Python圖像庫PIL(Python Image Library)是python的第三方圖像處理庫，但是由于其強大的功能與眾多的使用人數，幾乎已經被認為是python官方圖像處理庫了。其官方主頁為:PIL。 PIL歷史悠久，原來是只支持python2.x的版本的，后來出現了移植到python3的庫pillow,pillow號稱是friendly fork for PIL,其功能和PIL差不多，但是支持python3。本文主要介紹PIL那些最常用的特性與用法,主要參考自:http://www.effbot.org/imagingbook

PIL可以做很多和圖像處理相關的事情:

• 圖像歸檔(Image Archives)。PIL非常適合于圖像歸檔以及圖像的批處理任務。你可以使用PIL創建縮略圖，轉換圖像格式，打印圖像等等。
• 圖像展示(Image Display)。PIL較新的版本支持包括Tk PhotoImage，BitmapImage還有Windows DIB等接口。PIL支持眾多的GUI框架接口，可以用于圖像展示。
• 圖像處理(Image Processing)。PIL包括了基礎的圖像處理函數，包括對點的處理，使用眾多的卷積核(convolution kernels)做過濾(filter),還有顏色空間的轉換。PIL庫同樣支持圖像的大小轉換，圖像旋轉，以及任意的仿射變換。PIL還有一些直方圖的方法，允許你展
• 示圖像的一些統計特性。這個可以用來實現圖像的自動對比度增強，還有全局的統計分析等。

圖像類Image class

????Image類是PIL中的核心類，你有很多種方式來對它進行初始化，比如從文件中加載一張圖像，處理其他形式的圖像，或者是從頭創造一張圖像等。Image模塊操作的基本方法都包含于此模塊內。如open、save、conver、show…等方法。下面是PIL的 Image類中常用的方法和屬性:

open方法
? Image.open(file) ? image?
? Image.open(file, mode) ? image

要從文件加載圖像，使用 open() 函數， 在 Image 模塊（類）：

代碼如下：-------------------------------------------
??? from PIL import Image???????????? ##調用庫，包含圖像類
??? im = Image.open("3d.jpg")? ##文件存在的路徑，如果沒有路徑就是當前目錄下文件
??? im.show()
運行結果：----------------------------------------------

需要知道的是在win的環境下im.show的方式為win自帶的圖像顯示應用。打開并確認給定的圖像文件。這個是一個懶操作；該函數只會讀文件頭，而真實的圖像數據直到試圖處理該數據才會從文件讀取（調用load()方法將強行加載圖像數據）。如果變量mode被設置，那必須是“r”。用戶可以使用一個字符串（表示文件名稱的字符串）或者文件對象作為變量file的值。文件對象必須實現read()，seek()和tell()方法，并且以二進制模式打開。

save方法
? im.save(outfile,options…)
? im.save(outfile, format, options…)

????? 用 Image 類的 save() 方法保存文件的文件，使用給定的文件名保存圖像。如果變量format缺省，如果可能的話，則從文件名稱的擴展名判斷文件的格式。該方法返回為空。關鍵字options為文件編寫器提供一些額外的指令。如果編寫器不能識別某個選項，它將忽略它。用戶可以使用文件對象代替文件名稱。在這種情況下，用戶必須指定文件格式。文件對象必須實現了seek()、tell()和write()方法，且其以二進制模式打開。如果方法save()因為某些原因失敗，這個方法將產生一個異常（通常為IOError異常）。如果發生了異常，該方法也有可能已經創建了文件，并向文件寫入了一些數據。如果需要的話，用戶的應用程序可以刪除這個不完整的文件。

jpg 轉換成png

#----------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
print(im)
im.save("3d.png")???? ## 將"3d.jpg"保存為3d.png"
im = Image.open("3d.png")? ##打開新的png圖片
print(im.format, im.size, im.mode)
#-----------------------------------------------

執行 結果：

format屬性

im.format ? string or None

這個屬性標識了圖像來源，如果圖像不是從文件讀取它的值就是None。

#-----------------------------------------------

from PIL import Image
im = Image.open("3d.jpg")
print(im.format) ## 打印出格式信息
im.show()

#-----------------------------------------------

mode屬性

im.mode ? string

圖像的模式，常見的mode 有 “L” (luminance) 表示灰度圖像，“RGB”表示真彩色圖像，和 “CMYK” 表示出版圖像，表明圖像所使用像素格式。如下表為常見的nodes描述：

modes	Description
1	1位像素，黑白圖像，存成8位像素
L	8位像素，黑白
P	9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，印刷四色模式或彩色印刷模式
YCbCr	3*8位像素，色彩視頻格式
I	32位整型像素
F	33位浮點型像素

?

