc0\xb7\xeb#\x1ae\x95\xb1\xa7\xb4\xcb\xbf*\xa8\xff\x00\xadY%\xcd\xf7\x80$h\x00\x03\x94\xde\x1b]\xc4\x00\xaa>\x05\xff\xd4\xec+f=Cet\xb1\xa2=\xc44k\xe5\xc2\x8024\xf0\xfe*\x1bL\xc8\x91\xf8\xa9M\xbf\xbc>`\xa7\x13h\xb1\xdds\xfd\xe9\x84\x93\xf7~)\x89|}&\xfd\xc6!&\xfa\xae\x91\xa1\xf1(W\x9a\xacwiu\x8c\xa3\x8b\x82\xe2\xd2E\x96CX|\x0f\xef\x7feq\x99\x17n\x93\xc3d2\xb0t\xd0h\xd1\xff\x00~]\xbeoL\xc6\xcb-vF\xf7\xec\xe1\xa1\xc5\xa3\xe3\x01WgA\xc0kf\xa6\r\xe2H\xdc\x03\xa3\xb6\x8ew\xb9>2\x11\x0bH\xb7\x88e\xfbw9\xa7@D\x1f)B\xb3\'Y=\xe7_\x8f\xb9Z\xea8\xce\xc6\xcc\xba\x97\x00\xc2\\ \r\x00\x80\\\xe8\xfe\xb2\xcb\xb2`\x13\xc1\xef\xe1\xddIv\x16\xd7F\xe7\xdb\x1c\xfal`v\xcb*"\xd6?\xcd\x9f\xf9\x8a\xe8\xba\x17Z\xa3\xa94ce4U\x94\x00;N\x81\xe3\xf7\xea\xff\x00\xc8\xae5\xa5\xcd\xb0\x9f\xde\xd3\xe3*\xe6.\x1d\x9bX\xf2%\xa3\xbfp<\x7f\xb2\xa2\xcd\xc3Z\xe8z69{\xe2\xa1\xb7_\xe2\xfa;1\xb1\xaa\x1b\xe3_\x12g\xf2\xaes\xeb\x1fZk\x1aqqHu\x8e\xd1\xce\x1a\x86\x85\x06\x0b\xcda\x8f\xbe\xc74\x0e\x0b\x89Y\xd9\x98\xf5\xd6\x1c\xe8\xe0J\xad\xc66mpnL\xac\xb9]6m\xea-.%\xde\xfd\xa0\xfc5\xe1X\xfa\xca\xf02q\x9885\xb9\xe7\xfbN\xff\x00b\xad\xd1\xc1\xfbC\\>\x97\xb8\xf3\x02]\xed\x08\xdfYK]\x93\x8c\xe1\xa95\x10~\x01\xe47\xf2+\xa0\xd0s\xf7\x95\xaf\xd0@\x0e\xbf \xe8X\x1a\xd6\x9f7;\x8f\xfa+v\x8b\xcd\x95\xda\x01\x87\x96\xee\x1d\xf5k\x9d?\xf4\x96\x0fMpf\x16a\x06=7T\xe0#\xbb].W\xf1rX\xdb\xedg``|\x1c7}$\xe0PCG1\xe7\x1f\xa8\xba5e\xda\xb7\xc2O\xd2\xaf\xf1\xda\x89oS{X\xd3\xbb\xd9f\xa4\x9e\xcf\x1c\xcf\xf5\xda\xac\xe4t\xa7u\x1am\xf4,\x1e\xb5>\xff\x00E\xc2\x0f\xf5\xe9\x7f\xf6\xb6\xb9\xab\x02\xf7]K\xfd;D\x17\x0fp
              
