PIL(Python Imaging Library)-用Python画图

最近工作中需要用到图片的自动化处理,于是了解了一下PIL程序库。

什么是PIL

PIL(Python Imaging Library)是python中处理图像常用的一个库,常见的用法包括可以操作二维像素点、线、文字以及对现有图片的缩放、变形、通道处理,也可以转换图片的编码格式,可以比较两幅图片的不同。

安装

python中安装库一般通过pip或者easy_install,如果这两者不可行,一般在搜索引擎找到官网或者github项目地址,进入主目录执行python setup.py install。PIL安装方式亦如上所述。

使用场景

基本操作:打开,打印文件属性和展示图片

>>> import Image
>>> im = Image.open("lena.ppm")
>>> print im.format, im.size, im.mode
PPM (512, 512) RGB

>>> im.show()

其中format包括jpg,png,gif,bmp等
size很好理解,返回的是一个二元组代表宽高
mode代表的是色彩模式,除了RGB,共支持如下模式

  • 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)
图片缩放:
size = (128, 128)

im = Image.open(infile)
im.thumbnail(size)

经过测试,缩放是会保留原始长宽比的,缩放操作其实意味着在保留长宽比的前提下,缩放后结果的高不大于128,宽也不大于128.

缩放时还有一个filter参数,可以控制图片的质量,压缩时PIL处理过程中称为resampling的过程,可以采用以下filter:

- NEAREST
Pick the nearest pixel from the input image. Ignore all other input pixels.
直接采用该像素点最近的像素点的色彩值

- BILINEAR
Use linear interpolation over a 2x2 environment in the input image. Note that in the current version of PIL, this filter uses a fixed input environment when downsampling.
类似第一种,只不过扩大了采样的范围并作平均。是2*2的范围

- BICUBIC
Use cubic interpolation over a 4x4 environment in the input image. Note that in the current version of PIL, this filter uses a fixed input environment when downsampling.
进一步扩大到了4*4的范围

- ANTIALIAS
(New in PIL 1.1.3). Calculate the output pixel value using a high-quality resampling filter (a truncated sinc) on all pixels that may contribute to the output value. In the current version of PIL, this filter can only be used with the resize and thumbnail methods.
看不太懂,反正这个是推荐的,官方认为只要不是对速度有非常大的要求,都要采用这个filter。

通过实际操作,确实发现第四种明显减少了锯齿,而第一种nearest锯齿最为严重

对比ANTIALIAS vs NEAREST
图片转换:
im = Image.open(“a.png")
im.save(“a.jpg”)

PIL默认会读取后缀名来应该用何种编码来转换这张图片。

图片粘贴:
width = 850
height = 510
im = Image.open(“for_paste.jpg")
image = Image.new('RGB', (width, height), (255, 255, 255))
box = (250,42,550,325)

image.paste(im,box)

代码首先新建了一个image对象,作为我们的画布,然后将for_paster.jpg粘贴到画面中的区域。box是一个四元组,含义为(左上角x,左上角y,右下角x,右下角y)。这里如果box的宽和高与被粘贴图片的宽高不一致,系统会抛异常。

图片中写字:
#创建一个字体实例,采用微软雅黑38号
font_en = ImageFont.truetype('/Library/Fonts/Microsoft/Microsoft Yahei.ttf',38)
draw = ImageDraw.Draw(image)

#指定字体和颜色(RGB)
draw.text( (0,100), u’He acknowledged his faults.', font=font_en,fill=(0,0,0))
del draw

结果如下:

Python画图
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,802评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,109评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,683评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,458评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,452评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,505评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,901评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,550评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,763评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,556评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,629评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,330评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,898评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,897评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,140评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,807评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,339评论 2 342

推荐阅读更多精彩内容