#---------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
print(im.mode) ## 打印模式屬性
im.show()

#---------------------------------------------------------

convert方法

? im.convert(mode)? image

將當前圖像轉換為其他模式，并且返回新的圖像。當從一個調色板圖像轉換時，這個方法通過這個調色板來轉換像素。如果不對變量mode賦值，該方法將會選擇一種模式，在沒有調色板的情況下，使得圖像和調色板中的所有信息都可以被表示出來。當從一個顏色圖像轉換為黑白圖像時，PIL庫使用ITU-R601-2 luma轉換公式：

? L = R * 299/1000 + G * 587/1000 + B * 114/1000

當轉換為2位圖像（模式“1”）時，源圖像首先被轉換為黑白圖像。結果數據中大于127的值被設置為白色，其他的設置為黑色；這樣圖像會出現抖動。如果要使用其他閾值，更改閾值127，可以使用方法point()。為了去掉圖像抖動現象，可以使用dither選項。

#-----------------------------------------------

from PIL import Image
im = Image.open("3d.jpg")
new_im = im.convert('P')
print(new_im.mode)
new_im.show()
#-----------------------------------------------

?????????????????????????? P模式

?

im.convert(“P”,**options) ? image

這個與第一個方法定義一樣，但是當“RGB”圖像轉換為8位調色板圖像時能更好的處理。可供選擇的選項為：

Dither=. 控制顏色抖動。默認是FLOYDSTEINBERG，與鄰近的像素一起承擔錯誤。不使能該功能，則賦值為NONE。

Palette=. 控制調色板的產生。默認是WEB，這是標準的216色的“web palette”。要使用優化的調色板，則賦值為ADAPTIVE。

Colors=. 當選項palette為ADAPTIVE時，控制用于調色板的顏色數目。默認是最大值，即256種顏色

? im.convert(mode,matrix) ? image

使用轉換矩陣將一個“RGB”圖像轉換為“L”或者“RGB”圖像。變量matrix為4或者16元組。

#-----------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
print(im.mode)
rgb2xyz = (0.412453,0.357580, 0.180423, 0,
?????????? 0.212671,0.715160, 0.072169, 0,
?????????? 0.019334,0.119193, 0.950227, 0 )
new_im = im.convert("L", rgb2xyz)
print(new_im.mode)
new_im.show()

????????????????????????????????? 原圖?????????????????????????????????????????????????????????????? 轉換后圖

size屬性

im.size ? (width, height)
圖像的尺寸，按照像素數計算，它的返回值為寬度和高度的二元組（width, height）。

#----------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
print(im.size) ## 打印圖像尺寸
im.show()

命令行顯示圖片的尺寸為426*306。

palette屬性
? im.palette ? palette or None

顏色調色板表格。如果圖像的模式是“P”，則返回Image? Palette類的實例；否則，將為None。
如下為對非“P”模式下的圖像進行palette信息顯示。

#----------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
print(im.palette)

返回值為none

?
對圖像進行convert操作，轉換成“P”模式

#----------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
new_im = im.convert('P')
print(new_im.mode)
print(new_im.palette)

則返回值為ImagePalette類的實例。如下：

info屬性
? im.info ? dictionary
存儲圖像相關數據的字典。文件句柄使用該字典傳遞從文件中讀取的各種非圖像信息。大多數方法在返回新的圖像時都會忽略這個字典；因為字典中的鍵并非標準化的，對于一個方法，它不知道自己的操作如何影響這個字典。如果用戶需要這些信息，需要在方法open()返回時保存這個字典。

#-------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
print(im.info)

