代码收藏家 Python Pillow库入门教程：详细讲解（第1部分）
Pillow 库提供了非常丰富的功能，主要有以下几点：
丰富功能的实现得益于 Pillow 提供了众多的模块。在 Pillow 库中有二十多个模块，比如 Image 图像处理模块、ImageFont 添加文本模块、ImageColor 颜色处理模块、ImageDraw 绘图模块等等，每个模块各自实现了不同的功能，同时模块之间又可以互相配合。
相关资源
教程特点
本套教程的初衷是尽快让初学者入门，因此更偏重于基础知识。在教程中，我们详细讲解了如何使用 Pillow 库的 Image 模块完成一些图像的处理操作，比如调整图像大小、图像的拷贝、粘贴、裁剪等基础操作，通过这些内容的学习，让您掌握图像处理的基本方法。对于 Pillow 的进阶知识，我们讲解了如何使用 Pillow 为图片添加水印、批量处理图片以及生成 GIF 动态图等。
在创作教程的过程中，我们尽量从初学者的角度来讲解 Pillow 库的相关知识，使教程通俗易懂、易学、易用。本套教程采用了“知识讲解 + 实例演示”的方式，避免了学习过程中的“枯燥和乏味”。学习完本教程后，您可以使用 Pillow 库完成一些简单的图像处理操作。
读者&阅读条件
本套 Pillow 教程适合有一定 Python 编程基础的人员学习，如果您已经掌握 Python 基础知识，那可以直接阅读本教程，否则建议您提前阅读《Python基础教程》。通过本套教程的学习，您将初步掌握图像处理的相关知识，将它作为学习图像处理的第一套教程，是一个非常不错的选择。
Pillow是什么
PIL（ Python Imaging Library）是 Python 的第三方图像处理库，由于其功能丰富，API 简洁易用，因此深受好评。
自 2011 年以来，由于 PIL 库更新缓慢，目前仅支持 Python 2.7 版本，这明显无法满足 Python3 版本的使用需求。于是一群 Python 社区的志愿者（主要贡献者：Alex Clark 和 Contributors）在 PIL 库的基础上开发了一个支持 Python3 版本的图像处理库，它就是 Pillow。
Pillow 不仅是 PIL 库的“复制版”，而且它又在 PIL 库的基础上增加了许多新的特性。Pillow 发展至今，已经成为了比 PIL 更具活力的图像处理库。
Pillow 的初衷只是想作为 PIL 库的分支和补充，如今它已是“青出于蓝而胜于蓝”。
除了 PIL 和 Pillow 库之外，Python 还提供了一些其他图像处理库：
Pillow 是 Python 中较为基础的图像处理库，主要用于图像的基本处理，比如裁剪图像、调整图像大小和图像颜色处理等。与 Pillow 相比，OpenCV 和 Scikit-image 的功能更为丰富，所以使用起来也更为复杂，主要应用于机器视觉、图像分析等领域，比如众所周知的“人脸识别”应用。
Pillow版本支持
Pillow 支持跨平台运行，比如 Windows、Linux、MacOS 等，其最新版本为 Pillow 8.3.2，该版本支持 Python 3.6 及以上的版本（推荐使用）。Pillow 与 Python 支持版本的对照表如下所示：
| Python版本 | 3.10 | 3.9 | 3.8 | 3.7 | 3.6 | 3.5 | 2.7 |
|---|---|---|---|---|---|---|---|
| Pillow>=8.3.2 | 支持 | 支持 | 支持 | 支持 | 支持 | ||
| Pillow8.0-8.3.1 | 支持 | 支持 | 支持 | 支持 | |||
| Pillow7.0-7.2 | 支持 | 支持 | 支持 | 支持 | |||
| Pillow6.2.1-6.22 | 支持 | 支持 | 支持 | 支持 | 支持 | ||
| Pillow6…0-6.2.0 | 支持 | 支持 | 支持 | 支持 |
Pillow库特点
Pillow 库作为图像处理的常用库，主要有以下三大特点：
1) 支持广泛的文件格式
Pillow 支持广泛的图像格式，比如 “jpeg”，“png”，“bmp”，“gif”，“ppm”，“tiff” 等。同时，它也支持图像格式之间的相互转换。总之， Pillow 几乎能够处理任何格式的图像。
2) 提供了丰富的功能
Pillow 提供了丰富的图像处理功能，可概括为两个方面：
图像归档，包括创建缩略图、生成预览图像、图像批量处理等；而图像处理，则包括调整图像大小、裁剪图像、像素点处理、添加滤镜、图像颜色处理等。
3) 配合GUI工具使用
Pillow 库可以配合 Python GUI（图形用户界面）工具 Tkinter 一起使用。
除上述特点之外，Pillow 库还能实现一些较为复杂的图像处理操作，比如给图像添加水印、合成 GIF 动态效果图等等。
Pillow的下载与安装
Pillow 安装非常简单和方便，有三种安装途径，分别是：
下面对上述安装方式做简单介绍。
