python PIL 圖像處理
This blog is from: https://www.jianshu.com/p/e8d058767dfa
Image讀出來的是PIL的類型，而skimage.io讀出來的數據是numpy格式的
#Image和skimage讀圖片 import Image as img import os from matplotlib import pyplot as plot from skimage import io,transform img_file1 = img.open('./CXR_png/MCUCXR_0042_0.png') img_file2 = io.imread('./CXR_png/MCUCXR_0042_0.png') 輸出可以看出Img讀圖片的大小是圖片的(width, height)；而skimage的是(height,width, channel), [這也是為什么caffe在單獨測試時要要在代碼中設置：transformer.set_transpose('data',(2,0,1))，因為caffe可以處理的圖片的數據格式是(channel,height,width)，所以要轉換數據]
#讀圖片后數據的大小： print "the picture's size: ", img_file1.size print "the picture's shape: ", img_file2.shape the picture's size: (4892, 4020) the picture's shape: (4020, 4892) #得到像素： print(img_file1.getpixel((500,1000)), img_file2[500][1000]) print(img_file1.getpixel((500,1000)), img_file2[1000][500]) print(img_file1.getpixel((1000,500)), img_file2[500][1000]) (0, 139) (0, 0) (139, 139) Img讀出來的圖片獲得某點像素用getpixel((w,h))可以直接返回這個點三個通道的像素值
skimage讀出來的圖片可以直接img_file2[0][0]獲得，但是一定記住它的格式，並不是你想的(channel,height,width)
在圖片上面加文字
#新建繪圖對象 draw = ImageDraw.Draw(image)， #獲取圖像的寬和高 width, height = image.size； #** ImageFont模塊** #選擇文字字體和大小 setFont = ImageFont.truetype('C:/windows/fonts/Dengl.ttf', 20)， #設置文字顏色 fillColor = "#ff0000" #寫入文字 draw.text((40, height - 100), u'廣告', font=setFont, fill=fillColor) 作者：刑素素 鏈接：http://www.jianshu.com/p/c77315a5435f 來源：簡書 著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。 圖片信息
如果我們想知道一些skimage圖片信息
from skimage import io, data img = data.chelsea() io.imshow(img) print(type(img)) #顯示類型 print(img.shape) #顯示尺寸 print(img.shape[0]) #圖片高度 print(img.shape[1]) #圖片寬度 print(img.shape[2]) #圖片通道數 print(img.size) #顯示總像素個數 print(img.max()) #最大像素值 print(img.min()) #最小像素值 print(img.mean()) #像素平均值 print(img[0][0])#圖像的像素值 PIL image 查看圖片信息，可用如下的方法
print type(img) print img.size #圖片的尺寸 print img.mode #圖片的模式 print img.format #圖片的格式 print(img.getpixel((0,0)))#得到像素： #img讀出來的圖片獲得某點像素用getpixel((w,h))可以直接返回這個點三個通道的像素值 # 獲取圖像的灰度值范圍 width = img.size[0] height = img.size[1] # 輸出圖片的像素值 count = 0 for i in range(0, width): for j in range(0, height): if img.getpixel((i, j))>=0 and img.getpixel((i, j))<=255: count +=1 print count print(height*width) 使用python進行數字圖片處理，還得安裝Pillow包。雖然python里面自帶一個PIL（python images library), 但這個庫現在已經停止更新了，所以使用Pillow, 它是由PIL發展而來的。
pil能處理的圖片類型
pil可以處理光柵圖片(像素數據組成的的塊)。
通道
一個圖片可以包含一到多個數據通道，如果這些通道具有相同的維數和深度，Pil允許將這些通道進行疊加
模式 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 坐標
Pil采取左上角為(0,0)的坐標系統
圖片的打開與顯示
from PIL import Image img=Image.open('d:/dog.png') img.show() 雖然使用的是Pillow，但它是由PIL fork而來，因此還是要從PIL中進行import. 使用open()函數來打開圖片，使用show()函數來顯示圖片。
這種圖片顯示方式是調用操作系統自帶的圖片瀏覽器來打開圖片，有些時候這種方式不太方便，因此我們也可以使用另上一種方式，讓程序來繪制圖片。
from PIL import Image import matplotlib.pyplot as plt img=Image.open('d:/dog.png') plt.figure("dog") plt.figure(num=1, figsize=(8,5),) plt.title('The image title') plt.axis('off') # 不顯示坐標軸 plt.imshow(img) plt.show() 這種方法雖然復雜了些，但推薦使用這種方法，它使用一個matplotlib的庫來繪制圖片進行顯示。matplotlib是一個專業繪圖的庫，相當於matlab中的plot,可以設置多個figure,設置figure的標題，甚至可以使用subplot在一個figure中顯示多張圖片。matplotlib 可以直接安裝.