執行結果：

new方法

? Image.new(mode,size) ? image
??Image.new(mode, size,color) ? image

使用給定的變量mode和size生成新的圖像。Size是給定的寬/高二元組，這是按照像素數來計算的。對于單通道圖像，變量color只給定一個值；對于多通道圖像，變量color給定一個元組（每個通道對應一個值）。在版本1.1.4及其之后，用戶也可以用顏色的名稱，比如給變量color賦值為“red”。如果沒有對變量color賦值，圖像內容將會被全部賦值為0（為黑色）。如果變量color是空，圖像將不會被初始化，即圖像的內容全為0。這對向該圖像復制或繪制某些內容是有用的。

下面將圖像設置為128x128大小的紅色圖像：

#-------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
n_im= Image.new("RGB", (128, 128), "#FF0000")
n_im.show()

效果如下：

?
下圖像為128x128大小的黑色圖像，因為變量color不賦值的話，圖像內容被設置為0，即黑色

#------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
n_im= Image.new("RGB", (128, 128))
n_im.show()

圖像為128x128大小的綠色圖像

#----------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
n_im= Image.new("RGB", (128, 128),"green")
n_im.show()

Copy方法

? im.copy() ? image

拷貝這個圖像。如果用戶想粘貼一些數據到這張圖，可以使用這個方法，但是原始圖像不會受到影響。
from PIL import Image
im = Image.open("3d.jpg")
im_copy = im.copy()

圖像im_copy和im完全一樣。

crop方法

?im.crop(box) ? image

從當前的圖像中返回一個矩形區域的拷貝。變量box是一個四元組，定義了左、上、右和下的像素坐標。用來表示在原始圖像中截取的位置坐標，如box(100,100,200,200)就表示在原始圖像中以左上角為坐標原點，截取一個100*100（像素為單位）的圖像，為方便理解，如下為示意圖box（b1,a1,b2,a2）。作圖軟件為Visio2016。這是一個懶操作。對源圖像的改變可能或者可能不體現在裁減下來的圖像中。為了獲取一個分離的拷貝，對裁剪的拷貝調用方法load()。

#-------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
box = (20, 30, 300, 200)????????????? ##確定拷貝區域大小
region = im.crop(box)?????????????????? ##將im表示的圖片對象拷貝到region中，大小為box
region.show()

#-------------------------------------

paste方法

? im.paste(image,box)

將一張圖粘貼到另一張圖像上。變量box或者是一個給定左上角的2元組，或者是定義了左，上，右和下像素坐標的4元組，或者為空（與（0，0）一樣）。如果給定4元組，被粘貼的圖像的尺寸必須與區域尺寸一樣。如果模式不匹配，被粘貼的圖像將被轉換為當前圖像的模式。

#-------------------------------------

from PIL import Image
im = Image.open("3d.jpg")
box=[0,0,100,100]
im_crop = im.crop(box)
print(im_crop.size,im_crop.mode)
im.paste(im_crop, (100,100))???????????? ##(100,100,0,0)
im.paste(im_crop, (400,400,500,500))
im.show()

#-------------------------------------

filter方法

? im.filter(filter) ? image

返回一個使用給定濾波器處理過的圖像的拷貝。具體參考圖像濾波在ImageFilter 模塊的應用，在該模塊中，預先定義了很多增強濾波器，可以通過filter( )函數使用，預定義濾波器包括：BLUR、CONTOUR、DETAIL、EDGE_ENHANCE、EDGE_ENHANCE_MORE、EMBOSS、FIND_EDGES、SMOOTH、SMOOTH_MORE、SHARPEN。其中BLUR就是均值濾波，CONTOUR找輪廓，FIND_EDGES邊緣檢測，使用該模塊時，需先導入。

#-------------------------------------

from PIL import Image
from PIL import ImageFilter???????????????????????? ## 調取ImageFilter
imgF = Image.open("3d.jpg")
bluF = imgF.filter(ImageFilter.BLUR)??????????????? ##均值濾波
conF = imgF.filter(ImageFilter.CONTOUR)???????????? ##找輪廓
edgeF = imgF.filter(ImageFilter.FIND_EDGES)???????? ##邊緣檢測
imgF.show()
bluF.show()
conF.show()
edgeF.show()

