2024年最新超全Python图像处理讲解（多图预警）_return im1，2024年最新涨姿势了

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上C C++开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以戳这里获取

用该方法可以创建一个简单的图像，之后我们可以通过save方法将图像保存：

from PIL import Image
# 创建一个简单的图像
im = Image.new('RGB', (100, 100), 'red')
# 保存这个图像
im.save('red.png')

1
2
3
4
5
6

生成图片如下：

1.3、图像混合

（1）透明度混合

透明度混合主要是使用**Image中的blend(im1, im2, alpha)**方法，对该方法的解释如下：

• im1：Image对象，在混合的过程中，透明度设置为（1-apha）
• im2：Image对象，在混合的过程中，透明度设置为（apha）
• alpha：透明度，取值是0-1。当透明度为0是，显示im1对象；当透明度为1时，显示im2对象

注意：im1和im2的大小必须一样，且mode都为RGB

代码实现如下：

from PIL import Image

# 打开im1
im1 = Image.open('pic.jpg').convert(mode='RGB')
# 创建一个和im1大小一样的图像
im2 = Image.new('RGB', im1.size, 'red')
# 混合图片，并显示
Image.blend(im1, im2, 0.5).show()

1
2
3
4
5
6
7
8
9

下面为原图和混合图的对比：

不得不说，我家艾斯真滴帅。

（2）遮罩混合

接下来就是很迷的时刻了，我们可以通过Image.composite(im1, im2, mask)方法实现遮罩混合。三个参数都是Image对象，该方法的作用就是使用mask来混合im1和im2。我是听不懂，你们能听懂最好给我讲一下。具体实现如下：

# 这句代码写了好多遍，我真不想写了
from PIL import Image
# 打开图像1
im1 = Image.open('pic1.jpg')
# 打开图像2
im2 = Image.open('pic2.jpg')
# 重新设置im2的大小
im2.resize(im1.size)
# 将图像2的三个色道分离，其中r、g、b都为Image对象
r, g, b = im2.split()
# 遮罩混合
Image.composite(im1, im2, b).show()

1
2
3
4
5
6
7
8
9
10
11
12
13

注意：im1、im2和mask的大小必须一样

im1、im2和遮罩混合效果对比如下：

依旧是我帅气的艾斯。

1.4、图像缩放

（1）按像素缩放

按像素缩放通过Image.eval(im1, fun)方法实现，其中im1为我们老生常谈的Image对象了；第二个为一个方法（函数），该函数传入一个参数，即像素点。该函数会对图片中每个像素点进行函数内的操作。下面我们对来简单使用一下这个方法：

from PIL import Image
# 打开一张图像
im = Image.open('抠鼻屎.jpg')
# 对该图像每个像素点进行\*2处理
Image.eval(im, lambda x:x\*2).show()

1
2
3
4
5
6

这里我使用的lambda表达式，当然一般也都是用lambda表达式，不过你也可以像下面这样写：

# 定义一个方法
def func(x):
    return x\*2
# 对图像im每个像素点进行func中的操作，其中func不能加()
Image.eval(im, func)

1
2
3
4
5
6

效果图如下：

细心的读者应该可以发现，这个抠鼻屎的图片和笔者头像并不完全一样。在血色方面，笔者的头像确实要差几分。

注意：笔者在日常生活中可不是天天在大街上抠鼻屎的那种。

（2）按尺寸缩放

按尺寸缩放是通过Image对象的thumbnail()方法实现的，这里不同于前面直接通过Image调用方法，而是使用Image的具体实例im2调用thumbnail方法，从而对im2直接进行处理。具体代码如下：

from PIL import Image
# 打开图像
im1 = Image.open('xx.jpg')
# 复制图像
im2 = im1.copy()
# 将复制后的图像进行缩放，传入一个元组
im2.thumbnail((100, 100))
# 输出图像大小
print("im1的大小", im1.size)
print('im2的大小', im2.size)

1
2
3
4
5
6
7
8
9
10
11

这里缩放图像并不会对图像进行变形，即显示效果是一样的。这里就不放效果图了，输入结果如下：

im1的大小 (960, 960)
im2的大小 (100, 100)

1
2
3

1.5、图像的剪切与粘贴

（1）图像粘贴

粘贴的实现主要是通过Image对象的paste(im, box, mask)方法，其中im为Image对象；box为要粘贴到的区域；mask为遮罩（我也不知道啥是遮罩）。其中box的参数有三种形式：

• (x1, y1)：将im左上角对齐(x1,y1)点，其余部分粘贴，超出部分抛弃
• (x1, x2, y1, y2)：将im粘贴至此区域
• None：此时im必须与源图像大小一致