                7\xd5\xeb\x9b}vd\x08\x15\xfb\x88\x1aK\\c\xfe\x8f\xe7=h\xbb\xa3\xdbE\xa5\xad\'\xd1t\x96\x07v\x9eXO\xf2WH\xea\x00y\r\xd1\xbbuq\xe6%\x0f!\xa3\xd1\x87\t\x9fh\x1e%7 \xe2\xdc\xae\xc53\x03\xa3\xcb\xd4\xdb\xe05\xads\xc8\x03t\x0e\x16oX\xc8m4X\xc7\x82,x\xd8\xd6\x9d?\xac\xef\xec\xae\xc6\x9aYF!k4\x07s\xbf\xde\xbc\xff\x00\xeb\x06K\xaf\xea\x97W\xbb\xdbCv\xc7\x9f\x7f\xec\xfb\x94p\xc6,}\xac\xf2\xceH47\xd1\x8fN\x01\xa0\x1e\x1cZ\x08\x9f\x8c\xa6\xea\xaf\xf5l\xad\xa0{\xeb\x90<\xf7~\x92?\xf07\'\xc6pc\x88\xee6\x88\xf8\xc7\xfeEB\xc7\x86d\x9bH\x07m\x80\xc1\xd6@\xdc\xdd\x7f\xb2\xe5j\xf4%\xab\xd5]=\xff\x00\xabfW?M\x92O\x91<\xa5FL\xe5\xb8\x9d=@\x08\x1f\x01\xc7\xe0\xa3\x8a\xe0\xcc\x8c\xaa\xeb\x11\xbc;gq\xa6\xbb\x7f\xab\xb8\xaa\xfb\x9a/\xad\xcd\xd0\t\x02|\x07\xd0\x9f\xf3\x92\xe3\x02\x8f\x8d\'\x86\xed\xd7\xab1\xd4Z2XL\xd6v\xbf\xcd\xae\xff\x00\xcev\xaa\xfdZ\x86e\x07dT\x0e\xe0}\xed\x03\xbf;\xf6\xfek\x93a:\x97\xe4W]\xe4\xd7M\xa4\xb1\xce\x1f\x99\xbcK_\xfer\xd1\xc1\xad\xf8W\x9a\xf2Z\r\x91\xfa\'~e\xcc\xec\xcd\xdf\xf9\xed\xff\x00\xe0\xacR\x13cE\xbb\x17\x91wpu\xf3\x1f\xc1\nL\xc1\xf9-N\xb1\x84\xea-~C\x18YS\xdcIi\x11\x12~\x8f\xf6\x7f9f\x1d\xb2\x0c\xa8dW?\xff\xd6\xebc\xc4}\xc5E\xd3\xe0u\xf3\xd1<\x8f-?\x0f\xfc\xe5\t\xc7\xdc\xd6\xc0\xd4\x81\x12\x9c\xc6\xdc`\x01\x81\xbe_\x8a\x98\x08-i\x99Fl\xcf\x92%\x902\x89\xfe\n64\xb9\x84\r\x1d\x1a)\x8f5\x17\xce\xd3\x1a\x180SR\x8d\xa4\xfaA\xc4A\x89#\xbc\xc2\x89\x10\xc0;\x8f\xca\x93\xcc\xb6\xba\xf4\x1b\xcc\x11\xe4\x06\xe7\xff\x00\xe4T\x9eI"4<\xf9\xa4\x10Q\x9fn\xa7_\x15V\xc6z\x87q\xee \x0f\x00\x7f\xef\xceG\xb0\x8d\x1b\xd8j{|\x02f\x89\xd4\xa4V\xf5je\xfb*\xe3B#\xe1<\xaf6\xeb8\xe6\x9c\xeb\xad:\x8bk\x07\xe0\xed\xde\xff\x00\xfa!z\'T\xb2+x\xf0j\xe1\xba\xc5$\xd1u\xb1$\x02g\xc2\x02h\xa1-W~\x8bR\x997;\xb9\xdc\xc5]\xec$\xbex\xdd\x13\xfd\xa3YG\xc2\x97d\x07\rg\xd2x\xf0#\xbaF\xa8\xc36O\xf8M\xcd\xf1\x8d\xcev\x8aC\xb0\xea\xb0U\x94\x18\xc4\xb708\x89\xdcv\xc1\xf3\x1f\xf9\x8a\x05\xcds,,~\x8ec\xc82\xa5\x90]E\xcdx\x90$\x91\x1e3\xbb\xff\x00"\x9b"\xd9\xb1\xe0\x86\xef\x0e/\x16\x19\x92\x0cm\x05G2A#\xa0?\x9a\xf0j\xce\xec\x9d\xb8\n\xech\xe0\xc6\xba\x89o\xbb_\xeb1l\xe2\xb6\xeb\xb0\xd8\xf6\xbb}:\xba\xa6w\x04\xfd&\xb7\xfa\xbf\xb8\xb1\xf1\xc3\xaf\xae\xccfj^wT\xde=\xed\x12\xdf\xea\xfbw\xab=\x17(\xb0YQ06\x9b\x1a\x08\x11\xa0\xdd\x1e\xef\xceSc\x96\x9f\x8a\xc9\xbb7\xe5\xd7\xd4ze\xb58\x03xi\xf5\x84s\x03\xfaK\x7f\x97\xed\xfd"\xe2\xddK\xdbx\xa4\xfd"\xe0\xdf)>k\xae\xeaX\xb7\xf4\xeb\x19\x9fV\xb5<\x07\xd8\x04H\xd3s\xb8\x1f\xba\xef\xfd\x1a\xb1\xb2\xf1\xa9\xfbMYL\xf7c\x92\xdbG\x9da\xc0X\xdf\xfa\xcaS\xee\x80{\xbf\xff\xd7\xea\x8b\xbc\xcf\xc6\x10kx~c\x19\xc8\r/:F\x83\xda?\xe9\x1578\xff\x00+\xfd\x7f\xf2_\xf5h8A\xce\xca\xb6\xd1\xba\x03Z\xd9=\xe3\xfe\xfe\x8fP\xc7\x1d\xdd&A\x84@\x10\xab\x1f$q\xc2%\x94.\x06\x8a."\n\x92\x15\xce\xda\xd2|\x04\xc2@(\x94A\x8dvF\xe8\xfem\xbbD\xf1\xaf\xb9J\xc2\x00$\xa6\xa9\xc6%\xdc\x9dJs\xeetvn\xa7\xe2\x8d-\xe8\x8bc\x88\x05\xda\x93\xa9\xf8\xa4\xefkQL\x00\x81g\xbaGd\x90tr\xf3\x01\xb0:$\xf7 \xf9.k\xad\x86\xd1\xd2\xecs\xb5/;u\xef$1\xbf\xf5K\xac\xb5\xad\rqtk?\xf9\x8bW\x0b\xf5\xcf\xa9\xd0\xe7\xd3\x85K\x83\xddY6\xdd\xb7\x80uk+\xfe\xb7\xe7\xa8\xe8\xdf\xe2\x98\x9d\x1cJ\xafsMM\x1fJ\x1a\xcf\x8e\xabV\xc2\xc1\x83\x02\x0f\xbe\x00\xee\t.