#------------------------------------

blend方法

Image.blend(image1,image2, alpha) ? image

使用給定的兩張圖像及透明度變量alpha，插值出一張新的圖像。這兩張圖像必須有一樣的尺寸和模式。

? 合成公式為：out = image1 (1.0 - alpha) + image2? alpha

若變量alpha為0.0，返回第一張圖像的拷貝。若變量alpha為1.0，將返回第二張圖像的拷貝。對變量alpha的值無限制。

#-------------------------------------

from PIL import Image
im1 = Image.open("3d.jpg")
im2 = Image.open("3dd.jpg")
print(im1.mode,im1.size)
print(im2.mode,im2.size)
im = Image.blend(im1, im2, 0.40)
im.show()

#-------------------------------------

需保證兩張圖像的模式和大小是一致的。
im1按照40%的透明度，im2按照60%的透明度，合成為一張。

split方法

?im.split() ? sequence

返回當前圖像各個通道組成的一個元組。例如，分離一個“RGB”圖像將產生三個新的圖像，分別對應原始圖像的每個通道（紅，綠，藍）。

?

#-------------------------------------

from PIL import Image
im = Image.open("3d.jpg")
r,g,b = im.split()
print(r.mode)
print(r.size)
print(im.size)

#-------------------------------------

composite方法

Image.composite(image1,image2, mask) ? image

復合類使用給定的兩張圖像及mask圖像作為透明度，插值出一張新的圖像。變量mask圖像的模式可以為“1”，“L”或者“RGBA”。所有圖像必須有相同的尺寸。

?

#-------------------------------------

from PIL import Image
im1 = Image.open("3d.jpg")
im2 = Image.open("3dd.jpg")
r,g,b = im1.split()???????????? ##分離出r，g，b
print(b.mode)
print(im1.mode,im1.size)
print(im2.mode,im2.size)
im = Image.composite(im1,im2,b)
im.show()

#-------------------------------------

b.mode為”L”，兩圖尺寸一致。

?

eval方法

? Image.eval(image,function) ? image

使用變量function對應的函數（該函數應該有一個參數）處理變量image所代表圖像中的每一個像素點。如果變量image所代表圖像有多個通道，那變量function對應的函數作用于每一個通道。注意：變量function對每個像素只處理一次，所以不能使用隨機組件和其他生成器。

#-------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
def fun1(x):
??? return x*0.3
def fun2(y):
??? return y*2.0
im1_eval = Image.eval(im, fun1)
im2_eval = Image.eval(im, fun2)
im1_eval.show()
im2_eval.show()
#-------------------------------------------------------

?

merge方法

? Image.merge(mode,bands) ? image
合并類使用一些單通道圖像，創建一個新的圖像。變量bands為一個圖像的元組或者列表，每個通道的模式由變量mode描述。所有通道必須有相同的尺寸。
變量mode與變量bands的關系：

? len(ImageMode.getmode(mode).bands)= len(bands)
#-------------------------------------------------------
from PIL import Image
im1 = Image.open("3d.jpg")
im2 = Image.open("3dd.jpg")
r1,g1,b1 = im1.split()
r2,g2,b2 = im2.split()
print(r1.mode,r1.size,g1.mode,g1.size)
print(r2.mode,r2.size,g2.mode,g2.size)
new_im=[r1,g2,b2]
print(len(new_im))
im_merge = Image.merge("RGB",new_im)
im_merge.show()

#-------------------------------------------------------

?
merge操作

?

draft方法

? im.draft(mode,size)

?

#-------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
print(im.size,im.mode)
new_im = im.draft("L", (200,200))
print(new_im.size,new_im.mode)
new_im.show()

#-------------------------------------------------------

關鍵信息顯示
轉換效果

?

getbands方法

? im.getbands()? tuple of strings

返回包括每個通道名稱的元組。例如，對于RGB圖像將返回（“R”,“G”,“B”）。

#-------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
print(im.getbands())
#-------------------------------------------------------

?

?

getbbox方法

? im.getbbox() ? 4-tuple or None

計算圖像非零區域的包圍盒。這個包圍盒是一個4元組，定義了左、上、右和下像素坐標。如果圖像是空的，這個方法將返回空。

?

#-------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
print(im.getbbox())

#-------------------------------------------------------

getdata方法

? im.getdata() ? sequence

以包含像素值的sequence對象形式返回圖像的內容。這個sequence對象是扁平的，以便第一行的值直接跟在第零行的值后面，等等。這個方法返回的sequence對象是PIL內部數據類型，它只支持某些sequence操作，包括迭代和基礎sequence訪問。使用list(im.getdata())，將它轉換為普通的sequence。Sequence對象的每一個元素對應一個像素點的R、G和B三個值。

?