注意，PIL 库与 Pillow 库不允许在同一环境中共存，如果您之前安装了 PIL 库，请卸载后，再安装 Pillow。
pip包管理器安装
通过 Python 包管理器 pip 来安装 Pillow 是最简单、轻量级的一种安装方式，并且这种方法适用于任何平台。只需执行以下命令即可：
pip install pillow
二进制包安装
通过 Python PyPi 第三方库官网（https://pypi.org/project/Pillow/#files）下载与平台系统相对应的版本，如下所示：
图1：Pillow下载版本
下载完成后，进入下载文件的所在位置，然后直接使用pip命令来安装.whl文件即可，如下所示：
pip install + whl文件名
Anaconda安装
Anaconda 是一款开源的 Python 发行版（下载地址：https://www.anaconda.com/products/individual#Downloads），它是当下较为流行的科学计算平台，支持 Windows、Linux、MacOS 系统。Anaconda 自带许多已经安装完成软件包，其中就包含 Pillow，因此无须重新安装。
图2：Anaconda安装
无论采用上述哪种方式都可以成功安装 Pillow。不过对于初学者来说，我们建议您使用第一种安装方式。
注意，本教程以 Windows 平台为例对 Pillow 库的相关知识进行讲解。
最后，在 CMD 命令行打开 Python 解释器交互环境，输入以下代码，验证 Pillow 是否安装成功。
#导入Image类，该类是pillow中用于图像处理的重要类from PIL import Image
如下所示，如果解释器没有返回错误，则证明已经安装成功。
图3：测试Pillow安装成功
注意，这里使用 PIL 导入，但实际上使用的是 Pillow 库，这里的 PIL 可以看做是 Pillow 库的简称。
Pillow创建Image对象
Image 类是 Pillow 库中最为重要的类，该类被定义在和与其同名的 Image 模块中。
使用下列导包方式引入 Image 模块：
from PIL import Image
使用 Image 类可以实例化一个 Image 对象，通过调用该对象的一系列属性和方法对图像进行处理。Pilow 提供了两种创建 Image 实例对象的方法，下面对它们进行简单的介绍。
open()
使用 Image 类的 open() 方法，可以创建一个 Image 对象，语法格式如下：
im = Image.open(fp,mode="r")
参数说明：
示例如下：
from PIL import Image
#打开一图片文件
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
#要显示图像需要调用 show()方法
im.show()
图像显示结果如下：
图1：显示结果
new()
使用 Image 类提供的 new() 方法可以创建一个新的 Image 对象，语法格式如下:
im=Image.new(mode,size,color)
参数说明如下：
示例如下：
#使用颜色的十六进制格式
im_1=Image.new(mode='RGB',(260,100),color="#ff0000")
im_1.show()
输出图像如下所示：
图2：显示结果
Pillow Image对象属性
Image 对象有一些常用的基本属性，这些属性能够帮助我们了解图片的基本信息，下面对这些属性做简单的讲解：
1) size：查看图像的尺寸
from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
#打印image对象
print(im)
#查看尺寸
print("宽是%s高是%s"%(im.width,im.height))
#或者通过size查看
print("图像的大小size:",im.size)
输出结果：
<PIL.PngImagePlugin.PngImageFile image mode=RGBA size=455x191 at 0x381C750>
宽是455高是191
图像的大小size: (455, 191)
2) format：查看图片的格式
from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
print("图像的格式:",im.format)
输出结果：
图像的格式: PNG
3) readonly：图片是否为只读
from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
print("图像是否为只读:",im.readonly)
该属性的返回为 0 或者 1，分别对应着是和否，输出结果如下：
图像是否为只读: 1
4) info：查看图片相关信息
from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
