python使用pil进行图像处理(等比例压缩、裁剪)实例代码

水深无声 2023-07-05 11:56 38阅读 0赞

这篇文章主要介绍了python使用pil进行图像处理(等比例压缩、裁剪)实例代码，首先介绍了pil的相关内容，然后分享了实例代码，具有一定借鉴价值，需要的朋友可以参考下  
PIL中设计的几个基本概念

1.通道（bands）：即使图像的波段数，RGB图像，灰度图像

以RGB图像为例：

>>>from PIL import Image
    >>>im = Image.open('*.jpg')   # 打开一张RGB图像
    >>>im_bands = im.g
    etbands() # 获取RGB三个波段
    >>>len(im_bands)
    >>>print im_bands[0,1,2]     # 输出RGB三个值

2.模式（mode）：定义了图像的类型和像素的位宽。共计9种模式：

>>> im.mode

① 1：1位像素，表示黑和白，但是存储的时候每个像素存储为8bit。
    ② L：8位像素，表示黑和白。
    ③ P：8位像素，使用调色板映射到其他模式。
    ④ RGB：3x8位像素，为真彩色。
    ⑤ RGBA：4x8位像素，有透明通道的真彩色。
    ⑥ CMYK：4x8位像素，颜色分离。
    ⑦ YCbCr：3x8位像素，彩色视频格式。
    ⑧ I：32位整型像素。
    ⑨ F：32位浮点型像素。

3.尺寸（size）：获取图像水平和垂直方向上的像素数

>>> im.size()

4.坐标系统（coordinate system）：

PIL使用笛卡尔像素坐标系统，坐标(0，0)位于左上角。

注意：坐标值表示像素的角；位于坐标（0，0）处的像素的中心实际上位于（0.5，0.5）。

5.调色板（palette）：

调色板模式（“P”）适用一个颜色调色板为每一个像素定义具体的颜色值。

6.信息（info）  
`>>> im.info() # 返回值为字典对象`  
7.滤波器（filters）：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4种不同的采样滤波器：

① NEAREST：最近滤波。从输入图像中选取最近的像素作为输出像素。

② BILINEAR：双线性内插滤波。在输入图像的2\*2矩阵上进行线性插值。

③ BICUBIC：双立方滤波。在输入图像的4\*4矩阵上进行立方插值。

④ ANTIALIAS：平滑滤波。对所有可以影响输出像素的输入像素进行高质量的重采样滤波，以计算输出像素值。

im.resize()和im.thumbnail()用到了滤波器  
方法一：resize(size,filter = None)

>>> from PIL import Image 
    >>> im = Image.open('*.jpg')
    >>> im.size
    >>> im_resize = im.resize((256,256)) #default 情况下是NEAREST插值方法
    >>> im_resize0 = im.resize((256,256), Image.BILINEAR)
    >>> im_resize0.size
    >>> im_resize1 = im.resize((256,256), Image.BICUBIC)
    >>> im_resize2 = im.resize((256,256), Image.ANTIALIAS)

方法二：im.thumbnail(size,filter = None)

