Pillow（PIL）入门教程（非常详细）_python pillow 教程(1)

Pillow 库提供了非常丰富的功能，主要有以下几点：

• Pillow 库能够很轻松的读取和保存各种格式的图片；
• Pillow 库提供了简洁易用的 API 接口，可以让您轻松地完成许多图像处理任务；
• Pillow 库能够配合 GUI（图形用户界面） 软件包 Tkinter 一起使用；
• Pillow 库中的 Image 对象能够与 NumPy ndarray 数组实现相互转换。

丰富功能的实现得益于 Pillow 提供了众多的模块。在 Pillow 库中有二十多个模块，比如 Image 图像处理模块、ImageFont 添加文本模块、ImageColor 颜色处理模块、ImageDraw 绘图模块等等，每个模块各自实现了不同的功能，同时模块之间又可以互相配合。

相关资源

• Python Pillow 官方文档：https://pillow.readthedocs.io/en/latest/
• 本套教程的图片资源下载：https://pan.baidu.com/s/17mhdGCTuKMPS5RuAgbtv3A（提取码：n1v2）

教程特点

本套教程的初衷是尽快让初学者入门，因此更偏重于基础知识。在教程中，我们详细讲解了如何使用 Pillow 库的 Image 模块完成一些图像的处理操作，比如调整图像大小、图像的拷贝、粘贴、裁剪等基础操作，通过这些内容的学习，让您掌握图像处理的基本方法。对于 Pillow 的进阶知识，我们讲解了如何使用 Pillow 为图片添加水印、批量处理图片以及生成 GIF 动态图等。

在创作教程的过程中，我们尽量从初学者的角度来讲解 Pillow 库的相关知识，使教程通俗易懂、易学、易用。本套教程采用了“知识讲解 + 实例演示”的方式，避免了学习过程中的“枯燥和乏味”。学习完本教程后，您可以使用 Pillow 库完成一些简单的图像处理操作。

读者&阅读条件

本套 Pillow 教程适合有一定 Python 编程基础的人员学习，如果您已经掌握 Python 基础知识，那可以直接阅读本教程，否则建议您提前阅读《Python基础教程》。通过本套教程的学习，您将初步掌握图像处理的相关知识，将它作为学习图像处理的第一套教程，是一个非常不错的选择。

Pillow是什么

PIL（ Python Imaging Library）是 Python 的第三方图像处理库，由于其功能丰富，API 简洁易用，因此深受好评。

自 2011 年以来，由于 PIL 库更新缓慢，目前仅支持 Python 2.7 版本，这明显无法满足 Python3 版本的使用需求。于是一群 Python 社区的志愿者（主要贡献者：Alex Clark 和 Contributors）在 PIL 库的基础上开发了一个支持 Python3 版本的图像处理库，它就是 Pillow。

Pillow 不仅是 PIL 库的“复制版”，而且它又在 PIL 库的基础上增加了许多新的特性。Pillow 发展至今，已经成为了比 PIL 更具活力的图像处理库。

Pillow 的初衷只是想作为 PIL 库的分支和补充，如今它已是“青出于蓝而胜于蓝”。

除了 PIL 和 Pillow 库之外，Python 还提供了一些其他图像处理库：

• Scikit-image：一款基于 scipy 科学计算的图像处理软件包，以数组的形式对图像进行处理；
• OpenCV：其实是一个 C++ 图像处理库，不过它提供了 Python 语言的接口。

Pillow 是 Python 中较为基础的图像处理库，主要用于图像的基本处理，比如裁剪图像、调整图像大小和图像颜色处理等。与 Pillow 相比，OpenCV 和 Scikit-image 的功能更为丰富，所以使用起来也更为复杂，主要应用于机器视觉、图像分析等领域，比如众所周知的“人脸识别”应用。

Pillow版本支持

Pillow 支持跨平台运行，比如 Windows、Linux、MacOS 等，其最新版本为 Pillow 8.3.2，该版本支持 Python 3.6 及以上的版本（推荐使用）。Pillow 与 Python 支持版本的对照表如下所示：