figure默認是帶axis的，如果沒有需要，我們可以關掉
plt.axis('off') 圖像加標題
plt.title('The image title') matplotlib標准模式
plt.figure(num=5, figsize=(8,5),) #plt.figure(num='newimage', figsize=(8,5),) plt.title('The image title', color='#0000FF') plt.imshow(lena) # 顯示圖片 plt.axis('off') # 不顯示坐標軸 plt.show() PIL image 查看圖片信息，可用如下的方法
print type(img) print img.size #圖片的尺寸 print img.mode #圖片的模式 print img.format #圖片的格式 圖片的保存
img.save('d:/dog.jpg') 就一行代碼，非常簡單。這行代碼不僅能保存圖片，還是轉換格式，如本例中，就由原來的png圖片保存為了jpg圖片。
圖像通道\幾何變換\裁剪
PIL可以對圖像的顏色進行轉換，並支持諸如24位彩色、8位灰度圖和二值圖等模式，簡單的轉換可以通過Image.convert(mode)函數完 成，其中mode表示輸出的顏色模式，例如''L''表示灰度，''1''表示二值圖模式等。但是利用convert函數將灰度圖轉換為二值圖時，是采用 固定的閾 值127來實現的，即灰度高於127的像素值為1，而灰度低於127的像素值為0。
彩色圖像轉灰度圖
from PIL import Image import matplotlib.pyplot as plt img=Image.open('d:/ex.jpg') gray=img.convert('L') plt.figure("beauty") plt.imshow(gray,cmap='gray') plt.axis('off') plt.title('The color image to gray image') plt.show() 使用函數convert()來進行轉換，它是圖像實例對象的一個方法，接受一個 mode 參數，用以指定一種色彩模式，mode 的取值可以是如下幾種：
· 1 (1-bit pixels, black and white, stored with one pixel per byte) · L (8-bit pixels, black and white) · P (8-bit pixels, mapped to any other mode using a colour palette) · RGB (3x8-bit pixels, true colour) · RGBA (4x8-bit pixels, true colour with transparency mask) · CMYK (4x8-bit pixels, colour separation) · YCbCr (3x8-bit pixels, colour video format) · I (32-bit signed integer pixels) · F (32-bit floating point pixels) 通道分離與合並
from PIL import Image import matplotlib.pyplot as plt img=Image.open('d:/ex.jpg') #打開圖像 gray=img.convert('L') #轉換成灰度 r,g,b=img.split() #分離三通道 pic=Image.merge('RGB',(r,g,b)) #合並三通道 plt.figure("beauty") plt.subplot(2,3,1), plt.title('origin') plt.imshow(img),plt.axis('off') plt.subplot(2,3,2), plt.title('gray') plt.imshow(gray,cmap='gray'),plt.axis('off') plt.subplot(2,3,3), plt.title('merge') plt.imshow(pic),plt.axis('off') plt.subplot(2,3,4), plt.title('r') plt.imshow(r,cmap='gray'),plt.axis('off') plt.subplot(2,3,5), plt.title('g') plt.imshow(g,cmap='gray'),plt.axis('off') plt.subplot(2,3,6), plt.title('b') plt.imshow(b,cmap='gray'),plt.axis('off') plt.show() 裁剪圖片
從原圖片中裁剪感興趣區域（roi),裁剪區域由4-tuple決定，該tuple中信息為(left, upper, right, lower)。 Pillow左邊系統的原點（0，0）為圖片的左上角。坐標中的數字單位為像素點。