#-------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
sequ = im.getdata()
sequ0 = list(sequ)
print(sequ0[0])
print(sequ0[1])
print(sequ0[2])

#-------------------------------------------------------

?

getextrema方法

? im.getextrema() ? 2-tuple
返回一個2元組，包括該圖像中的最小和最大值

#-------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
print(im.getextrema())

#-------------------------------------------------------

該方法返回了R/G/B三個通道的最小和最大值的2元組。

getpixel方法

? im.getpixel(xy) ? value or tuple

返回給定位置的像素值。如果圖像為多通道，則返回一個元組。該方法執行比較慢；如果用戶需要使用python處理圖像中較大部分數據，可以使用像素訪問對象（見load），或者方法getdata()。

#-------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
print(im.getpixel((0,0)))
print(im.getpixel((4,0)))
r,g,b = im.split()
print(b.getpixel((11,8)))??

#-------------------------------------------------------

直方圖histogram方法

? im.histogram()? list

返回一個圖像的直方圖。這個直方圖是關于像素數量的list，圖像中的每個象素值對應一個成員。如果圖像有多個通道，所有通道的直方圖會連接起來（例如，“RGB”圖像的直方圖有768個值)。二值圖像（模式為“1”）當作灰度圖像（模式為“L”）處理。

#-------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
imhis = im.histogram()
print(len(imhis))
print(imhis[0])
print(imhis[150])
print(imhis[300])

#-------------------------------------------------------

? im.histogram(mask)? list
返回圖像中模板圖像非零地方的直方圖。模板圖像與處理圖像的尺寸必須相同，并且要么是二值圖像（模式為“1”），要么為灰度圖像（模式為“L”）。

#-------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
r,g,b = im.split()
imhis = im.histogram()
print(r.mode)
print(len(imhis))
print(imhis[0])
print(imhis[150])
print(imhis[300])

#-------------------------------------------------------

?

load方法

im.load()
為圖像分配內存并從文件中加載它（或者從源圖像，對于懶操作）。正常情況下，用戶不需要調用這個方法，因為在第一次訪問圖像時，Image類會自動地加載打開的圖像。目前的版本，方法load()返回一個用于讀取和修改像素的像素訪問對象。這個訪問對象像一個二維隊列，如：
? pix = im.load()
? print pix[x, y]
? pix[x, y] =value

通過這個對象訪問比方法getpixel()和putpixel()快很多。

#-------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
pix = im.load()
print(pix[0,2])

#-------------------------------------------------------
?im.paste(colour,box)

使用同一種顏色填充變量box對應的區域。對于單通道圖像，變量colour為單個顏色值；對于多通道，則為一個元組。

#-------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
im.paste((256,256,0),(0,0,100,100))? ##(256,256,0)表示黃色
im.show()

#-------------------------------------------------------

#-------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
im.paste("blue",(0,0,100,100))?? ##或者“blue”
im.show()

#-------------------------------------------------------

? im.paste(image,box, mask)
使用變量mask對應的模板圖像來填充所對應的區域。可以使用模式為“1”、“L”或者“RGBA”的圖像作為模板圖像。模板圖像的尺寸必須與變量image對應的圖像尺寸一致。如果變量mask對應圖像的值為255，則模板圖像的值直接被拷貝過來；如果變量mask對應圖像的值為0，則保持當前圖像的原始值。變量mask對應圖像的其他值，將對兩張圖像的值進行透明融合,如果變量image對應的為“RGBA”圖像，即粘貼的圖像模式為“RGBA”，則alpha通道被忽略。用戶可以使用同樣的圖像作為原圖像和模板圖像。

#-------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
box=[300,300,400,400]
im_crop =im.crop(box)
r,g,b =im_crop.split()
im.paste(im_crop, (200,200,300,300), r)
im.show()

#-------------------------------------------------------

putdata方法

? im.putdata(data)
? im.putdata(data, scale, offset)
從sequence對象中拷貝數據到當前圖像，從圖像的左上角（0，0）位置開始。變量scale和offset用來調整sequence中的值：
? pixel = value*scale + offset
如果變量scale忽略，則默認為1.0。如果變量offset忽略，則默認為0.0。