Pillow库特点

Pillow 库作为图像处理的常用库，主要有以下三大特点：

1) 支持广泛的文件格式

Pillow 支持广泛的图像格式，比如 “jpeg”，“png”，“bmp”，“gif”，“ppm”，“tiff” 等。同时，它也支持图像格式之间的相互转换。总之， Pillow 几乎能够处理任何格式的图像。

2) 提供了丰富的功能

Pillow 提供了丰富的图像处理功能，可概括为两个方面：

• 图像归档
• 图像处理

图像归档，包括创建缩略图、生成预览图像、图像批量处理等；而图像处理，则包括调整图像大小、裁剪图像、像素点处理、添加滤镜、图像颜色处理等。

3) 配合GUI工具使用

Pillow 库可以配合 Python GUI（图形用户界面）工具 Tkinter 一起使用。

除上述特点之外，Pillow 库还能实现一些较为复杂的图像处理操作，比如给图像添加水印、合成 GIF 动态效果图等等。

Pillow的下载与安装

Pillow 安装非常简单和方便，有三种安装途径，分别是：

• pip包管理器安装
• 二进制包安装
• Anaconda安装

下面对上述安装方式做简单介绍。

注意，PIL 库与 Pillow 库不允许在同一环境中共存，如果您之前安装了 PIL 库，请卸载后，再安装 Pillow。

pip包管理器安装

通过 Python 包管理器 pip 来安装 Pillow 是最简单、轻量级的一种安装方式，并且这种方法适用于任何平台。只需执行以下命令即可：

pip install pillow

1
2

二进制包安装

通过 Python PyPi 第三方库官网（https://pypi.org/project/Pillow/#files）下载与平台系统相对应的版本，如下所示：

图1：Pillow下载版本

下载完成后，进入下载文件的所在位置，然后直接使用pip命令来安装.whl文件即可，如下所示：

pip install + whl文件名

1
2

Anaconda安装

Anaconda 是一款开源的 Python 发行版（下载地址：https://www.anaconda.com/products/individual#Downloads），它是当下较为流行的科学计算平台，支持 Windows、Linux、MacOS 系统。Anaconda 自带许多已经安装完成软件包，其中就包含 Pillow，因此无须重新安装。

图2：Anaconda安装

无论采用上述哪种方式都可以成功安装 Pillow。不过对于初学者来说，我们建议您使用第一种安装方式。

注意，本教程以 Windows 平台为例对 Pillow 库的相关知识进行讲解。

最后，在 CMD 命令行打开 Python 解释器交互环境，输入以下代码，验证 Pillow 是否安装成功。

#导入Image类，该类是pillow中用于图像处理的重要类from PIL import Image

1
2

如下所示，如果解释器没有返回错误，则证明已经安装成功。

图3：测试Pillow安装成功

注意，这里使用 PIL 导入，但实际上使用的是 Pillow 库，这里的 PIL 可以看做是 Pillow 库的简称。

Pillow创建Image对象

Image 类是 Pillow 库中最为重要的类，该类被定义在和与其同名的 Image 模块中。

使用下列导包方式引入 Image 模块：

from PIL import Image

1
2

使用 Image 类可以实例化一个 Image 对象，通过调用该对象的一系列属性和方法对图像进行处理。Pilow 提供了两种创建 Image 实例对象的方法，下面对它们进行简单的介绍。

open()

使用 Image 类的 open() 方法，可以创建一个 Image 对象，语法格式如下：

im = Image.open(fp,mode="r")

1
2

参数说明：

• fp：即 filepath 的缩写，表示文件路径，字符串格式；
• mode：可选参数，若出现该参数，则必须设置为 “r”，否则会引发 ValueError 异常。

示例如下：

from PIL import Image
#打开一图片文件
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
#要显示图像需要调用 show()方法
im.show()

1
2
3
4
5
6

图像显示结果如下：

图1：显示结果

new()