from PIL import Image import matplotlib.pyplot as plt img=Image.open('d:/ex.jpg') #打開圖像 plt.figure("beauty") plt.subplot(1,2,1), plt.title('origin') plt.imshow(img),plt.axis('off') #box變量是一個四元組(左，上，右，下)。 box=(80,100,260,300) roi=img.crop(box) plt.subplot(1,2,2) plt.title('roi') plt.imshow(roi) plt.axis('off') plt.show() 用plot繪制顯示出圖片后，將鼠標移動到圖片上，會在右下角出現當前點的坐標，以及像素值。
**幾何變換 **
Image類有resize()、rotate()和transpose()方法進行幾何變換。
圖像的縮放和旋轉
dst = img.resize((128, 128)) dst = img.rotate(45) # 順時針角度表示 轉換圖像
dst = im.transpose(Image.FLIP_LEFT_RIGHT) #左右互換 dst = im.transpose(Image.FLIP_TOP_BOTTOM) #上下互換 dst = im.transpose(Image.ROTATE_90) #順時針旋轉 dst = im.transpose(Image.ROTATE_180) dst = im.transpose(Image.ROTATE_270) transpose()和rotate()沒有性能差別。
python圖像處理庫Image模塊
創建一個新的圖片
Image.new(mode, size) Image.new(mode, size, color) 層疊圖片
層疊兩個圖片，img2和img2,alpha是一個介於[0,1]的浮點數，如果為0，效果為img1，如果為1.0，效果為img2。當然img1和img2的尺寸和模式必須相同。這個函數可以做出很漂亮的效果來，而圖形的算術加減后邊會說到。
Image.blend(img1, img2, alpha) composite可以使用另外一個圖片作為蒙板(mask)，所有的這三張圖片必須具備相同的尺寸，mask圖片的模式可以為“1”，“L”，“RGBA”
Image.composite(img1, img2, mask) 添加水印
添加文字水印
from PIL import Image, ImageDraw,ImageFont im = Image.open("d:/pic/lena.jpg").convert('RGBA') txt=Image.new('RGBA', im.size, (0,0,0,0)) fnt=ImageFont.truetype("c:/Windows/fonts/Tahoma.ttf", 20) d=ImageDraw.Draw(txt) d.text((txt.size[0]-80,txt.size[1]-30), "cnBlogs",font=fnt, fill=(255,255,255,255)) out=Image.alpha_composite(im, txt) out.show() 添加小圖片水印
from PIL import Image im = Image.open("d:/pic/lena.jpg") mark=Image.open("d:/logo_small.gif") layer=Image.new('RGBA', im.size, (0,0,0,0)) layer.paste(mark, (im.size[0]-150,im.size[1]-60)) out=Image.composite(layer,im,layer) out.show() PIL Image 圖像互轉 numpy 數組
將 PIL Image 圖片轉換為 numpy 數組
im_array = np.array(im) # 也可以用 np.asarray(im) 區別是 np.array() 是深拷貝，np.asarray() 是淺拷貝 更多細節見python中的深拷貝與淺拷貝
numpy image 查看圖片信息，可用如下的方法
print img.shape print img.dtype 將 numpy 數組轉換為 PIL 圖片
這里采用 matplotlib.image 讀入圖片數組，注意這里讀入的數組是 float32 型的，范圍是 0-1，而 PIL.Image 數據是 uinit8 型的，范圍是0-255，所以要進行轉換：
import matplotlib.image as mpimg from PIL import Image lena = mpimg.imread('lena.png') # 這里讀入的數據是 float32 型的，范圍是0-1 im = Image.fromarray(np.uinit8(lena*255)) im.show() PIL image 查看圖片信息，可用如下的方法
print type(img) print img.size #圖片的尺寸 print img.mode #圖片的模式 print img.format #圖片的格式 print(img.getpixel((0,0))[0])#得到像素： #img讀出來的圖片獲得某點像素用getpixel((w,h))可以直接返回這個點三個通道的像素值 圖像中的像素訪問
