python计算机视觉学习笔记——PIL库的用法

如果需要处理的原图及代码，请移步小编的GitHub地址

传送门： 请点击我

如果点击有误：https://github.com/LeBron-Jian/ComputerVisionPractice

这个是之前的笔记，自己看到了就顺带发出来，也是温习一下，内容可能不太全，算是入门贴吧。

前言：PIL

图像处理是计算机视觉领域中不可或缺的一部分，而PIL（Python Imaging Library）库和OpenCV（Open Source Computer Vision Library）是两个常用的工具。今天这里主要学习以下PIL库，PIL 是一个用于图像处理的 Python 库，提供了丰富的图像处理功能。它包含了处理图像的各种工具和算法，可以进行图像的打开、保存、剪裁、旋转、缩放等操作。

PIL（Python Imaging Library）和 OpenCV 都是用于图像处理的强大库，它们各自有着不同的优势和适用场景。以下是一些导致 PIL 仍然被使用的原因：

1，PIL的优点

4. 文字和绘图功能：PIL允许在图像上添加文字、绘制几何图形和绘制曲线，这对于图像注释和标记非常有帮助。
5. 扩展功能：PIL还支持各种扩展功能，如图像滤波、直方图均衡化和颜色空间转换等。

2，PIL 的缺点

3，PIL 库和OpenCV的区别

1. 编程语言：PIL库是用纯Python编写的，而OpenCV主要是用C++编写的，并提供了Python的接口。如果您更熟悉Python，并且希望使用Python进行图像处理，那么PIL可能更适合您。并且PIL 的接口相对较为简单，特别适合一些简单的图像处理任务。对于一些不需要太多高级功能的应用，PIL 提供了直观的方法和易于使用的 API。
2. 功能和算法：OpenCV提供了更丰富和先进的图像处理算法和函数，涵盖了从基本操作到高级计算机视觉任务的各个方面。而PIL 在功能上相对轻量，适合一些小型项目或者只需要进行基本图像处理的场景。如果你的需求主要是一些简单的图像操作，PIL 可能是更轻便的选择。
3. 性能：由于OpenCV是用C++编写的，因此在处理大型图像和复杂计算任务时具有较高的性能优势。PIL库在处理大型图像时可能效率稍低。
4. 生态系统：OpenCV拥有庞大的社区支持和丰富的文档资源，可以帮助您解决问题和学习。而PIL库的社区活动相对较少，文档资源相对较少。

4，如何使用PIL库

首先是安装，比较简单：

下面是一个简单的示例，演示了如何使用PIL库来打开一个图像文件，然后将图像转换为灰度图，并保存到新的文件中：

虽然 OpenCV 在计算机视觉和更复杂的图像处理任务中表现得非常强大，但选择使用哪个库通常取决于具体的需求和项目特点。在一些情况下，PIL 可能更为合适，而在其他情况下，特别是涉及到计算机视觉领域的任务，OpenCV 可能更具优势。

总体来说，网上开源的一些计算机视觉中也使用PIL加载图像，所以有不得不学习的理由，话不多说，开干：

一：pillow模块的基本概念

Pillow的官网地址：https://pillow.readthedocs.io/en/stable/，其实打开后，什么都有，只是都是英文，对于部分同学不方面而已。

PIL：Python Imaging Library，已经是Python平台上的图像处理标准库了。由于PIL仅支持到Python2.7 ，加上年久失修，于是一群志愿者在PIL的基础上创建了兼容的版本，名字叫Pillow，支持最新版本的Python3.X，又加了许多新特性。因此，我们可以直接安装使用Pillow。

PIL中所涉及的基本概念有如下几个：通道（bands）、模式（mode）、尺寸（size）、坐标系统（coordinate system）、调色板（palette）、信息（info）和滤波器（filters）。

1.1? 通道——Image.getbands

每张图片都是由一个或者多个数据通道构成。PIL允许在单张图片中合成相同维数和深度的多个通道。

以RGB图像为例，每张图片都是由三个数据通道构成，分别为R、G和B通道。而对于灰度图像，则只有一个通道。

对于一张图片的通道数量和名称，可以通过方法getbands()来获取。方法getbands()是Image模块的方法，它会返回一个字符串元组（tuple）。该元组将包括每一个通道的名称。