\xf7\x7f\'\xf7V6%6\xdfd\xb0n\xf4\x88q\xfe\xb6\xa6\xb6\x7foj\xb4\xfblu\xc2\x96\x12\xe7=\xcd\xda\x07\x89\x1b\x86\xdf\xebnRF\x8cM\xf7ZF\xb6\x93&\xb6\xdf\x84\xcb\x00\xfaDk\xc49\xad\xda\xf6\xbb\xfa\xfe\xc5\x9bk\x83\x98\xd7\x93\xcb6\x9f\x12Z\xb6\xf3\x9b]8\xd5\xe3\xf2+yn\xef3\xed\x99\xfe\xb2\xc3\r\x0e\xaa\xc6\x1d\x1c\xd3\xb9\xbf\xf7\xf6\xff\x00\x9a\xf4\xb2F\xcd\xf8&24\x97\r\xf6z\x85\xd5\xe8\xe6\xea\xdf\x88Se\xae\xc7\xc9m\xd5\x9ft\xefh\xed\xbb\x97\xd7\xfez\xb9\xf5s\x06\xac\x97\xdfm\xdb\x9c\xdc\x7fL2\xb6\xf3c\x9eN\xca\xbf\xe8\xeew\xf2\x14\xba\x87O\x03,\xb0\xfbX\xf8{\xcbD\x86\x7f/O\xcd\xfd\xff\x00\xe4&\xc4\x91C\xbe\xca\'wq\x99?n\xe9\xb5\x86:j\x86\xb8Xy\x05\xbe\xd77l\xfb\x7f\xd1\xaez\xfcc\x8d\x96\xcav\xb1\xd8\xd7\xdc\xd0iq!\x95\xb9\xc7h5\xbf\xf3\xb1n\xab\xd9\xfdO\xd1\xfeb\x8fK\xea\xd6\xf4\xec\x87\xd5k\x03\xeb\xb1\xe3\xd4\xae~\x8b\xff\x00\xd2T\xef\xa3\xb1\xff\x00\x9d\xfb\xebG\xa8\xdd\x8f`\xc6\xcaa\x07fEg\xd3l\x98h\xb1\xa5\xfb\xd9\xf4\xfe\x9ay\xd9g]_\xff\xd0\xdf\xb1\xfc\x83\xb8\x0e$s\x1fw\xe6\xa3`\xc0\xc7.\xe0\xbd\xc4\x90|\xbd\xaa\xb665\x99@X\xf2\xea\xeaw\xde\xee\xde\xd6\xff\x00\xa2Z\x952\xba\x9a\x1a\xc6\x86\x80 w\xff\x00\xaaF6uY\x10\x92\xb9\x03\xf8\xa2\x840\xe0O\x8a\x98\xd7\xcf\xc3\xf8\xa7/e\xd9\x02\xff\x00\xe6\xdc\x11\tp\xd4\x84;v\xda\xc2\xdd\xdbI\xe0\x8d\x0c\xa4\x14Q\xb7\xb3[\xc9\xd6<\x07\xef"4F\x83\xe3\xfcP\xeb\x1bDw\xfc\xa5I\xce\x10A\xd5\x14\x04y\x99X\xf8\x94>\xfc\xab\x1bU\x157u\x8fw\x00.#/\xfc`\xe4ed\x9c~\x8d\x84\\\xd0t\xb2\xd1\xb9\xe4\x7f\xa4\xf4\x1b\xec\xa9\x9f\xf1\x96!\xff\x00\x8c<\xdb\xddv\x1e\x1b\x9cj\xc5w\xe9m\x7fm\xc5\xde\x9e\xe2\xd1\xf4\x9bC?H\xba\xcc\x0e\x91\xd2\xbaf+j\xc1`\xf4Z71\xe3\xdc^`E\xe4\xfe{\xeco\xe7"\xb4\xbc/T\xbf\xebVF=\xb6\xddm\x94R\xd1/\x07mp5s\xc7\xe8\xc6\xff\x00\xddY=\x1f\xea\xff\x00R\xeb2\xfcv\x8a\xb1\xf7mvM\x87\xdb\xfb\xae\xdb\xf9\xd69u_\\sl\xce\xbf\x1b\xa2\xd4\xff\x00L\xe6X\xdf\\\xb64\xabv\xde\x7f?\xdd\xef]..>/L\xc1\r\r\x0c\xc6\xc7`\x0ch\xd3\xd8\xd1\xec\xdd\xbb\xfc#\xdd\xeeM\xae\xaa\xe9O7\xd60:\x7f\xd5\xbe\x82(\xa8\x96\xdd\xa3\xdc\xf7\x80\x1e\xfb\x9c>\x96\x9f\xc8\xfc\xdf\xf0U\xae\x7f\xa6m\xfb~-\xb6\xb0\xd7u\xb4\x17P\xc6\xe96\x0fkv\x0f\xea~b\xd0,\x7f\xd6.\xadv~cH\xe9\x98.\x81Y\xd4Ya\xfa57\xf7\xd9\xfc\xaf\xf8\xbf\xdfF\xeb\xbd?%\xf9=3)\xac\xfd5\x96\xb9\xad\xa5\xa0h\xd6\xd6\xe7\xec\xf7\xfe\x8d\xd6m\xab\xfc\xff\x00\xd1\x7f\x83DV\xbe4\xa3\xb0\xf0r\xba\xc3\x1f@~5\xc0\x07\xb6\xe79\xa6}\xb0@\xfd\x1b\x7f\xb3\xb1b\xb5\xe3\xd5!\xc7B\x08\x9f\x88+c\xae>\x9bq\xa8\xb9\x8f\x16\x0b4$nk\x83\x98\\\xd6\xfa\x8c~\xed\xb6\xfa\x0en\xff\x00\xf8JV\x1b\x98\x19k\x81\xe4\x1f\x87o\x04$6P:=/\xd5\x0b\x18,\xcc\x03S\xb6\xb7\xb1\xbe&__\xfd\xf9Z\xea\xd4X\x18\xfcZ\x07\xa9\x95k\x8b\xedp\xecN\x8d\xad\x9f\xeb\xecX\x1fWs\x86\'U\xa8\xdav\xd5i\x15\xbd\xde\x12\x7fGg\xf6\x1e\xbb\x1cm\xcf\x06\xd2\xd0\x1fu\xf6:x\x04\xb0\x1aX\xed\xff\x00\xbb\xb1\xadN\x00\x11kI\xd5\xe3:\x8fI\xb7\x1b\xdb\xbb\xd4\xb0\t\x86\xce\x9f\xbc\xcf\xec\xa8Q}9X\x976\xe3\xb3:\x86\xee\xaa\xe0K]f\xd2=\xaf\x83\xef\xb2\xbf\xf3\xd7W\xd6zO\xa9k-\xad\xc5\xce\x04@q\x91\xc8\xfc\xdf\xfc\xc9`u\x0e\x9b[:\x86;\xeb\xac\xb1\xe6\xe62\xd6~i%\xc3k\xc1\xfd\xe7&^\xfe\t\xec?\x17\xff\xd9', 'adobe': 100, 'adobe_transform': 100}