使用 Image 类提供的 new() 方法可以创建一个新的 Image 对象，语法格式如下:

im=Image.new(mode,size,color)

1
2

参数说明如下：

• mode：图像模式，字符串参数，比如 RGB（真彩图像）、L（灰度图像）、CMYK（色彩图打印模式）等；
• size：图像大小，元组参数（width, height）代表图像的像素大小；
• color：图片颜色，默认值为 0 表示黑色，参数值支持（R,G,B）三元组数字格式、颜色的十六进制值以及颜色英文单词。

示例如下：

#使用颜色的十六进制格式
im_1=Image.new(mode='RGB',(260,100),color="#ff0000")
im_1.show()

1
2
3
4

输出图像如下所示：

图2：显示结果

Pillow Image对象属性

Image 对象有一些常用的基本属性，这些属性能够帮助我们了解图片的基本信息，下面对这些属性做简单的讲解：

1) size：查看图像的尺寸

from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
#打印image对象
print(im)
#查看尺寸
print("宽是%s高是%s"%(im.width,im.height))
#或者通过size查看
print("图像的大小size:",im.size)

1
2
3
4
5
6
7
8
9

输出结果：

<PIL.PngImagePlugin.PngImageFile image mode=RGBA size=455x191 at 0x381C750>
宽是455高是191
图像的大小size: (455, 191)

1
2
3
4

2) format：查看图片的格式

from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
print("图像的格式:",im.format)

1
2
3
4

输出结果：

图像的格式: PNG

1
2

3) readonly：图片是否为只读

from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
print("图像是否为只读:",im.readonly)

1
2
3
4

该属性的返回为 0 或者 1，分别对应着是和否，输出结果如下：

图像是否为只读: 1

1
2

4) info：查看图片相关信息

from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
# 包括了每英寸像素点大小和截图软件信息
print("图像信息:",im.info)

1
2
3
4
5

该属性的返回值为字典格式，输出结果如下：

图像信息: {'dpi': (96, 96), 'Software': 'Snipaste'}

1
2

5) mode：图像模式

from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
print("图像模式信息:",im.mode)

1
2
3
4

输出结果：

图像的模式: RGBA

1
2

上述涉及了许多图片模式的名称，比如 RGB、RGBA 等，下面对常用的图片模式做简单的总结，如下表所示：

Pillow图片格式转换

Pillow 库支持多种图片格式，您可以直接使用 open() 方法来读取图片，并且无须考虑图片是何种类型。同时，Pillow 能够很轻松地实现图片格式之间的转换。

图片格式之间的转换主要有以下两种方法，下面分别对它们进行了介绍：

save()

顾名思义，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。save() 的语法格式如下：

Image.save(fp, format=None)

1
2

参数说明如下：

• fp：图片的存储路径，包含图片的名称，字符串格式；
• format：可选参数，可以指定图片的格式。

示例如下：

from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
im.save('C:/Users/Administrator/Desktop/c.biancheng.net.bmp')

1
2
3
4

此时您的计算机桌面上会存在一个 c.bianchneg.net.BMP格式的图片。

convert()+save()

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() 方法就会出现以下错误：

from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
im.save('C:/Users/Administrator/Desktop/c.biancheng.net.jpg')

1
2
3
4

错误信息如下所示：

#系统错误，RGBA不能作为JPEG图片的模式
OSError: cannot write mode RGBA as JPEG

1
2
3

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。语法格式如下：

convert(mode,parms**)

1
2

• mode：指的是要转换成的图像模式；
• params：其他可选参数。

修改后的代码如下所示：

from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
#此时返回一个新的image对象，转换图片模式
image=im.convert('RGB')
#调用save()保存
image.save('C:/Users/Administrator/Desktop/c.biancheng.net.jpg')

1
2
3
4
5
6
7

通过以上代码，成功将 PNG 格式的图片转换为了 JPG 格式。

Pillow图像缩放操作

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。

resize() 函数的语法格式如下：

resize(size, resample=image.BICUBIC, box=None, reducing_gap=None)