# 包括了每英寸像素点大小和截图软件信息
print("图像信息:",im.info)
该属性的返回值为字典格式，输出结果如下：
图像信息: {'dpi': (96, 96), 'Software': 'Snipaste'}
5) mode：图像模式
from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
print("图像模式信息:",im.mode)
输出结果：
图像的模式: RGBA
上述涉及了许多图片模式的名称，比如 RGB、RGBA 等，下面对常用的图片模式做简单的总结，如下表所示：
| mode | 描述 |
|---|---|
| 1 | 1 位像素（取值范围 0-1），0表示黑，1 表示白，单色通道。 |
| L | 8 位像素（取值范围 0 -255），灰度图，单色通道。 |
| P | 8 位像素，使用调色板映射到任何其他模式，单色通道。 |
| RGB | 3 x 8位像素，真彩色，三色通道，每个通道的取值范围 0-255。 |
| RGBA | 4 x 8位像素，真彩色+透明通道，四色通道。 |
| CMYK | 4 x 8位像素，四色通道，可以适应于打印图片。 |
| YCbCr | 3 x 8位像素，彩色视频格式，三色通道。 |
| LAB | 3 x 8位像素，L * a * b颜色空间，三色通道 |
| HSV | 3 x 8位像素，色相，饱和度，值颜色空间，三色通道。 |
| I | 32 位有符号整数像素，单色通道。 |
| F | 32 位浮点像素，单色通道。 |
Pillow图片格式转换
Pillow 库支持多种图片格式，您可以直接使用 open() 方法来读取图片，并且无须考虑图片是何种类型。同时，Pillow 能够很轻松地实现图片格式之间的转换。
图片格式之间的转换主要有以下两种方法，下面分别对它们进行了介绍：
save()
顾名思义，save() 方法用于保存图像，当不指定文件格式时，它会以默认的图片格式来存储；如果指定图片格式，则会以指定的格式存储图片。save() 的语法格式如下：
Image.save(fp, format=None)
参数说明如下：
示例如下：
from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
im.save('C:/Users/Administrator/Desktop/c.biancheng.net.bmp')
此时您的计算机桌面上会存在一个 c.bianchneg.net.BMP格式的图片。
convert()+save()
注意，并非所有的图片格式都可以用 save() 方法转换完成，比如将 PNG 格式的图片保存为 JPG 格式，如果直接使用 save() 方法就会出现以下错误：
from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
im.save('C:/Users/Administrator/Desktop/c.biancheng.net.jpg')
错误信息如下所示：
#系统错误，RGBA不能作为JPEG图片的模式
OSError: cannot write mode RGBA as JPEG
引发错误的原因是由于 PNG 和 JPG 图像模式不一致导致的。其中 PNG 是四通道 RGBA 模式，即红色、绿色、蓝色、Alpha 透明色；JPG 是三通道 RGB 模式。因此要想实现图片格式的转换，就要将 PNG 转变为三通道 RGB 模式。
Image 类提供的 convert() 方法可以实现图像模式的转换。该函数提供了多个参数，比如 mode、matrix、dither 等，其中最关键的参数是 mode，其余参数无须关心。语法格式如下：
convert(mode,parms**)
修改后的代码如下所示：
from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
#此时返回一个新的image对象，转换图片模式
image=im.convert('RGB')
#调用save()保存
image.save('C:/Users/Administrator/Desktop/c.biancheng.net.jpg')
通过以上代码，成功将 PNG 格式的图片转换为了 JPG 格式。
Pillow图像缩放操作
在图像处理过程中经常会遇到缩小或放大图像的情况，Image 类提供的 resize() 方法能够实现任意缩小和放大图像。
resize() 函数的语法格式如下：
resize(size, resample=image.BICUBIC, box=None, reducing_gap=None)
参数说明：
注意，resize() 会返回一个新的 image 对象。下面是一组对图像进行放大操的示例：
from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