?new類

Image.new(mode,size) ? image
Image.new(mode, size,color) ? image

使用給定的變量mode和size生成新的圖像。Size是給定的寬/高二元組，這是按照像素數來計算的。對于單通道圖像，變量color只給定一個值；對于多通道圖像，變量color給定一個元組（每個通道對應一個值）。在版本1.1.4及其之后，用戶也可以用顏色的名稱，比如給變量color賦值為“red”。如果沒有對變量color賦值，圖像內容將會被全部賦值為0（為黑色）。如果變量color是空，圖像將不會被初始化，即圖像的內容全為0。這對向該圖像復制或繪制某些內容是有用的。

如下為將圖像設置為128x128大小的紅色圖像。

            
              from PIL import Image

n_im = Image.new("RGB", (128, 128), "#FF0000")
n_im.show()

運行結果：

如果變量color不賦值的話，圖像內容被設置為0，即黑色。

            
              from PIL import Image

n_im = Image.new("RGB", (128, 128))
n_im.show()

運行結果：

圖像為128x128大小的綠色圖像。

            
              from PIL import Image

n_im = Image.new("RGB", (128, 128), "green")
n_im.show()

運行結果：

?Copy類

im.copy() ? image

拷貝這個圖像。如果用戶想粘貼一些數據到這張圖，可以使用這個方法，但是原始圖像不會受到影響。

            
              from PIL import Image

im = Image.open("a.jpg")
# 拷貝
im_copy = im.copy()
# 保存
im_copy.save("a_copy.jpg")

運行效果如下：


a.jpg	a_copy.jpg

圖像im_copy和im完全一樣。

?Crop類

im.crop(box) ? image

從當前的圖像中返回一個矩形區域的拷貝。變量box是一個四元組，定義了左、上、右和下的像素坐標。用來表示在原始圖像中截取的位置坐標，如box(100,100,200,200)就表示在原始圖像中以左上角為坐標原點，截取一個100*100（像素為單位）的圖像，為方便理解，如下為示意圖box（b1,a1,b2,a2）。

            
              from PIL import Image

im = Image.open("a.jpg")
box = (60, 10, 140, 110)  # 確定拷貝區域大小
region = im.crop(box)  # 將im表示的圖片對象拷貝到region中，大小為box
region.show()

如下圖為box截取的圖像區域顯示：

?Paste類

im.paste(image,box)

將一張圖粘貼到另一張圖像上。變量box或者是一個給定左上角的2元組，或者是定義了左，上，右和下像素坐標的4元組，或者為空（與（0，0）一樣）。如果給定4元組，被粘貼的圖像的尺寸必須與區域尺寸一樣。如果模式不匹配，被粘貼的圖像將被轉換為當前圖像的模式。

            
              from PIL import Image

im = Image.open("a.jpg")
box = (60, 10, 140, 110)  # 確定拷貝區域大小
im_crop = im.crop(box)
print(im_crop.size, im_crop.mode)
im.paste(im_crop, (20, 20))  # (100,100,0,0)
im.paste(im_crop, (100, 80, 180, 180))  # 被粘貼的圖像的尺寸必須與區域尺寸一樣
im.show()

如下圖為paste操作：

?Filter類

im.filter(filter) ? image

返回一個使用給定濾波器處理過的圖像的拷貝。具體參考圖像濾波在ImageFilter 模塊的應用，在該模塊中，預先定義了很多增強濾波器，可以通過filter( )函數使用，預定義濾波器包括：BLUR、CONTOUR、DETAIL、EDGE_ENHANCE、EDGE_ENHANCE_MORE、EMBOSS、FIND_EDGES、SMOOTH、SMOOTH_MORE、SHARPEN。其中BLUR就是均值濾波，CONTOUR找輪廓，FIND_EDGES邊緣檢測，使用該模塊時，需先導入。

            
              from PIL import Image
from PIL import ImageFilter  # 調取ImageFilter

imgF = Image.open("a.jpg")
bluF = imgF.filter(ImageFilter.BLUR)  # 均值濾波
conF = imgF.filter(ImageFilter.CONTOUR)  # 找輪廓
edgeF = imgF.filter(ImageFilter.FIND_EDGES)  # 邊緣檢測
imgF.show()
bluF.show()
conF.show()
edgeF.show()

運行效果：


原圖	`均值濾波`	`尋找輪廓`	`邊緣檢測`

?Blend類

Image.blend(image1,image2, alpha) ? image

使用給定的兩張圖像及透明度變量alpha，插值出一張新的圖像。這兩張圖像必須有一樣的尺寸和模式。

合成公式為：out = image1 (1.0 - alpha) + image2 alpha

若變量alpha為0.0，返回第一張圖像的拷貝。若變量alpha為1.0，將返回第二張圖像的拷貝。對變量alpha的值無限制。

            
              from PIL import Image

im1 = Image.open("a.jpg")
im2 = Image.open("b.jpg")
print(im1.mode, im1.size)
print(im2.mode, im2.size)
im = Image.blend(im1, im2, 0.3)
im.show()