1
2

参数说明：

• size：元组参数 (width,height)，图片缩放后的尺寸；
• resample：可选参数，指图像重采样滤波器，与 thumbnail() 的 resample 参数类似，默认为 Image.BICUBIC；
• box：对指定图片区域进行缩放，box 的参数值是长度为 4 的像素坐标元组，即 (左,上,右,下)。注意，被指定的区域必须在原图的范围内，如果超出范围就会报错。当不传该参数时，默认对整个原图进行缩放；
• reducing_gap：可选参数，浮点参数值，用于优化图片的缩放效果，常用参数值有 3.0 和 5.0。

注意，resize() 会返回一个新的 image 对象。下面是一组对图像进行放大操的示例：

from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
try:
    #放大图片
    image=im.resize((550,260))
    #将新图像保存至桌面
    image.save("C:/Users/Administrator/Desktop/放大图像.png")
    print("查看新图像的尺寸",image.size)
except IOError:
    print("放大图像失败")

1
2
3
4
5
6
7
8
9
10
11

输出结果：

查看新图像的尺寸 (550, 260)

1
2

放大后的图片效果。如下所示：

图1：pillow放大图像

对图片的局部位置进行放大，示例如下：

from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
try:
    #选择放大的局部位置，并选择图片重采样方式
    # box四元组指的是像素坐标 (左,上,右,下) 
    #(0,0,120,180)，表示以原图的左上角为原点，选择宽和高分别是(120,180)的图像区域
    image=im.resize((550,260),resample=Image.LANCZOS,box=(0,0,120,180))
    image.show()
    #保存
    image.save("C:/Users/Administrator/Desktop/放大图像.png")
    print("查看新图像的尺寸",image.size)
except IOError:
    print("放大失败")

1
2
3
4
5
6
7
8
9
10
11
12
13
14

图片的放大效果如下所示：

图2：局部放大操作

创建缩略图

缩略图（thumbnail image）指的是将原图缩小至一个指定大小（size）的图像。通过创建缩略图可以使图像更易于展示和浏览。

Image 对象提供了一个 thumbnail() 方法用来生图像的缩略图，该函数的语法格式如下：

thumbnail(size,resample)

1
2

• size：元组参数，指的是缩小后的图像大小；
• resample：可选参数，指图像重采样滤波器，有四种过滤方式，分别是 Image.BICUBIC（双立方插值法）、PIL.Image.NEAREST（最近邻插值法）、PIL.Image.BILINEAR（双线性插值法）、PIL.Image.LANCZOS（下采样过滤插值法），默认为 Image.BICUBIC。

使用示例如下：

from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
im.thumbnail((150,50))
print("缩略图尺寸",im.size)
#将缩略图保存至桌面
im.save("C:/Users/Administrator/Desktop/th.png")

1
2
3
4
5
6
7

输出结果：

缩略图尺寸 (118, 50)

1
2

注意，缩略图的尺寸可能与您指定的尺寸不一致，这是因为 Pillow 会对原图像的长、宽进行等比例缩小，当指定的尺寸不符合图像的尺寸规格时，缩略图就会创建失败， 比如指定的尺寸超出了原图像的尺寸规格。

批量修改图片尺寸

在图像处理过程中，对于某些不需要精细处理的环节，我们往往采用批量处理方法，比如批量转换格式，批量修改尺寸，批量添加水印，批量创建缩略图等，这是一种提升工作效率的有效途径，它避免了单一、重复的操作。通过 Pillow 提供的 Image.resize() 方法可以批量地修改图片尺寸，下面看一组简单的示例。