try:
#放大图片
image=im.resize((550,260))
#将新图像保存至桌面
image.save("C:/Users/Administrator/Desktop/放大图像.png")
print("查看新图像的尺寸",image.size)
except IOError:
print("放大图像失败")
输出结果：
查看新图像的尺寸 (550, 260)
放大后的图片效果。如下所示：
图1：pillow放大图像
对图片的局部位置进行放大，示例如下：
from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
try:
#选择放大的局部位置，并选择图片重采样方式
# box四元组指的是像素坐标 (左,上,右,下)
#(0,0,120,180)，表示以原图的左上角为原点，选择宽和高分别是(120,180)的图像区域
image=im.resize((550,260),resample=Image.LANCZOS,box=(0,0,120,180))
image.show()
#保存
image.save("C:/Users/Administrator/Desktop/放大图像.png")
print("查看新图像的尺寸",image.size)
except IOError:
print("放大失败")
图片的放大效果如下所示：
图2：局部放大操作
创建缩略图
缩略图（thumbnail image）指的是将原图缩小至一个指定大小（size）的图像。通过创建缩略图可以使图像更易于展示和浏览。
Image 对象提供了一个 thumbnail() 方法用来生图像的缩略图，该函数的语法格式如下：
thumbnail(size,resample)
使用示例如下：
from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
im.thumbnail((150,50))
print("缩略图尺寸",im.size)
#将缩略图保存至桌面
im.save("C:/Users/Administrator/Desktop/th.png")
输出结果：
缩略图尺寸 (118, 50)
注意，缩略图的尺寸可能与您指定的尺寸不一致，这是因为 Pillow 会对原图像的长、宽进行等比例缩小，当指定的尺寸不符合图像的尺寸规格时，缩略图就会创建失败， 比如指定的尺寸超出了原图像的尺寸规格。
批量修改图片尺寸
在图像处理过程中，对于某些不需要精细处理的环节，我们往往采用批量处理方法，比如批量转换格式，批量修改尺寸，批量添加水印，批量创建缩略图等，这是一种提升工作效率的有效途径，它避免了单一、重复的操作。通过 Pillow 提供的 Image.resize() 方法可以批量地修改图片尺寸，下面看一组简单的示例。
首先找一些类型相同，但尺寸不一的图片，并把它们放入桌面的 image01 文件夹中。如下所示：
图3：待处理的图片
下面开始编写代码：
# 批量修改图片尺寸
import os
from PIL import Image
#读取图片目录
fileName = os.listdir('C:/Users/Administrator/Desktop/image01/')
print(fileName)
#设定尺寸
width = 350
height = 350
# 如果目录不存在，则创建目录
if not os.path.exists('C:/Users/Administrator/Desktop/NewImage/'):
os.mkdir('C:/Users/Administrator/Desktop/NewImage/')
# 循环读取每一张图片
for img in fileName:
old_pic = Image.open('C:/Users/Administrator/Desktop/image01/' + img)
new_image = old_pic.resize((width, height),Image.BILINEAR)
print (new_image)
new_image.save('C:/Users/Administrator/Desktop/NewImage/'+img)
输出结果如下所示：
['向日葵.jpg', '国宝.jpg', '矩形图.jpg', '蝴蝶.jpg']
<PIL.Image.Image image mode=RGB size=350x350 at 0x2B9E670>
<PIL.Image.Image image mode=RGB size=350x350 at 0x31D0C90>
<PIL.Image.Image image mode=RGB size=350x350 at 0x2B90DB0>
<PIL.Image.Image image mode=RGB size=350x350 at 0x31D0C90>
NewImage 目录的内容如下：
图4：处理完成的图片