需保證兩張圖像的模式和大小是一致的，如下為顯示im1和im2的具體信息。

im1和im2按照第一張70%的透明度，第二張30%的透明度，合成為一張。


im1	im2	im1 + im2

?Split

im.split() ? sequence

返回當前圖像各個通道組成的一個元組。例如，分離一個“RGB”圖像將產生三個新的圖像，分別對應原始圖像的每個通道（紅，綠，藍）。

            
              from PIL import Image

im = Image.open("a.jpg")
r, g, b = im.split()
print(r.mode)
print(r.size)
print(im.size)

運行結果：

Composite類

Image.composite(image1,image2, mask) ? image

復合類使用給定的兩張圖像及mask圖像作為透明度，插值出一張新的圖像。變量mask圖像的模式可以為“1”，“L”或者“RGBA”。所有圖像必須有相同的尺寸。

            
              from PIL import Image

im1 = Image.open("a.jpg")
im2 = Image.open("b.jpg")
r, g, b = im1.split()  # 分離出r，g，b
print(b.mode)
print(im1.mode, im1.size)
print(im2.mode, im2.size)
im = Image.composite(im1, im2, b)
im.show()

運行結果：b.mode為”L”，兩圖尺寸一致。

最終效果：


im1	im2	im1 + im2

Eval類

Image.eval(image,function) ? image

使用變量function對應的函數（該函數應該有一個參數）處理變量image所代表圖像中的每一個像素點。如果變量image所代表圖像有多個通道，那變量function對應的函數作用于每一個通道。注意：變量function對每個像素只處理一次，所以不能使用隨機組件和其他生成器。

            
              from PIL import Image

im = Image.open("a.jpg")

def fun01(x):
    return x * 0.3

def fun02(y):
    return y * 2.0

im1_eval = Image.eval(im, fun01)
im1_eval.show()
im2_eval = Image.eval(im, fun02)
im2_eval.show()

運行效果：


im1	fun01	fun02

Merge類

Image.merge(mode,bands) ? image

合并類使用一些單通道圖像，創建一個新的圖像。變量bands為一個圖像的元組或者列表，每個通道的模式由變量mode描述。所有通道必須有相同的尺寸。
變量mode與變量bands的關系：

len(ImageMode.getmode(mode).bands)= len(bands)

            
              from PIL import Image

im1 = Image.open("a.jpg")
im2 = Image.open("b.jpg")
r1, g1, b1 = im1.split()
r2, g2, b2 = im2.split()
print(r1.mode, r1.size, g1.mode, g1.size)
print(r2.mode, r2.size, g2.mode, g2.size)
new_im = [r2, g1, b1]
print(len(new_im))
im_merge = Image.merge("RGB", new_im)
im_merge.show()

運行結果：

運行效果：


im1	im2	im1+im2

Draft類

im.draft(mode,size)

配置圖像文件加載器，使得返回一個與給定的模式和尺寸盡可能匹配的圖像的版本。

            
              from PIL import Image

im = Image.open("a.jpg")
print(im.size, im.mode)
new_im = im.draft("L", (100, 50))
print(new_im.size, new_im.mode)
new_im.show()

運行結果：

運行效果：


原圖	轉換后

Getbands類

im.getbands()? tuple of strings

返回包括每個通道名稱的元組。例如，對于RGB圖像將返回（“R”,“G”,“B”）。

            
              from PIL import Image

im = Image.open("a.jpg")
print(im.getbands())

運行結果：

Getbbox類

im.getbbox() ? 4-tuple or None

計算圖像非零區域的包圍盒。這個包圍盒是一個4元組，定義了左、上、右和下像素坐標。如果圖像是空的，這個方法將返回空。

            
              from PIL import Image

im = Image.open("a.jpg")
print(im.getbbox())

運行效果：

Getdata類

im.getdata() ? sequence

以包含像素值的sequence對象形式返回圖像的內容。這個sequence對象是扁平的，以便第一行的值直接跟在第零行的值后面，等等。這個方法返回的sequence對象是PIL內部數據類型，它只支持某些sequence操作，包括迭代和基礎sequence訪問。使用list(im.getdata())，將它轉換為普通的sequence。Sequence對象的每一個元素對應一個像素點的R、G和B三個值。

            
              from PIL import Image
import numpy as np

im = Image.open("a.jpg")
sequ = im.getdata()
print(sequ)
print(np.array(sequ))
sequ_list = list(sequ)
print(sequ_list[0])
print(sequ_list[1])
print(sequ_list[2])

運行

Getextrema類

im.getextrema() ? 2-tuple

該方法返回了R/G/B三個通道的最小和最大值的2元組。包括該圖像中的最小和最大值。

            
              from PIL import Image

im = Image.open("a.jpg")
print(im.getextrema())

運行結果：

Getpixel類

im.getpixel(x, y) ? value or tuple

返回給定位置的像素值。如果圖像為多通道，則返回一個元組。該方法執行比較慢；如果用戶需要使用python處理圖像中較大部分數據，可以使用像素訪問對象（見load），或者方法getdata()。

            
              from PIL import Image

im = Image.open("a.jpg")
print(im.getpixel((0, 0)))
print(im.getpixel((4, 0)))
r, g, b = im.split()
print(b.getpixel((11, 8)))

運行結果：

Histogram類

im.histogram()? list

返回一個圖像的直方圖。這個直方圖是關于像素數量的list，圖像中的每個象素值對應一個成員。如果圖像有多個通道，所有通道的直方圖會連接起來（例如，“RGB”圖像的直方圖有768個值)。二值圖像（模式為“1”）當作灰度圖像（模式為“L”）處理。

            
              from PIL import Image

im = Image.open("a.jpg")
imhis = im.histogram()
print(imhis)
print(len(imhis))
print(imhis[0])
print(imhis[150])
print(imhis[300])