首先找一些类型相同，但尺寸不一的图片，并把它们放入桌面的 image01 文件夹中。如下所示：

图3：待处理的图片

下面开始编写代码：

# 批量修改图片尺寸
import os
from PIL import Image
#读取图片目录
fileName = os.listdir('C:/Users/Administrator/Desktop/image01/')
print(fileName)
#设定尺寸
width = 350
height = 350
# 如果目录不存在，则创建目录
if not os.path.exists('C:/Users/Administrator/Desktop/NewImage/'):
    os.mkdir('C:/Users/Administrator/Desktop/NewImage/')
# 循环读取每一张图片
for img in fileName:
    old_pic = Image.open('C:/Users/Administrator/Desktop/image01/' + img)
    new_image = old_pic.resize((width, height),Image.BILINEAR)
    print (new_image)
    new_image.save('C:/Users/Administrator/Desktop/NewImage/'+img)

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

输出结果如下所示：

['向日葵.jpg', '国宝.jpg', '矩形图.jpg', '蝴蝶.jpg']
<PIL.Image.Image image mode=RGB size=350x350 at 0x2B9E670>
<PIL.Image.Image image mode=RGB size=350x350 at 0x31D0C90>
<PIL.Image.Image image mode=RGB size=350x350 at 0x2B90DB0>
<PIL.Image.Image image mode=RGB size=350x350 at 0x31D0C90>

1
2
3
4
5
6

NewImage 目录的内容如下：

图4：处理完成的图片

Pillow图像分离与合并

我们知道，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。在《Pillow Image对象属性》一节，我们介绍一些图片模式，它们的本质就是图片呈现颜色时需要遵循的规则，比如 RGB、RGBA、CYMK 等，而图像的分离与合并，指的就是图像颜色的分离和合并。

Image 类提供了用于分离图像和合并图像的方法 split() 和 merge() 方法，通常情况下，这两个方法会一起使用。

split()

split() 的使用方法比较简单，用来分离颜色通道。我们使用它来处理蝴蝶图片：

图1：pilow 图像处理操作

代码如下所示：

im=Image.open("C:/Users/Administrator/Desktop/1.jpg")
#修改图像大小，以适应图像处理
image=im.resize((450,400))
image.save("C:/Users/Administrator/Desktop/2.jpg")
#分离颜色通道，产生三个 Image对象
r,g,b = image.split()
r.show()
g.show()
b.show()

1
2
3
4
5
6
7
8
9
10

输出的结果，依次展示如下：

图2：分离结果预览

merge()

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。

merge() 方法的语法格式如下：

Image.merge(mode, bands)

1
2

参数说明如下：

• mode：指定输出图片的模式
• bands：参数类型为元组或者列表序列，其元素值是组成图像的颜色通道，比如 RGB 分别代表三种颜色通道，可以表示为 (r,g,b)。

注意，该函数会返回一个新的 Image 对象。

下面对图像合并的两种类型分别进行介绍：

一. 单个图像的合并指的是将颜色通道进行重新组合，从而得到不一样的图片效果，代码如下所示：

from PIL import Image
im=Image.open("C:/Users/Administrator/Desktop/1.jpg")
#修改图像大小，以适应图像处理
image=im.resize((450,400))
image.save("C:/Users/Administrator/Desktop/2.jpg")
#分离颜色通道，产生三个 Image对象
r,g,b = image.split()
#重新组合颜色通道，返回先的Image对象
image_merge=Image.merge('RGB',(b,g,r))
image_merge.show()
#保存图像至桌面
image_merge.save("C:/Users/Administrator/Desktop/3.jpg")

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

新合成的图像入如下所示：

图3：图像合并操作

两张图片的合并操作也并不复杂，但是要求两张图片的模式、图像大小必须要保持一致，否则不能合并。因此，对于那些模式、大小不同的图片要进行预处理。

下面我们将蝴蝶图与向日葵图进行合并，向日葵原图如下：

图4：向日葵原图

示例代码如下：

from PIL import Image
#打开图2.jpg
im_1 = Image.open("C:/Users/Administrator/Desktop/2.jpg")
im_2= Image.open("C:/Users/Administrator/Desktop/向日葵.jpg")
#因为两种图片的图片格式一致，所以仅需要处理图片的大小，让它们保持一致
#让 im_2 的图像尺寸与 im_1 一致,注意此处新生成了 Image 对象
image = im_2.resize(im_1.size)
#接下来，对图像进行颜色分离操作
r1, g1 ,b1 = im_1.split()
r2, g2 , b2 = image.split()
# 合并图像
im_3 = Image.merge('RGB',[r2,g1,b2])
im_3.show()
im_3.save("C:/Users/Administrator/Desktop/合成.jpg")