前面的一些例子中，我們都是利用Image.open（）來打開一幅圖像，然后直接對這個PIL對象進行操作。如果只是簡單的操作還可以，但是如果操作稍微復雜一些，就比較吃力了。因此，通常我們加載完圖片后，都是把圖片轉換成矩陣來進行更加復雜的操作。
打開圖像並轉化為矩陣，並顯示
from PIL import Image import numpy as np import matplotlib.pyplot as plt img=np.array(Image.open('d:/lena.jpg')) #打開圖像並轉化為數字矩陣 plt.figure("dog") plt.imshow(img) plt.axis('off') plt.title('The image title') plt.show() 調用numpy中的array（）函數就可以將PIL對象轉換為數組對象。
查看圖片信息，可用如下的方法
PIL image 查看圖片信息，可用如下的方法
print type(img) print img.size #圖片的尺寸 print img.mode #圖片的模式 print img.format #圖片的格式 print(img.getpixel((0,0))[0])#得到像素： #img讀出來的圖片獲得某點像素用getpixel((w,h))可以直接返回這個點三個通道的像素值 numpy image 查看圖片信息，可用如下的方法
print img.shape print img.dtype 如果是RGB圖片，那么轉換為array之后，就變成了一個rowscolschannels的三維矩陣,因此，我們可以使用
img[i,j,k] 來訪問像素值。
例1：打開圖片，並隨機添加一些椒鹽噪聲
from PIL import Image import numpy as np import matplotlib.pyplot as plt img=np.array(Image.open('d:/ex.jpg')) #隨機生成5000個椒鹽 rows,cols,dims=img.shape for i in range(5000): x=np.random.randint(0,rows) y=np.random.randint(0,cols) img[x,y,:]=255 plt.figure("beauty") plt.imshow(img) plt.axis('off') plt.show() 例2：將lena圖像二值化，像素值大於128的變為1，否則變為0
from PIL import Image import numpy as np import matplotlib.pyplot as plt img=np.array(Image.open('d:/pic/lena.jpg').convert('L')) rows,cols=img.shape for i in range(rows): for j in range(cols): if (img[i,j]<=128): img[i,j]=0 else: img[i,j]=1 plt.figure("lena") plt.imshow(img,cmap='gray') plt.axis('off') plt.show() 如果要對多個像素點進行操作，可以使用數組切片方式訪問。切片方式返回的是以指定間隔下標訪問 該數組的像素值。下面是有關灰度圖像的一些例子：
img[i,:] = im[j,:] # 將第 j 行的數值賦值給第 i 行 img[:,i] = 100 # 將第 i 列的所有數值設為 100 img[:100,:50].sum() # 計算前 100 行、前 50 列所有數值的和 img[50:100,50:100] # 50~100 行，50~100 列（不包括第 100 行和第 100 列） img[i].mean() # 第 i 行所有數值的平均值 img[:,-1] # 最后一列 img[-2,:] (or im[-2]) # 倒數第二行 直接操作像素點
不但可以對每個像素點進行操作，而且，每一個通道都可以獨立的進行操作。比如，將每個像素點的亮度(不知道有沒有更專業的詞)增大20%
out = img.point(lambda i : i * 1.2) #注意這里用到一個匿名函數(那個可以把i的1.2倍返回的函數) argument * scale + offset e.g out = img.point(lambda i: i*1.2 + 10) 圖像直方圖
我們先來看兩個函數reshape和flatten:
假設我們先生成一個一維數組：
vec=np.arange(15) print vec 如果我們要把這個一維數組，變成一個3*5二維矩陣，我們可以使用reshape來實現
mat= vec.reshape(3,5) print mat 現在如果我們返過來，知道一個二維矩陣，要變成一個一維數組，就不能用reshape了，只能用flatten. 我們來看兩者的區別
a1=mat.reshape(1,-1) #-1表示為任意，讓系統自動計算 print a1 a2=mat.flatten() print a2 可以看出，用reshape進行變換，實際上變換后還是二維數組，兩個方括號，因此只能用flatten.