運行結果：

            
              [20, 7, 6, 7, 15, 14, 15, 16, 32, 26, 34, 40, 64, 84, 97, 69, 78, 69, 80, 114, 92, 85, 93, 91, 90, 108, 91, 98, 95, 105, 113, 112, 103, 131, 125, 118, 153, 133, 134, 141, 165, 136, 124, 167, 119, 124, 134, 137, 147, 133, 141, 155, 144, 138, 132, 121, 119, 137, 133, 126, 131, 116, 118, 115, 129, 94, 119, 102, 101, 111, 99, 102, 93, 94, 91, 100, 95, 101, 91, 100, 93, 90, 124, 93, 105, 96, 102, 96, 93, 96, 90, 84, 96, 96, 103, 97, 97, 118, 107, 103, 82, 98, 108, 92, 90, 89, 92, 92, 94, 96, 100, 98, 102, 93, 109, 106, 91, 109, 88, 106, 95, 100, 105, 103, 99, 104, 96, 103, 121, 115, 108, 103, 114, 115, 150, 122, 129, 104, 125, 128, 134, 124, 125, 102, 139, 125, 124, 133, 129, 129, 139, 141, 153, 120, 137, 113, 136, 131, 140, 128, 97, 92, 122, 116, 114, 100, 122, 108, 125, 132, 114, 144, 134, 133, 109, 139, 182, 214, 238, 254, 265, 317, 318, 369, 395, 385, 395, 391, 434, 414, 470, 512, 615, 627, 586, 531, 560, 522, 500, 470, 493, 486, 467, 461, 488, 524, 456, 484, 474, 455, 452, 411, 496, 480, 456, 456, 272, 313, 2209, 206, 538, 201, 77, 48, 24, 7, 7, 1, 2, 2, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 1, 4, 0, 3, 2, 4, 6, 9, 19, 21, 27, 41, 54, 61, 44, 55, 68, 78, 94, 116, 100, 114, 89, 96, 96, 91, 118, 107, 109, 131, 140, 120, 126, 111, 128, 114, 122, 136, 134, 137, 129, 142, 131, 135, 128, 140, 111, 127, 134, 123, 126, 113, 116, 129, 130, 128, 116, 105, 110, 107, 115, 101, 130, 98, 128, 119, 115, 113, 124, 104, 87, 84, 105, 81, 88, 90, 95, 104, 105, 119, 107, 94, 104, 86, 100, 94, 99, 92, 120, 110, 88, 97, 115, 114, 122, 105, 112, 94, 126, 108, 136, 127, 124, 120, 122, 114, 119, 119, 124, 119, 144, 116, 119, 113, 126, 121, 111, 103, 113, 109, 105, 113, 112, 87, 96, 127, 101, 121, 91, 117, 118, 110, 94, 101, 112, 132, 119, 98, 137, 102, 128, 118, 115, 131, 117, 109, 117, 124, 123, 112, 142, 146, 136, 147, 142, 130, 127, 133, 136, 136, 131, 157, 170, 165, 166, 171, 181, 171, 193, 225, 271, 237, 229, 185, 217, 202, 270, 239, 261, 251, 285, 295, 328, 324, 323, 320, 360, 424, 544, 713, 769, 810, 895, 789, 736, 633, 596, 551, 587, 538, 513, 417, 470, 469, 445, 484, 460, 407, 307, 222, 151, 175, 159, 144, 249, 601, 2172, 214, 84, 34, 18, 11, 12, 4, 4, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0, 1, 1, 4, 7, 1, 11, 12, 12, 21, 20, 20, 28, 36, 44, 61, 68, 74, 68, 83, 80, 89, 97, 69, 78, 81, 72, 97, 86, 76, 73, 84, 66, 73, 79, 73, 70, 63, 78, 85, 62, 84, 84, 79, 62, 73, 83, 93, 80, 71, 84, 108, 114, 97, 106, 101, 90, 101, 101, 107, 100, 95, 107, 97, 101, 113, 111, 108, 105, 97, 118, 80, 129, 114, 87, 104, 100, 90, 84, 117, 111, 96, 123, 104, 102, 102, 109, 102, 112, 105, 106, 103, 98, 92, 89, 80, 103, 103, 80, 88, 111, 86, 93, 94, 104, 87, 76, 91, 96, 103, 81, 92, 87, 82, 82, 72, 73, 99, 73, 89, 88, 99, 123, 84, 94, 105, 110, 125, 103, 105, 114, 107, 124, 106, 106, 118, 136, 129, 111, 156, 141, 142, 131, 145, 164, 126, 131, 153, 150, 120, 149, 115, 129, 139, 141, 161, 124, 144, 154, 151, 150, 162, 159, 164, 164, 154, 159, 153, 160, 165, 148, 172, 188, 157, 168, 195, 182, 181, 199, 201, 232, 226, 247, 292, 265, 311, 284, 321, 322, 371, 347, 364, 383, 432, 440, 484, 514, 498, 537, 558, 565, 615, 598, 656, 625, 578, 539, 616, 563, 598, 565, 603, 480, 454, 466, 402, 416, 329, 288, 333, 330, 329, 169, 379, 155, 2157, 150, 151, 67, 40, 35, 29, 23, 12, 14, 12, 13, 11, 2, 6, 2, 2, 0, 1, 0, 1, 0, 0, 0, 0, 0]
768
20
139
137

im.histogram(mask)? list

返回圖像中模板圖像非零地方的直方圖。模板圖像與處理圖像的尺寸必須相同，并且要么是二值圖像（模式為“1”），要么為灰度圖像（模式為“L”）。

            
              from PIL import Image

im = Image.open("a.jpg")
r, g, b = im.split()
imhis = r.histogram()
print(r.mode)
print(len(imhis))
print(imhis[0])
print(imhis[50])
print(imhis[220])

運行結果：

Load類

im.load()