Pillow图像分离与合并
我们知道，图像（指数字图像）由许多像素点组成，像素是组成图像的基本单位，而每一个像素点又可以使用不同的颜色，最终呈现出了绚丽多彩的图像。在《Pillow Image对象属性》一节，我们介绍一些图片模式，它们的本质就是图片呈现颜色时需要遵循的规则，比如 RGB、RGBA、CYMK 等，而图像的分离与合并，指的就是图像颜色的分离和合并。
Image 类提供了用于分离图像和合并图像的方法 split() 和 merge() 方法，通常情况下，这两个方法会一起使用。
split()
split() 的使用方法比较简单，用来分离颜色通道。我们使用它来处理蝴蝶图片：
图1：pilow 图像处理操作
代码如下所示：
im=Image.open("C:/Users/Administrator/Desktop/1.jpg")
#修改图像大小，以适应图像处理
image=im.resize((450,400))
image.save("C:/Users/Administrator/Desktop/2.jpg")
#分离颜色通道，产生三个 Image对象
r,g,b = image.split()
r.show()
g.show()
b.show()
输出的结果，依次展示如下：
图2：分离结果预览
merge()
Image 类提供的 merge() 方法可以实现图像的合并操作。注意，图像合并，可以是单个图像合并，也可以合并两个以上的图像。
merge() 方法的语法格式如下：
Image.merge(mode, bands)
参数说明如下：
注意，该函数会返回一个新的 Image 对象。
下面对图像合并的两种类型分别进行介绍：
一. 单个图像的合并指的是将颜色通道进行重新组合，从而得到不一样的图片效果，代码如下所示：
from PIL import Image
im=Image.open("C:/Users/Administrator/Desktop/1.jpg")
#修改图像大小，以适应图像处理
image=im.resize((450,400))
image.save("C:/Users/Administrator/Desktop/2.jpg")
#分离颜色通道，产生三个 Image对象
r,g,b = image.split()
#重新组合颜色通道，返回先的Image对象
image_merge=Image.merge('RGB',(b,g,r))
image_merge.show()
#保存图像至桌面
image_merge.save("C:/Users/Administrator/Desktop/3.jpg")
新合成的图像入如下所示：
图3：图像合并操作
两张图片的合并操作也并不复杂，但是要求两张图片的模式、图像大小必须要保持一致，否则不能合并。因此，对于那些模式、大小不同的图片要进行预处理。
下面我们将蝴蝶图与向日葵图进行合并，向日葵原图如下：
图4：向日葵原图
示例代码如下：
from PIL import Image
#打开图2.jpg
im_1 = Image.open("C:/Users/Administrator/Desktop/2.jpg")
im_2= Image.open("C:/Users/Administrator/Desktop/向日葵.jpg")
#因为两种图片的图片格式一致，所以仅需要处理图片的大小，让它们保持一致
#让 im_2 的图像尺寸与 im_1 一致,注意此处新生成了 Image 对象
image = im_2.resize(im_1.size)
#接下来，对图像进行颜色分离操作
r1, g1 ,b1 = im_1.split()
r2, g2 , b2 = image.split()
# 合并图像
im_3 = Image.merge('RGB',[r2,g1,b2])
im_3.show()
im_3.save("C:/Users/Administrator/Desktop/合成.jpg")
预览图像的合成结果：
图5：合成图像
扩展知识：blend() 混合图片
Image 类也提供了 blend() 方法来混合 RGBA 模式的图片（PNG 格式），函数的语法格式如下：
Image.blend(image1,image2, alpha)
参数说明如下：
与 RGB 模式相比，RGBA 在 RGB 的基础上增加了透明度，通过 Alpha 取值来决定两个图像的混合程度。示例如下：
""""
混合 rgba模式的图像
"""
im1 = Image.open("C:/Users/Administrator/Desktop/c-net.png")
image = Image.open("C:/Users/Administrator/Desktop/心形函数图像.png")
im2=image.resize(im1.size)
def blend_im(im1,im2):
#设置 alpha 为 0.5
Image.blend(im1,im2,0.5).save("C:/Users/Administrator/Desktop/C语言中文网.png")
