Python图像处理库——PIL
PIL全称Python Image Library，是python官方的图像处理库，包含各种图像处理模块。Pillow是PIL的一个派生分支，包含与PIL相同的功能，并且更灵活。python3.0之后，PIL不再更新，pillow代替了它原有的地位。Pillow的官方文档：
https://pillow.readthedocs.io/en/stable/reference/index.html
在调用pillow时，代码依然是写成PIL，模块导入方式如下：
from PIL import Image,ImageFilter
下面介绍基本用法。
Image
Image是pillow最基本的模块，包含用于保存图像对象的类。
图像导入、旋转、显示、保存
from PIL import Image img = Image.open(\'1.jpg\') img = img.rotate(45) img.show() img.save(\'r.jpg\')
图像导入后保存为Image对象，该对象自带各种函数，包括图像处理操作、显示、保存等功能，大部分操作返回的依然是Image对象。需要注意的是，open函数执行的时候并没有立即把图像像素数据导入，仅仅是对图像文件添加占用标记，直到图像真正需要用于计算时，才会把像素数据导入。以上代码结果如下：
Numpy.array与Image之间的转换
Image到array
import numpy as np from PIL import Image img = Image.open(\'1.jpg\') a = np.array(img) print(a.shape, a.dtype)
对于读取的图像，在Image对象中，图像默认以RGB模式保存，且各个像素值默认用 8bit 的无符号整型来存，不论图像以什么类型保存。因此转换为array后dtype是uint8，不像matplotlib，png是float32，而jpg是uint8。其它图像模式看官方文档：
https://pillow.readthedocs.io/en/stable/handbook/concepts.html#concept-modes
array到Image
import numpy as np from PIL import Image a = np.random.random([256,256,3])*255 a = np.array(a,dtype = np.uint8) img = Image.fromarray(a) img.show()
array必须先将数据类型转换到uint8才能转换成Image，否则会出错，尽管文档中写着能有限地支持浮点类型。
图像模式转换
from PIL import Image img = Image.open(\'1.jpg\').convert(\'1\') img.show()
以上代码将Image模式从RGB转换为1，也就是黑白两色。效果如下：
图像转换后，Image对象所对应的像素值以及对应的数据类型也就变了。显示的时候，Pillow会以对应的模式来显示。可以做如下实验，先将图像转变为YCbCr模式，然后分别直接显示和转变成array后在matplotlib中显示，代码如下：
import numpy as np import matplotlib.pyplot as plt from PIL import Image img = Image.open(\'1.jpg\').convert(\'YCbCr\') img.show() # 直接显示 img = np.array(img) plt.imshow(img)# matplotlib中显示 plt.axis(\'off\') plt.show()
两个效果分别如下：
可以看出，pillow 对转换成 YCbCr 模式的图像能以对应的模式显示，而因为 matplotlib 是以RGB模式来显示的，因此 YCbCr 模式的图像会呈现右图效果。
图像缩放
等比例缩放
from PIL import Image size = 80,80 img = Image.open(\'1.jpg\') img.thumbnail(size) img.show()
按等比例缩小图像，长宽都小于等于size。需要注意的是，这个操作是直接作用与原对象上，返回为None。而通常的操作则是返回处理得到的新对象，原对象不改变，比如上面的rotate。所以这个函数的实现有点问题，和其它的特性不同，容易导致出错，最好少用。
直接缩放
img = img.resize([128,128],Image.BICUBIC,box = (10,50,1200,1000))
三个参数分别表示：目标大小 （宽，高），采样方式，用于缩放的图像区域。
图像混合
无透明通道
from PIL import Image img1 = Image.open(\'1.jpg\') img2 = Image.open(\'2.jpg\') img = Image.blend(img1,img2,0.5) img.show()
将两张图像按$\alpha : (1-\alpha)$的透明度混合，$\alpha$可以不在$(0,1)$内，结果像素值会裁剪到合理范围内。显示结果如下：
有透明通道
img = Image.alpha_composite(img1,img2)
其中两张图像必须都有$\alpha$通道。
自定义混合
import numpy as np from PIL import Image img1 = Image.open(\'1.jpg\') img2 = Image.open(\'2.jpg\') mask = np.ones([img1.size[1],img1.size[0]],dtype=np.uint8) mask[:,img1.size[0]//2:] *= 175 mask[:,:img1.size[0]//2] *= 80 mask = Image.fromarray(mask) img = Image.composite(img1,img2,mask) img.show()
composite函数使用mask对两张图像进行混合，从而不同的位置可以定义不同的透明度，以上代码效果如下：
单像素处理
from PIL import Image import numpy as np img = Image.open(\'1.jpg\') img = Image.eval(img, lambda x : x*np.random.rand()*2) img.show()
eval第二个参数传入对单一像素的操作，这个操作会作用在整张图像的每个像素值上。效果如下：
旋转、镜像
from PIL import Image img = Image.open(\'1.jpg\') img = img.transpose(1) img.show()
transpose 有0~6共7个输入，代表图像7个旋转、镜像方向，加上原图，一共8个方向。
ImageFilter
这个模块用于图像的滤波处理。用法也是基于Image模块。基本用法如下：
from PIL import Image,ImageFilter img = Image.open(\'1.jpg\') img = img.filter(ImageFilter.GaussianBlur(5)) img.show()
将ImageFilter的函数作为参数输入filter中。还有很多种滤波方式，不一一列举。
其它模块
ImageEnhance：用于图像增强，如锐化、增亮。
ImageGrab：用于截屏或读取剪贴板获取图像。
ImageDraw：用于绘制简单的线条和标记。
还有很多模块，但感觉用起来还不如numpy+matplotlib方便，不在此记录，有需要请看官方文档。