（2）裁剪图像

裁剪主要通过Image对象的crop(box)方法实现，box同粘贴中一致。

接下来我们做一个小练习，想将图像某个区域剪切下来，然后粘贴到另一个图像上：

from PIL import Image
# 打开图像
im = Image.open('nnz.jpg')
# 复制两份
im1 = im.copy()
im2 = im.copy()
# 剪切图片
im_crop = im1.crop((200, 200, 400, 400))
# 粘贴图片
im2.paste(im_crop, (30, 30))
im2.show()

1
2
3
4
5
6
7
8
9
10
11
12

原图和效果图对比如下：

貌美如花的娜娜子。

1.4、图像旋转和格式转换

（1）图像旋转

图像旋转就非常简单了，简单的一句代码，通过Image对象调用rotate()，该方法返回被旋转图像的一个副本：

from PIL import Image
im = Image.open('nnz.jpg')
# 旋转90度然后显示
im.rotate(90).show()

1
2
3
4
5

顺时针逆时针就不要问我了。

（2）格式转换

• convert：转换图像的模式
• transpose：转换图像的格式

convert之前已经使用过了，这里就简单演示一下transpose的作用，transpose主要传入一些Image中的常量：

from PIL import Image
# 打开图像
im = Image.open('nnz.jpg')
# 这里我也不知道注释啥了，总之效果和rotate(90)效果一样
im.transpose(Image.ROTATE_90).show()

1
2
3
4
5
6

效果图我也就不放了，给大家列出一些可以传入的常量和该常量的作用：

我也不知道这是哪门子的格式转换。

1.5、分离和合并

（1）分离

这个是之前使用过的，通过Image对象的split()方法，将图像的RGB三个通道分离，并返回三个Image对象：

from PIL import Image
# 打开图像
im = Image.open('nnz.jpg')
# 分离通道，返回3个Image对象
r, g, b = im.split()

1
2
3
4
5
6

三个通道的效果图如下：

（2）合并

合并是通过Image.merge(mode, bands)方法实现的，其中mode为模式，bands为通道列表，传入一个列表类型数据。下面我实现以下小新多年来的愿望：

from PIL import Image
# 打开小新.jpg和娜娜子.jpg
im1 = Image.open('娜娜子.jpg')
im2 = Image.open('小新.jpg')
# 让im2大小和im1一样
im2.resize(im1.size)
# 将两个图像分别分离
r1, g1, b1 = im1.split()
r2, g2, b2 = im2.split()
# 合并图像
im3 = Image.merge('RGB', [r1, g2, b1])
im3.show()

1
2
3
4
5
6
7
8
9
10
11
12
13

效果图如下，看到这么美的图片，小新一定会感谢我的：

到这里，我们就把Image模块的大致内容讲解完了，接下来我们来了解PIL中更丰富的功能。

二、ImageFilter

ImageFilter中提供了很多常用的滤镜功能，

2.1、高斯模糊

高斯模糊也叫高斯平滑，是啥我也不知道，反正听名字就是模糊。我们结合上面的内容完成一个小案例：

from PIL import Image, ImageFilter
# 打开图像
im1 = Image.open('iron\_man.jpg')
# 创建一个im1两倍宽的图像
img = Image.new('RGB', (im1.width\*2, im1.height), 'red')
# 高斯模糊处理
im2 = im1.filter(ImageFilter.GaussianBlur)
# 将im1粘贴到img上
img.paste(im1, (0, 0))
# 将im2（高斯模糊后的图像）粘贴到img上
img.paste(im2, (im1.width, 0))
img.show()

1
2
3
4
5
6
7
8
9
10
11
12
13

为了考虑小新的感受，下面不再用娜娜子作为素材。我选取了一张钢铁侠的图片，运行结果如下：

希望各位读者不要误会，他俩真没说你帅，他俩只说笔者一个人帅。

2.2、其它滤镜

除了高斯模糊，ImageFilter中还提供了许多其它滤镜：

笔者用一张美女图片，测试了上面几个滤镜的效果，发现9张图是看起来是完全一样的。虽然完全一样，但是笔者还是打算将这次测试的结果作为我慈善事业的一部分，分享给各位读者。

其中1为高斯模糊，2-9分别为表格中的8个滤镜。

三、ImageChops模块（图像合成）

ImageChops模块中，提供了很多图像合成的方法。这些方法是通过计算通道中像素值来实现的，不同的方法有不同的计算方式。

3.1、加法运算

加法运算通过**ImageChops.add(image1, image2, scale=1.0, offset=0)**方法实现，合成公式如下：

out = (im1 + im2)/scale + offset

1
2

我也看不懂，其中scale和offset是有默认值的。所以使用时我们可以省略参数，具体实现如下：

from PIL import Image, ImageChops
# 打开图像
im1 = Image.open('im1.jpg')
im2 = Image.open('im2.jpg')
# 合成图像并显示
im3 = ImageChops.add(im1, im2)
im3.show()