我們要對圖像求直方圖，就需要先把圖像矩陣進行flatten操作，使之變為一維數組，然后再進行統計
畫灰度圖直方圖
繪圖都可以調用matplotlib.pyplot庫來進行，其中的hist函數可以直接繪制直方圖。
調用方式：
n, bins, patches = plt.hist(arr, bins=50, normed=1, facecolor='green', alpha=0.75) hist的參數非常多，但常用的就這五個，只有第一個是必須的，后面四個可選
arr: 需要計算直方圖的一維數組 bins: 直方圖的柱數，可選項，默認為10 normed: 是否將得到的直方圖向量歸一化。默認為0 facecolor: 直方圖顏色 alpha: 透明度 返回值 ：
n: 直方圖向量，是否歸一化由參數設定 bins: 返回各個bin的區間范圍 patches: 返回每個bin里面包含的數據，是一個list from PIL import Image import numpy as np import matplotlib.pyplot as plt img=np.array(Image.open('d:/pic/lena.jpg').convert('L')) plt.figure("lena") arr=img.flatten() n, bins, patches = plt.hist(arr, bins=256, normed=1, facecolor='green', alpha=0.75) plt.title('The image title') plt.show() 彩色圖片直方圖
實際上是和灰度直方圖一樣的，只是分別畫出三通道的直方圖，然后疊加在一起。
from PIL import Image import numpy as np import matplotlib.pyplot as plt src=Image.open('d:/ex.jpg') r,g,b=src.split() plt.figure("lena") ar=np.array(r).flatten() plt.hist(ar, bins=256, normed=1,facecolor='r',edgecolor='r',hold=1) ag=np.array(g).flatten() plt.hist(ag, bins=256, normed=1, facecolor='g',edgecolor='g',hold=1) ab=np.array(b).flatten() plt.hist(ab, bins=256, normed=1, facecolor='b',edgecolor='b') plt.title('The image title') plt.show() 由此可見，matplotlib的畫圖功能是非常強大的，直方圖只是其中非常小的一部分，更多的請參看官方文檔：
http://matplotlib.org/api/pyplot_summary.html
Python如何讀取指定文件夾下的所有圖像
''' Load the image files form the folder input: imgDir: the direction of the folder imgName:the name of the folder output: data:the data of the dataset label:the label of the datset ''' def load_Img(imgDir,imgFoldName): imgs = os.listdir(imgDir+imgFoldName) imgNum = len(imgs) data = np.empty((imgNum,1,12,12),dtype="float32") label = np.empty((imgNum,),dtype="uint8") for i in range (imgNum): img = Image.open(imgDir+imgFoldName+"/"+imgs[i]) arr = np.asarray(img,dtype="float32") data[i,:,:,:] = arr label[i] = int(imgs[i].split('.')[0]) return data,label 調用方式
craterDir = "./data/CraterImg/Adjust/" foldName = "East_CraterAdjust12" data, label = load_Img(craterDir,foldName) Python圖形圖像處理庫ImageEnhance模塊圖像增強
可以使用ImageEnhance模塊，其中包含了大量的預定義的圖片加強方式
加強器包括，色彩平衡，亮度平衡，對比度，銳化度等。通過使用這些加強器，可以很輕松的做到圖片的色彩調整，亮度調整，銳化等操作，google picasa中提供的一些基本的圖片加強功能都可以實現。