#调用函数
blend_im(im1,im2)
输出结果如下：
图6：混合图像
Pillow图像裁剪、复制、粘贴操作
图像的剪裁、复制、粘贴是图像处理过程中经常使用的基本操作，Pillow Image 类提供了简单、易用的 API 接口，能够帮助您快速实现这些简单的图像处理操作。
图像裁剪操作
Image 类提供的 crop() 函数允许我们以矩形区域的方式对原图像进行裁剪，函数的语法格式如下：
crop(box=None)
box：表示裁剪区域，默认为 None，表示拷贝原图像。
注意：box 是一个有四个数字的元组参数 (x_左上,y_左下,x1_右上,y1_右下)，分别表示被裁剪矩形区域的左上角 x、y 坐标和右下角 x，y 坐标。默认 (0,0) 表示坐标原点，宽度的方向为 x 轴，高度的方向为 y 轴，每个像素点代表一个单位。
crop() 函数的会返回一个 Image 对象，使用示例如下：
"""
裁剪图像
"""
im = Image.open("C:/Users/Administrator/Desktop/C语言中文网.png")
box =(0,0,200,100)
im_crop = im.crop(box)
im_crop.show()
输出图像显示如下：
图1：图像裁剪
最终，在原图的基础上裁剪出一张像素为 200 * 100 的图像。
图像拷贝和粘贴
拷贝、粘贴操作几乎是成对出现的，Image 类提供了 copy() 和 paste() 方法来实现图像的复制和粘贴。其中复制操作（即 copy() 方法）比较简单，下面主要介绍 paste() 粘贴方法，语法格式如下所示：
paste(image, box=None, mask=None)
该函数的作用是将一张图片粘贴至另一张图片中。注意，粘贴后的图片模式将自动保持一致，不需要进行额外的转换。参数说明如下：
下面复制一张原图像的副本，对副本进行裁剪、粘贴操作，代码如下所示：
im = Image.open("C:/Users/Administrator/Desktop/C语言中文网.png")
#复制一张图片副本
im_copy=im.copy()
#对副本进行裁剪
im_crop = im_copy.crop((0,0,200,100))
#创建一个新的图像作为蒙版，L模式，单颜色值
image_new = Image.new('L', (200, 100), 200)
#将裁剪后的副本粘贴至副本图像上，并添加蒙版
im_copy.paste(im_crop,(100,100,300,200),mask=image_new)
#显示粘贴后的图像
im_copy.show()
输出的显示结果，如下所示：
图2：图像复制粘贴
Pillow图像几何变换
图像的几何变换主要包括图像翻转、图像旋转和图像变换操作，Image 类提供了处理这些操作的函数 transpose()、rotate() 和 transform()，下面分别对它们进行讲解。
transpose()翻转操作
该函数可以实现图像的垂直、水平翻转，语法格式如下：
Image.transpose(method)
method 参数决定了图片要如何翻转，参数值如下：
使用示例如下：
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
#返回一个新的Image对象
im_out=im.transpose(Image.FLIP_LEFT_RIGHT)
im_out.show()
im_out.save("C:/Users/Administrator/Desktop/水平翻转.png")
图像显示结果，如下所示：
图1：图像翻转操作
rotate()任意角度旋转
当我们想把图像旋转任意角度时，可以使用 rotate() 函数，语法格式如下：
Image.rotate(angle, resample=PIL.Image.NEAREST, expand=None, center=None, translate=None, fillcolor=None)
参数说明如下：
使用示例如下：
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
#translate的参数值可以为负数，并将旋转图之外的区域填充为绿色
#返回同一个新的Image对象
im_out=im.rotate(45,translate=(0,-25),fillcolor="green")
im_out.show()
im_out.save("C:/Users/Administrator/Desktop/旋转图像.png")
输出结果：
图2：图像旋转
transform()图像变换
该函数能够对图像进行变换操作，通过指定的变换方式，产生一张规定大小的新图像，语法格式如下：
Image.transform(size, method, data=None, resample=0)
参数说明：