#-------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
r, g, b = im.split()
print(r.getpixel((0, 0)),r.getpixel((1, 0)),r.getpixel((2, 0)),r.getpixel((3, 0)),r.putdata([1, 2, 3, 4]),r.getpixel((0, 0)),r.getpixel((1, 0)),r.getpixel((2, 0)),r.getpixel((3, 0)),
#-------------------------------------------------------

resize方法

? im.resize(size) ? image
? im.resize(size, filter) ? image
返回改變尺寸的圖像的拷貝。變量size是所要求的尺寸，是一個二元組：（width, height）。變量filter為NEAREST、BILINEAR、BICUBIC或者ANTIALIAS之一。如果忽略，或者圖像模式為“1”或者“P”，該變量設置為NEAREST。在當前的版本中bilinear和bicubic濾波器不能很好地適應大比例的下采樣（例如生成縮略圖）。用戶需要使用ANTIALIAS，除非速度比質量更重要。

#-------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
region = im.resize((400, 400))???? ##重新設定大小
region.show()

#-------------------------------------------------------
rotate方法

? im.rotate(angle) ? image
? im.rotate(angle,filter=NEAREST, expand=0) ? image

返回一個按照給定角度順時鐘圍繞圖像中心旋轉后的圖像拷貝。變量filter是NEAREST、BILINEAR或者BICUBIC之一。如果省略該變量，或者圖像模式為“1”或者“P”，則默認為NEAREST。變量expand，如果為true，表示輸出圖像足夠大，可以裝載旋轉后的圖像。如果為false或者缺省，則輸出圖像與輸入圖像尺寸一樣大。

#-------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
im_45 = im.rotate(45)
im_30 = im.rotate(30, Image.NEAREST,1)
print(im_45.size,im_30.size)
im_45.show()
im_30.show()

#-------------------------------------------------------

seek方法

? im.seek(frame)
在給定的文件序列中查找指定的幀。如果查找超越了序列的末尾，則產生一個EOFError異常。當文件序列被打開時，PIL庫自動指定到第0幀上。

#-------------------------------------------------------
from PIL import Image
im_gif = Image.open("miaomiao.gif")
print(im_gif.mode)
im_gif.show()??? ##第0幀
im_gif.seek(1)
im_gif.show()
im_gif.seek(3)
im_gif.show()

#-------------------------------------------------------

?

tell方法

? im.tell() ? integer

返回當前幀所處位置，從0開始計算。

#-------------------------------------------------------
from PIL import Image
im_gif = Image.open("3d.gif")
print(im_gif.tell())
im_gif.seek(8)
print(im_gif.tell())

#-------------------------------------------------------

thumbnail方法

? im.thumbnail(size)
? im.thumbnail(size, filter)
修改當前圖像，使其包含一個自身的縮略圖，該縮略圖尺寸不大于給定的尺寸。該方法計算一個合適的縮略圖尺寸，使其符合當前圖像的寬高比，調用方法draft()配置文件讀取器，最后改變圖像的尺寸。變量filter應該是NEAREST、BILINEAR、BICUBIC或者ANTIALIAS之一。如果省略該變量，則默認為NEAREST。注意：在當前PIL的版本中，濾波器bilinear和bicubic不能很好地適應縮略圖產生。用戶應該使用ANTIALIAS，圖像質量最好。如果處理速度比圖像質量更重要，可以選用其他濾波器。這個方法在原圖上進行修改。如果用戶不想修改原圖，可以使用方法copy()拷貝一個圖像。這個方法返回空。

#-------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
im.thumbnail((100,100))

#-------------------------------------------------------

?

transform方法
? im.transform(size,method, data) ? image
? im.transform(size, method, data, filter) ? image

用給定的尺寸生成一張新的圖像，與原圖有相同的模式，使用給定的轉換方式將原圖數據拷貝到新的圖像中。在當前的PIL版本中，參數method為EXTENT（裁剪出一個矩形區域），AFFINE（仿射變換），QUAD（將正方形轉換為矩形），MESH（一個操作映射多個正方形）或者PERSPECTIVE。變量filter定義了對原始圖像中像素的濾波器。在當前的版本中，變量filter為NEAREST、BILINEAR、BICUBIC或者ANTIALIAS之一。如果忽略，或者圖像模式為“1”或者“P”，該變量設置為NEAREST。