1
2
3
4
5
6
7
8

实验结果产不忍赌，效果图如下：

3.2、减法运算

加法运算通过**ImageChops.subtract(image1, image2, scale=1.0, offset=0)**方法实现，合成公式如下：

out = (im1 - im2)/scale + offset

1
2

其使用和add方法是一致的，代码如下：

from PIL import Image, ImageChops
# 打开图像
im1 = Image.open('xscn.jpg')
im2 = Image.open('xscn2.jpg')
# 合成图像并显示
im3 = ImageChops.subtract(im1, im2)
im3.show()

1
2
3
4
5
6
7
8

原本是不想放效果图的，但是运行后，发现效果图比较美，所以想和大家分享一下：

希望大家读到这篇博客的时候是独自一人的深夜。

3.3、其它函数

因为大多数函数的使用都比较简单，所以后续的函数也不单独拿出来讲了，具体功效可以看下列表：

演示代码如下：

from PIL import Image, ImageChops

# 打开图像
im1 = Image.open("im1.jpg")
im2 = Image.open("im2.jpg")

# 对图像进行各种操作
im3 = ImageChops.darker(im1, im2)
im3.save('darker.jpg')
im3 = ImageChops.lighter(im1, im2)
im3.save('lighter.jpg')
im3 = ImageChops.invert(im1)
im3.save('invert.jpg')
im3 = ImageChops.multiply(im1, im2)
im3.save('multiply.jpg')
im3 = ImageChops.screen(im1, im2)
im3.save('screen.jpg')
im3 = ImageChops.difference(im1, im2)
im3.save('difference.jpg')

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

其中，我选取的素材im1和im2都是上面使用到的那两张，效果图如下：

这样，我的女神就被我毁的体无完肤了。

四、ImageEnhance模块（色彩、亮度）

ImageEnhance提供了许多函数，用于调整图像的色彩、对比度、亮度、清晰度等。调整图像的步骤如下：

1. 确定要调整的参数，获取特定的调整器
2. 调用调整器的enhance方法，传入参数进行调整。

注意：所有调整器都实现同一个接口，该接口中包含一个方法enhance

其中enhance方法接收一个参数factor，factor是一个大于0的数。当factor为1时，返回原图，当factor小于1返回减弱图，大于1返回增强图。

各个获取色彩调整器的方法如下：

虽然是很想偷懒，不去做实验，但是想想还是做了如下实验，代码如下：

from PIL import Image, ImageEnhance
# 打开im1
im1 = Image.open("gtx.jpg")
# 获取颜色（各种）调整器
enhance_im1 = ImageEnhance.Color(im1)
#enhance\_im1 = ImageEnhance.Contrast(im1)
#enhance\_im1 = ImageEnhance.Brightness(im1)
#enhance\_im1 = ImageEnhance.Sharpness(im1)
# 减弱颜色（以及其它属性）
im2 = enhance_im1.enhance(0.5)
# 增强颜色（以及其它属性）
im3 = enhance_im1.enhance(1.5)

# 获取原图大小
w, h = im1.size
# 创建一个原图大小3倍的图片
img = Image.new("RGB", (w\*3, h))
# 将减弱的图片放在最左边
img.paste(im2, (0, 0))
# 将原图放在中间
img.paste(im1, (w, 0))
# 将增强后的图片放在最右边
img.paste(im3, (w\*2, 0))
# 显示图片
img.show()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上C C++开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以戳这里获取

s(im1)

减弱颜色（以及其它属性）

im2 = enhance_im1.enhance(0.5)

增强颜色（以及其它属性）

im3 = enhance_im1.enhance(1.5)

获取原图大小

w, h = im1.size

创建一个原图大小3倍的图片

img = Image.new(“RGB”, (w*3, h))

将减弱的图片放在最左边

img.paste(im2, (0, 0))

将原图放在中间

img.paste(im1, (w, 0))

将增强后的图片放在最右边

img.paste(im3, (w*2, 0))

显示图片

img.show()

[外链图片转存中...(img-4yAZ9eBz-1715674305478)]
[外链图片转存中...(img-zM99F8t4-1715674305479)]

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上C C++开发知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[如果你需要这些资料，可以戳这里获取](https://bbs.csdn.net/topics/618668825)**

1
2
3
4
5
6
7
8
9
10
11