使用示例如下：
from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
#设置图像大小250*250，并根据data的数据截取原图像的区域，生成新的图像
im_out=im.transform((250,250),Image.EXTENT,data=[0,0,30 + im.width//4,im.height//3])
im_out.show()
im_out.save("C:/Users/Administrator/Desktop/变换.png")
输出图像显示如下：
图3：图像矩形变换
Pillow图像降噪处理
由于成像设备、传输媒介等因素的影响，图像总会或多或少的存在一些不必要的干扰信息，我们将这些干扰信息统称为“噪声”，比如数字图像中常见的“椒盐噪声”，指的是图像会随机出现的一些白、黑色的像素点。图像噪声既影响了图像的质量，又妨碍人们的视觉观赏。因此，噪声处理是图像处理过程中必不可少的环节之一，我们把处理图像噪声的过程称为“图像降噪”。
随着数字图像技术的不断发展，图像降噪方法也日趋成熟，通过某些算法来构造滤波器是图像降噪的主要方式。滤波器能够有效抑制噪声的产生，并且不影响被处理图像的形状、大小以及原有的拓扑结构。
Pillow 通过 ImageFilter 类达到图像降噪的目的，该类中集成了不同种类的滤波器，通过调用它们从而实现图像的平滑、锐化、边界增强等图像降噪操作。常见的降噪滤波器如下表所示：
| 名称 | 说明 |
|---|---|
| ImageFilter.BLUR | 模糊滤波，即均值滤波 |
| ImageFilter.CONTOUR | 轮廓滤波，寻找图像轮廓信息 |
| ImageFilter.DETAIL | 细节滤波，使得图像显示更加精细 |
| ImageFilter.FIND_EDGES | 寻找边界滤波（找寻图像的边界信息） |
| ImageFilter.EMBOSS | 浮雕滤波，以浮雕图的形式显示图像 |
| ImageFilter.EDGE_ENHANCE | 边界增强滤波 |
| ImageFilter.EDGE_ENHANCE_MORE | 深度边缘增强滤波 |
| ImageFilter.SMOOTH | 平滑滤波 |
| ImageFilter.SMOOTH_MORE | 深度平滑滤波 |
| ImageFilter.SHARPEN | 锐化滤波 |
| ImageFilter.GaussianBlur() | 高斯模糊 |
| ImageFilter.UnsharpMask() | 反锐化掩码滤波 |
| ImageFilter.Kernel() | 卷积核滤波 |
| ImageFilter.MinFilter(size) | 最小值滤波器，从 size 参数指定的区域中选择最小像素值，然后将其存储至输出图像中。 |
| ImageFilter.MedianFilter(size) | 中值滤波器，从 size 参数指定的区域中选择中值像素值，然后将其存储至输出图像中。 |
| ImageFilter.MaxFilter(size) | 最大值滤波器 |
| ImageFilter.ModeFilter() | 模式滤波 |
从上述表格中选取几个方法进行示例演示，下面是等待处理的原始图像：
图1：pilow图像处理
模糊处理
# 导入Image类和ImageFilter类
from PIL import Image,ImageFilter
im = Image.open("C:/Users/Administrator/Desktop/国宝.jpg")
#图像模糊处理
im_blur=im.filter(ImageFilter.BLUR)
im_blur.show()
im_blur.save("C:/Users/Administrator/Desktop/模糊.png")
输出图像如下：
图2：图像模糊
轮廓图
from PIL import Image,ImageFilter
im = Image.open("C:/Users/Administrator/Desktop/国宝.jpg")
#生成轮廓图
im2=im.filter(ImageFilter.CONTOUR)
im2.show()
im2.save("C:/Users/Administrator/Desktop/轮廓图.png")
输出图像，显示如下：
图3：图像轮廓图
边缘检测
from PIL import Image,ImageFilter
im = Image.open("C:/Users/Administrator/Desktop/国宝.jpg")
#边缘检测
im3=im.filter(ImageFilter.FIND_EDGES)
im3.show()
im3.save("C:/Users/Administrator/Desktop/边缘检测.png")
输出图像结果：
图4：图像边缘检测
浮雕图
from PIL import Image,ImageFilter