為圖像分配內存并從文件中加載它（或者從源圖像，對于懶操作）。正常情況下，用戶不需要調用這個方法，因為在第一次訪問圖像時，Image類會自動地加載打開的圖像。在1.1.6及以后的版本，方法load()返回一個用于讀取和修改像素的像素訪問對象。這個訪問對象像一個二維隊列，如：

pix = im.load()
print pix[x, y]
pix[x, y] =value

通過這個對象訪問比方法getpixel()和putpixel()快很多。

            
              from PIL import Image

im = Image.open("a.jpg")
pix = im.load()
print(pix[0, 2])

運行結果：

im.paste(colour,box)

使用同一種顏色填充變量box對應的區域。對于單通道圖像，變量colour為單個顏色值；對于多通道，則為一個元組。

            
              from PIL import Image

im = Image.open("a.jpg")
im.paste((255, 255, 0), (0, 0, 30, 30))  # (255,255,0)表示黃色
im.show()

運行效果：

            
              from PIL import Image

im = Image.open("a.jpg")
im.paste("blue", (0, 0, 30, 30))  # 或者“blue”
im.show()

運行效果：

im.paste(image,box, mask)

使用變量mask對應的模板圖像來填充所對應的區域。可以使用模式為“1”、“L”或者“RGBA”的圖像作為模板圖像。模板圖像的尺寸必須與變量image對應的圖像尺寸一致。如果變量mask對應圖像的值為255，則模板圖像的值直接被拷貝過來；如果變量mask對應圖像的值為0，則保持當前圖像的原始值。變量mask對應圖像的其他值，將對兩張圖像的值進行透明融合,如果變量image對應的為“RGBA”圖像，即粘貼的圖像模式為“RGBA”，則alpha通道被忽略。用戶可以使用同樣的圖像作為原圖像和模板圖像。

            
              from PIL import Image

im = Image.open("a.jpg")
box = [70, 50, 100, 80]
im_crop = im.crop(box)
r, g, b = im_crop.split()
im.paste(im_crop, (20, 20, 50, 50), r)
im.show()

運行效果：

Putdata類

im.putdata(data)
im.putdata(data, scale, offset)

從sequence對象中拷貝數據到當前圖像，從圖像的左上角（0，0）位置開始。變量scale和offset用來調整sequence中的值：

pixel = value*scale + offset

如果變量scale忽略，則默認為1.0。如果變量offset忽略，則默認為0.0。

            
              from PIL import Image

im = Image.open("a.jpg")
r, g, b = im.split()
print(
    r.getpixel((0, 0)),
    r.getpixel((1, 0)),
    r.getpixel((2, 0)),
    r.getpixel((3, 0)),
    r.putdata([1, 2, 3, 4]),
    r.getpixel((0, 0)),
    r.getpixel((1, 0)),
    r.getpixel((2, 0)),
    r.getpixel((3, 0)),
)

運行結果：

Resize類

im.resize(size) ? image
im.resize(size, filter) ? image

返回改變尺寸的圖像的拷貝。變量size是所要求的尺寸，是一個二元組：（width, height）。變量filter為NEAREST、BILINEAR、BICUBIC或者ANTIALIAS之一。如果忽略，或者圖像模式為“1”或者“P”，該變量設置為NEAREST。在當前的版本中bilinear和bicubic濾波器不能很好地適應大比例的下采樣（例如生成縮略圖）。用戶需要使用ANTIALIAS，除非速度比質量更重要。

            
              from PIL import Image

im = Image.open("a.jpg")
region = im.resize((300, 400))  # 重新設定大小
region.show()

運行效果：很明顯由于大小的重新設定，圖片的顯示效果有所轉變

Rotate類

im.rotate(angle) ? image
im.rotate(angle,filter=NEAREST, expand=0) ? image

返回一個按照給定角度順時鐘圍繞圖像中心旋轉后的圖像拷貝。變量filter是NEAREST、BILINEAR或者BICUBIC之一。如果省略該變量，或者圖像模式為“1”或者“P”，則默認為NEAREST。變量expand，如果為true，表示輸出圖像足夠大，可以裝載旋轉后的圖像。如果為false或者缺省，則輸出圖像與輸入圖像尺寸一樣大。

            
              from PIL import Image

im = Image.open("a.jpg")
im_45 = im.rotate(45)
im_30 = im.rotate(30, Image.NEAREST, 1)
print(im_45.size, im_30.size)
im_45.show()
im_30.show()

運行結果：


45	30 + NEAREST

Seek類

im.seek(frame)

在給定的文件序列中查找指定的幀。如果查找超越了序列的末尾，則產生一個EOFError異常。當文件序列被打開時，PIL庫自動指定到第0幀上。

            
              from PIL import Image

im_gif = Image.open("c.gif")
print(im_gif.mode)
im_gif.show()  # 第0幀
im_gif.seek(3)
im_gif.show()
im_gif.seek(9)
im_gif.show()

運行效果：


第0幀	第3幀	第9幀

Tell類

im.tell() ? integer

返回當前幀所處位置，從0開始計算。

            
              from PIL import Image

im_gif = Image.open("c.gif")
print(im_gif.tell())
im_gif.seek(8)
print(im_gif.tell())

運行結果：

Thumbnail類

im.thumbnail(size)
im.thumbnail(size, filter)

修改當前圖像，使其包含一個自身的縮略圖，該縮略圖尺寸不大于給定的尺寸。這個方法會計算一個合適的縮略圖尺寸，使其符合當前圖像的寬高比，調用方法draft()配置文件讀取器，最后改變圖像的尺寸。變量filter應該是NEAREST、BILINEAR、BICUBIC或者ANTIALIAS之一。如果省略該變量，則默認為NEAREST。

            
              from PIL import Image

im = Image.open("a.jpg")
im.thumbnail((100, 100))
im.save("a_thumbnail.jpg")