顏色加強color用於調整圖片的色彩平衡，相當於彩色電視機的色彩調整。這個類實現了上邊提到的接口的enhance方法。
ImageEnhance.Color(img)#獲得色彩加強器實例 然后即可使用enhance(factor)方法進行調整。
亮度加強brightness用於調整圖片的明暗平衡。
ImageEnhance.Brightness(img)#獲得亮度加強器實例 factor=1返回一個黑色的圖片對象，0返回原始圖片對象
對比度加強contrast用於調整圖片的對比度，相當於彩色電視機的對比度調整。
ImageEnhance.Contrast(image) #獲得對比度加強器實例 import ImageEnhance enh = ImageEnhance.Contrast(im) enh.ehhance(1.5).show("50% more contrast") 銳化度加強sharpness用於銳化/鈍化圖片。
ImageEnhance.Sharpness(image) #返回銳化加強器實例 應該注意的是銳化操作的factor是一個0-2的浮點數，當factor=0時，返回一個完全模糊的圖片對象，當factor=1時，返回一個完全銳化的圖片對象，factor=1時，返回原始圖片對象
Python圖像處理庫ImageChops模塊
這個模塊主要包括對圖片的算術運算，叫做通道運算(channel operations)。這個模塊可以用於多種途徑，包括一些特效制作，圖片整合，算數繪圖等等方面。
Invert:
ImageChops.invert(image) 圖片反色，類似於集合操作中的求補集，最大值為Max，每個像素做減法，取出反色.
公式
out = MAX - image lighter:
ImageChops.lighter(image1, image2) darker:
ImageChops.darker(image1, image2) difference
ImageChops.difference(image1, image2) 求出兩張圖片的絕對值，逐像素的做減法
multiply
ImageChops.multiply(image1, image2) 將兩張圖片互相疊加，如果用純黑色與某圖片進行疊加操作，會得到一個純黑色的圖片。如果用純白色與圖片作疊加，圖片不受影響。
計算的公式如下公式
out = img1 * img2 / MAX screen:
ImageChops.screen(image1, image2) 先反色，后疊加。
公式
out = MAX - ((MAX - image1) * (MAX - image2) / MAX) add:
ImageChops.add(img1, img2, scale, offset) 對兩張圖片進行算術加法，按照一下公式進行計算
公式
out = (img1+img2) / scale + offset 如果尺度和偏移被忽略的化，scale=1.0, offset=0.0即
out = img1 + img2
subtract:
ImageChops.subtract(img1, img2, scale, offset) 對兩張圖片進行算術減法：
公式
out = (img1-img2) / scale + offset Python圖形圖像處理庫ImageFilter模塊圖像濾鏡
ImageFilter是PIL的濾鏡模塊，通過這些預定義的濾鏡，可以方便的對圖片進行一些過濾操作，從而去掉圖片中的噪音(部分的消除)，這樣可以降低將來處理的復雜度(如模式識別等)。
濾鏡名稱 含義 ImageFilter.BLUR 模糊濾鏡 ImageFilter.CONTOUR 輪廓 ImageFilter.EDGE_ENHANCE 邊界加強 ImageFilter.EDGE_ENHANCE_MORE 邊界加強(閥值更大) ImageFilter.EMBOSS 浮雕濾鏡 ImageFilter.FIND_EDGES 邊界濾鏡 ImageFilter.SMOOTH 平滑濾鏡 ImageFilter.SMOOTH_MORE 平滑濾鏡(閥值更大) ImageFilter.SHARPEN 銳化濾鏡 要使用PIL的濾鏡功能，需要引入ImageFilter模塊
import Image, ImageFilter def inHalf(img): w,h = img.size return img.resize((w/2, h/2)) def filterDemo(): img = Image.open("sandstone_half.jpg") #img = inHalf(img) imgfilted = img.filter(ImageFilter.SHARPEN) #imgfilted.show() imgfilted.save("sandstone_sharpen.jpg") if __name__ == "__main__": filterDemo() 參考文獻
用python簡單處理圖片
python圖形處理庫PIL（Python Image Library）