Python的元组与列表类似，不同之处在于元组的元素不能修改,元组使用小括号，列表使用方括号，元组创建很简单，只需要在括号中添加元素，并使用逗号隔开即可。

方法getbands()的使用如下：

1.2? 模式——Image.mode

图像的模式定义了图像的类型和像素的位宽。当前支持如下模式：

可以通过mode属性读取图像的模式。其返回值是包括上述模式的字符串。

属性mode的使用如下：

1.3? 尺寸——Image.size

通过size属性可以获取图片的尺寸。这是一个二元组，包含水平和垂直方向上的像素数。

属性mode的使用如下：

1.4? 坐标系统

在PIL（或Pillow）中，图像的坐标系统遵循常见的数学坐标系，其中左上角是原点（0, 0），x轴向右增长，y轴向下增长。这意味着图像的左上角具有坐标 (0, 0) ，而右下角的坐标是 (width-1, height-1) 。

以下是一个简单的示例说明PIL的坐标系统：

输出图像：

1.5? 调色板 ——Image.palette

在PIL（Python Imaging Library）中，调色板（Palette）是一种用于存储和管理颜色映射的机制。调色板通常与图像的索引颜色模式一起使用，这意味着图像的每个像素值不直接表示颜色，而是作为索引来查找调色板中的实际颜色。

以下是有关调色板的一些重要概念和说明：

1. 索引颜色模式：

   • 在索引颜色模式中，图像的每个像素值都是一个索引，该索引对应于调色板中的颜色。
   • 通常，索引颜色模式用于节省存储空间，特别是对于包含有限颜色集的图像。

2. 调色板的组成：

   • 调色板是一个包含颜色信息的数据结构，通常由颜色元组组成。颜色元组可以是RGB（红、绿、蓝）格式，也可以是其他颜色表示格式。
   • 对于每个索引，调色板中都有一个与之对应的颜色。

3. 使用调色板的图像格式：

   • 一些常见的使用调色板的图像格式包括GIF和PNG-8。这些格式在保存图像时使用调色板，而不是直接存储每个像素的完整颜色信息。

4. 图像的调色板属性：

   • PIL中的图像对象具有调色板属性，通过该属性可以获取和设置图像的调色板。
   • 使用 image.getpalette() 方法可以获取图像的调色板，而 image.putpalette() 方法可以设置调色板。

以下是一个简单的示例，演示如何使用PIL中的调色板：

这个例子创建了一个调色板，然后使用索引颜色模式创建了一个8x8的图像，并通过设置像素值（索引）来使用调色板中的颜色。

1.6? 信息 ——Image.info

使用info属性可以为一张图片添加一些辅助信息。这个是字典对象。加载和保存图像文件时，多少信息需要处理取决于文件格式。

属性info的使用如下：

1.7? 滤波器

对于将多个输入像素映射为一个输出像素的几何操作，PIL提供了四个不同的采样滤波器。

Image模块中的方法 resize() 和 thumbnail()用到了滤波器。

方法resize() 的使用如下：

对参数filter不赋值的话，方法resize()默认使用NEAREST滤波器。如果要使用其他滤波器可以通过下面的方法来实现：

2，Image对象

2.1? 实例化对象

直接读取图片

2.2 格式转换——save方法

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，语法如下：

2.3? 格式转换——Convert方法

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() 方法就会出现错误，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：

2.4? 图像缩放

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

语法：

2.5? 图像的分离和合并

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 ，而图像的分离与合并，指的就是图像颜色的分离和合并

图像分离：split方法

示例：

图像合并：merge方法

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

示例：

图像合并：blend方法

Image 类也提供了 blend() 方法来混合 RGBA 模式的图片（PNG 格式）

语法：

2.6? 图像裁剪

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

语法：

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

3，代码实战

3.1 图像的属性的打印示例

注意：源文件的文件格式。如果是由PIL创建的空图像，则其文件格式为None，即?im.format ? string or None

示例代码如下：

3.2? 使用PIL进行灰度化+二值化

代码如下：

原图图片效果展示：

灰度化图片效果展示：

二值化图片效果展示：

3.2? 图像转换示例

代码如下：