運行效果：


原圖	縮略圖

Transform類

im.transform(size,method, data) ? image
im.transform(size, method, data, filter) ? image

使用給定的尺寸生成一張新的圖像，與原圖有相同的模式，使用給定的轉換方式將原圖數據拷貝到新的圖像中。在當前的PIL版本中，參數method為EXTENT（裁剪出一個矩形區域），AFFINE（仿射變換），QUAD（將正方形轉換為矩形），MESH（一個操作映射多個正方形）或者PERSPECTIVE。變量filter定義了對原始圖像中像素的濾波器。在當前的版本中，變量filter為NEAREST、BILINEAR、BICUBIC或者ANTIALIAS之一。如果忽略，或者圖像模式為“1”或者“P”，該變量設置為NEAREST。

            
              from PIL import Image

im = Image.open("a.jpg")
print(im.size)
imtra = im.transform((100, 100), Image.EXTENT, (0, 0, 150, 150))
print(imtra.size)
imtra.show()

運行結果：

效果：

im.transform(size,EXTENT, data) ? image
im.transform(size, EXTENT, data, filter) ? image

從圖像中裁剪一個區域。變量data為指定輸入圖像中兩個坐標點的4元組(x0,y0,x1,y1)。輸出圖像為這兩個坐標點之間像素的采樣結果。例如，如果輸入圖像的(x0,y0)為輸出圖像的（0，0）點，(x1,y1)則與變量size一樣。這個方法可以用于在當前圖像中裁剪，放大，縮小或者鏡像一個任意的長方形。它比方法crop()稍慢，但是比resize操作一樣快。

im.transform(size, AFFINE, data) ? image
im.transform(size, AFFINE,data, filter) ? image

對當前的圖像進行仿射變換，變換結果體現在給定尺寸的新圖像中。變量data是一個6元組(a,b,c,d,e,f)，包含一個仿射變換矩陣的第一個兩行。輸出圖像中的每一個像素（x，y），新值由輸入圖像的位置（ax+by+c, dx+ey+f）的像素產生，使用最接近的像素進行近似。這個方法用于原始圖像的縮放、轉換、旋轉和裁剪。

            
              from PIL import Image

im = Image.open("a.jpg")
print(im.size)
imtra = im.transform((100, 100), Image.AFFINE, (1, 2, 3, 2, 1, 4))
print(imtra.size)
imtra.show()

運行結果：

效果：

im.transform(size,QUAD, data) ? image
im.transform(size, QUAD, data, filter) ? image

輸入圖像的一個四邊形（通過四個角定義的區域）映射到給定尺寸的長方形。變量data是一個8元組(x0,y0,x1,y1,x2,y2,x3,y3)，它包括源四邊形的左上，左下，右下和右上四個角。
?

            
              from PIL import Image

im = Image.open("a.jpg")
print(im.size)
imtra = im.transform((100, 100), Image.QUAD, (0, 0, 0, 150, 170, 150, 170, 0))
print(imtra.size)
imtra.show()

運行結果：

效果：

im.transform(size,PERSPECTIVE, data) ? image
im.transform(size, PERSPECTIVE, data, filter) ? image

對當前圖像進行透視變換，產生給定尺寸的新圖像。變量data是一個8元組(a,b,c,d,e,f,g,h)，包括一個透視變換的系數。對于輸出圖像中的每個像素點，新的值來自于輸入圖像的位置的(a x + b y + c)/(g x + h y + 1), (d x+ e y + f)/(g x + h y + 1)像素，使用最接近的像素進行近似。這個方法用于原始圖像的2D透視。

            
              from PIL import Image

im = Image.open("a.jpg")
print(im.size)
imtra = im.transform((100, 100), Image.PERSPECTIVE, (1, 2, 3, 2, 1, 6, 1, 2))
print(imtra.size)
imtra.show()

運行結果：

效果：

Transpose類

im.transpose(method)? image

返回當前圖像的翻轉或者旋轉的拷貝。變量method的取值為：FLIP_LEFT_RIGHT，FLIP_TOP_BOTTOM，ROTATE_90，ROTATE_180，或ROTATE_270。

            
              from PIL import Image

im = Image.open("a.jpg")
im.show()
im_1 = im.rotate(45)  # 逆時針旋轉 45 度角。
im_1.show()
im_2 = im.transpose(Image.FLIP_LEFT_RIGHT)  # 左右對換。
im_2.show()
im_3 = im.transpose(Image.FLIP_TOP_BOTTOM)  # 上下對換。
im_3.show()
im_4 = im.transpose(Image.ROTATE_90)  # 旋轉 90 度角。
im_4.show()
im_5 = im.transpose(Image.ROTATE_180)  # 旋轉 180 度角。
im_5.show()

運行效果：


原圖	逆時針旋轉45度	左右對換

上下對換	旋轉90度	旋轉180度

更多文章、技術交流、商務合作、聯系博主

微信掃碼或搜索：z360901061

微信掃一掃加我為好友

QQ號聯系： 360901061

您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。

【本文對您有幫助就好】元

2元

5元

10元

20元

自定義

欧美三区_成人在线免费观看视频_欧美极品少妇xxxxⅹ免费视频_a级毛片免费播放_鲁一鲁中文字幕久久_亚洲一级特黄

Python圖像處理PIL各模塊介紹

Image模塊

open類

?Save類

?format類

?Mode類

?convert類

?Size類

?Palette類

?Info類

?new類

?Copy類

?Crop類

?Paste類

?Filter類

?Blend類

?Split

Composite類

Eval類

Merge類

Draft類

Getbands類

Getbbox類

Getdata類

Getextrema類

Getpixel類

Histogram類

Load類

Putdata類

Resize類

Rotate類

Seek類

Tell類

Thumbnail類

Transform類

Transpose類