对于pil的相关介绍就到这里了，下面分享一个使用pil进行图像处理(等比例压缩、裁剪)实例代码，如下：

#coding:utf-8
    ''' python图片处理 @author:fc_lamp @blog:http://fc-lamp.blog.163.com/ '''
    import Image as image
    #等比例压缩图片
    def resizeImg(**args):
      args_key = { 'ori_img':'','dst_img':'','dst_w':'','dst_h':'','save_q':75}
      arg = { }
      for key in args_key:
        if key in args:
          arg[key] = args[key]
      im = image.open(arg['ori_img'])
      ori_w,ori_h = im.size
      widthRatio = heightRatio = None
      ratio = 1
      if (ori_w and ori_w > arg['dst_w']) or (ori_h and ori_h > arg['dst_h']):
        if arg['dst_w'] and ori_w > arg['dst_w']:
          widthRatio = float(arg['dst_w']) / ori_w #正确获取小数的方式
        if arg['dst_h'] and ori_h > arg['dst_h']:
          heightRatio = float(arg['dst_h']) / ori_h
        if widthRatio and heightRatio:
          if widthRatio < heightRatio:
            ratio = widthRatio
          else:
            ratio = heightRatio
        if widthRatio and not heightRatio:
          ratio = widthRatio
        if heightRatio and not widthRatio:
          ratio = heightRatio
        newWidth = int(ori_w * ratio)
        newHeight = int(ori_h * ratio)
      else:
        newWidth = ori_w
        newHeight = ori_h
      im.resize((newWidth,newHeight),image.ANTIALIAS).save(arg['dst_img'],quality=arg['save_q'])
      ''' image.ANTIALIAS还有如下值： NEAREST: use nearest neighbour BILINEAR: linear interpolation in a 2x2 environment BICUBIC:cubic spline interpolation in a 4x4 environment ANTIALIAS:best down-sizing filter '''
    #裁剪压缩图片
    def clipResizeImg(**args):
      args_key = { 'ori_img':'','dst_img':'','dst_w':'','dst_h':'','save_q':75}
      arg = { }
      for key in args_key:
        if key in args:
          arg[key] = args[key]
      im = image.open(arg['ori_img'])
      ori_w,ori_h = im.size
      dst_scale = float(arg['dst_h']) / arg['dst_w'] #目标高宽比
      ori_scale = float(ori_h) / ori_w #原高宽比
      if ori_scale >= dst_scale:
        #过高
        width = ori_w
        height = int(width*dst_scale)
        x = 0
        y = (ori_h - height) / 3
      else:
        #过宽
        height = ori_h
        width = int(height*dst_scale)
        x = (ori_w - width) / 2
        y = 0
      #裁剪
      box = (x,y,width+x,height+y)
      #这里的参数可以这么认为：从某图的(x,y)坐标开始截，截到(width+x,height+y)坐标
      #所包围的图像，crop方法与php中的imagecopy方法大为不一样
      newIm = im.crop(box)
      im = None
      #压缩
      ratio = float(arg['dst_w']) / width
      newWidth = int(width * ratio)
      newHeight = int(height * ratio)
      newIm.resize((newWidth,newHeight),image.ANTIALIAS).save(arg['dst_img'],quality=arg['save_q'])
    #水印(这里仅为图片水印)
    def waterMark(**args):
      args_key = { 'ori_img':'','dst_img':'','mark_img':'','water_opt':''}
      arg = { }
      for key in args_key:
        if key in args:
          arg[key] = args[key]
      im = image.open(arg['ori_img'])
      ori_w,ori_h = im.size
      mark_im = image.open(arg['mark_img'])
      mark_w,mark_h = mark_im.size
      option ={ 'leftup':(0,0),'rightup':(ori_w-mark_w,0),'leftlow':(0,ori_h-mark_h),
           'rightlow':(ori_w-mark_w,ori_h-mark_h)
           }
      im.paste(mark_im,option[arg['water_opt']],mark_im.convert('RGBA'))
      im.save(arg['dst_img'])
    #Demon
    #源图片
    ori_img = 'D:/tt.jpg'
    #水印标
    mark_img = 'D:/mark.png'
    #水印位置(右下)
    water_opt = 'rightlow'
    #目标图片
    dst_img = 'D:/python_2.jpg'
    #目标图片大小
    dst_w = 94
    dst_h = 94
    #保存的图片质量
    save_q = 35
    #裁剪压缩
    clipResizeImg(ori_img=ori_img,dst_img=dst_img,dst_w=dst_w,dst_h=dst_h,save_q = save_q)
    #等比例压缩
    #resizeImg(ori_img=ori_img,dst_img=dst_img,dst_w=dst_w,dst_h=dst_h,save_q=save_q)
    #水印
    #waterMark(ori_img=ori_img,dst_img=dst_img,mark_img=mark_img,water_opt=water_opt)

推荐我们的python学习基地，看前辈们是如何学习的！从基础的python脚本、爬虫、django、数据挖掘等编程已经，还有整理零基础到项目实战的资料，送给每一位爱学习python的小伙伴！每天都有老前辈定时讲解Python技术，分享一些学习的方法和需要留意的小细节，点击加入我们的 [python学习者聚集地][python]  
总结

以上就是本文关于python使用pil进行图像处理(等比例压缩、裁剪)实例代码的全部内容

[python]: https://jq.qq.com/?_wv=1027&k=5ipV5It