#-------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
print(im.size)
imtra = im.transform((200, 200), Image.EXTENT, (0, 0, 300, 300))
print(imtra.size)
imtra.show()

#-------------------------------------------------------

? im.transform(size,EXTENT, data) ? image
? im.transform(size, EXTENT, data, filter) ? image

從圖像中裁剪一個區域。變量data為指定輸入圖像中兩個坐標點的4元組(x0,y0,x1,y1)。輸出圖像為這兩個坐標點之間像素的采樣結果。例如，如果輸入圖像的(x0,y0)為輸出圖像的（0，0）點，(x1,y1)則與變量size一樣。這個方法可以用于在當前圖像中裁剪，放大，縮小或者鏡像一個任意的長方形。它比方法crop()稍慢，但是與resize操作一樣快。

? im.transform(size, AFFINE, data) ? image
? im.transform(size, AFFINE,data, filter) ? image

對當前的圖像進行仿射變換，變換結果體現在給定尺寸的新圖像中。變量data是一個6元組(a,b,c,d,e,f)，包含一個仿射變換矩陣的第一個兩行。輸出圖像中的每一個像素（x，y），新值由輸入圖像的位置（ax+by+c, dx+ey+f）的像素產生，使用最接近的像素進行近似。這個方法用于原始圖像的縮放、轉換、旋轉和裁剪。

#-------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
print(im.size)
imtra = im.transform((200, 200), Image.AFFINE, (1,2,3,2,1,4))
print(imtra.size)
imtra.show()

#-------------------------------------------------------

? im.transform(size,QUAD, data) ? image
? im.transform(size, QUAD, data, filter) ? image

輸入圖像的一個四邊形（通過四個角定義的區域）映射到給定尺寸的長方形。變量data是一個8元組(x0,y0,x1,y1,x2,y2,x3,y3)，它包括源四邊形的左上，左下，右下和右上四個角。

#----------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
print(im.size)
imtra = im.transform((200, 200), Image.QUAD, (0,0,0,500,600,500,600,0))
print(imtra.size)
imtra.show()

?

? im.transform(size,PERSPECTIVE, data) ? image
? im.transform(size, PERSPECTIVE, data, filter) ? image

對當前圖像進行透視變換，產生給定尺寸的新圖像。變量data是一個8元組(a,b,c,d,e,f,g,h)，包括一個透視變換的系數。對于輸出圖像中的每個像素點，新的值來自于輸入圖像的位置的(a x + b y + c)/(g x + h y + 1), (d x+ e y + f)/(g x + h y + 1)像素，使用最接近的像素進行近似。這個方法用于原始圖像的2D透視。

#-----------------------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
print(im.size)
imtra = im.transform((200, 200), Image.PERSPECTIVE, (1,2,3,2,1,6,1,2))
print(imtra.size)
imtra.show()

transpose方法

? im.transpose(method)? image
返回當前圖像的翻轉或者旋轉的拷貝。變量方法的取值為：FLIP_LEFT_RIGHT，FLIP_TOP_BOTTOM，ROTATE_90，ROTATE_180，或ROTATE_270。

#---------------------------------------------------------------------------
from PIL import Image
im = Image.open("3d.jpg")
im.show()
im1=im.rotate(45)
im1.show()??????????????????????????? #逆時針旋轉 45 度角。
im2=im.transpose(Image.FLIP_LEFT_RIGHT)?????? #左右對換
im2.show()
im3=im.transpose(Image.FLIP_TOP_BOTTOM)?????? #上下對換。
im3.show()
im4=im.transpose(Image.ROTATE_90)???????????? #旋轉 90 度角。
im4.show()
im5=im.transpose(Image.ROTATE_180)??????????? #旋轉 180 度角。
im5.show()
im6=im.transpose(Image.ROTATE_270)??????????? #旋轉 270 度角。
im6.show()???????????
#------------------------------------------------------------------------------

??????

總結

以上是生活随笔為你收集整理的Python图像库PIL的类Image及其方法介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。