im = Image.open("C:/Users/Administrator/Desktop/国宝.jpg")
#浮雕图
im4=im.filter(ImageFilter.EMBOSS)
im4.show()
im4.save("C:/Users/Administrator/Desktop/浮雕图.png")
输出图像如下：
图5：浮雕图
平滑图像
#生成平滑图像
from PIL import Image,ImageFilter
im = Image.open("C:/Users/Administrator/Desktop/国宝.jpg")
#平滑图smooth
im5=im.filter(ImageFilter.SMOOTH)
im5.show()
im5.save("C:/Users/Administrator/Desktop/平滑图.png")
输出图像如下：
图6：平滑图
如果您使用过 PhotoShop（简称 Ps，一款专业的图像处理软件）、Fireworks（简称 Fw，一款专业的图像处理软件） 或者手机美图软件的话，其实不难发现，上述操作就是给图片添加一个“滤镜”，通过添加滤镜来改变图片的外观，从而影响了我们对于图片的感官体验。
Pillow图像颜色处理
Pillow 提供了颜色处理模块 ImageColor，该模块支持不同格式的颜色，比如 RGB 格式的颜色三元组、十六进制的颜色名称（#ff0000）以及颜色英文单词（“red”）。同时，它还可以将 CSS（层叠样式表，用来修饰网页）风格的颜色转换为 RGB 格式。
注意，在 ImageColor 模块对颜色的大小并不敏感，比如 “Red” 也可以写为 " red"。
颜色命名
ImageColor 支持多种颜色模式的的命名（即使用固定的格式对颜值进行表示），比如我们熟知的 RGB 色彩模式，除此之外，还有 HSL （色调-饱和度-明度）、HSB （又称 HSV，色调-饱和度-亮度）色彩模式。下面对 HSL 做简单介绍：
下面使用 HSL 色彩模式表示红色，格式如下：
HSL(0,100%,50%)
此时的颜色为“纯红色”，等同于 RGB (255,0,0)。如果想了解有关 HSL/HSB 的更多知识，点击链接前往。
ImageColor 模块比较简单，只提供了两个常用方法，分别是 getrgb() 和 getcolor() 函数。
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。
深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！
因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！
由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新
如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）
现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。
分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习
一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
getcolor() 函数。
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。
深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！
因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。
[外链图片转存中…(img-U6M4I115-1712841782147)]
[外链图片转存中…(img-oK68GehY-1712841782148)]
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！
由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新
如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）
[外链图片转存中…(img-l5q9HEnt-1712841782148)]
现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。
分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习
一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
[外链图片转存中…(img-Pm5BhORS-1712841782149)]
作者：普通网友