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

预览图像的合成结果：

图5：合成图像

扩展知识：blend() 混合图片

Image 类也提供了 blend() 方法来混合 RGBA 模式的图片（PNG 格式），函数的语法格式如下：

Image.blend(image1,image2, alpha)

1
2

参数说明如下：

• image1，image2：表示两个 Image 对象。
• alpha：表示透明度，取值范围为 0 到 1，当取值为 0 时，输出图像相当于 image1 的拷贝，而取值为 1 时，则是 image2 的拷贝，只有当取值为 0.5 时，才为两个图像的中合。因此改值的大小决定了两个图像的混合程度。

与 RGB 模式相比，RGBA 在 RGB 的基础上增加了透明度，通过 Alpha 取值来决定两个图像的混合程度。示例如下：

""""
混合 rgba模式的图像
"""
im1 = Image.open("C:/Users/Administrator/Desktop/c-net.png")
image = Image.open("C:/Users/Administrator/Desktop/心形函数图像.png")
im2=image.resize(im1.size)
def blend_im(im1,im2):
     #设置 alpha 为 0.5
    Image.blend(im1,im2,0.5).save("C:/Users/Administrator/Desktop/C语言中文网.png")
#调用函数
blend_im(im1,im2)  

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

输出结果如下：

图6：混合图像

Pillow图像裁剪、复制、粘贴操作

图像的剪裁、复制、粘贴是图像处理过程中经常使用的基本操作，Pillow Image 类提供了简单、易用的 API 接口，能够帮助您快速实现这些简单的图像处理操作。

图像裁剪操作

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，函数的语法格式如下：

crop(box=None)

1
2

box：表示裁剪区域，默认为 None，表示拷贝原图像。

注意：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。

crop() 函数的会返回一个 Image 对象，使用示例如下：

"""
裁剪图像
"""
im = Image.open("C:/Users/Administrator/Desktop/C语言中文网.png")
box =(0,0,200,100)
im_crop = im.crop(box)
im_crop.show()

1
2
3
4
5
6
7
8

输出图像显示如下：

图1：图像裁剪

最终，在原图的基础上裁剪出一张像素为 200 * 100 的图像。

图像拷贝和粘贴

拷贝、粘贴操作几乎是成对出现的，Image 类提供了 copy() 和 paste() 方法来实现图像的复制和粘贴。其中复制操作（即 copy() 方法）比较简单，下面主要介绍 paste() 粘贴方法，语法格式如下所示：

paste(image, box=None, mask=None)

1
2

该函数的作用是将一张图片粘贴至另一张图片中。注意，粘贴后的图片模式将自动保持一致，不需要进行额外的转换。参数说明如下：

• image：指被粘贴的图片；
• box：指定图片被粘贴的位置或者区域，其参数值是长度为 2 或者 4 的元组序列，长度为 2 时，表示具体的某一点 (x,y)；长度为 4 则表示图片粘贴的区域，此时区域的大小必须要和被粘贴的图像大小保持一致。
• mask：可选参数，为图片添加蒙版效果。

下面复制一张原图像的副本，对副本进行裁剪、粘贴操作，代码如下所示：

im = Image.open("C:/Users/Administrator/Desktop/C语言中文网.png")
#复制一张图片副本
im_copy=im.copy()
#对副本进行裁剪
im_crop = im_copy.crop((0,0,200,100))
#创建一个新的图像作为蒙版，L模式，单颜色值
image_new = Image.new('L', (200, 100), 200)
#将裁剪后的副本粘贴至副本图像上，并添加蒙版
im_copy.paste(im_crop,(100,100,300,200),mask=image_new)
#显示粘贴后的图像
im_copy.show()

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

输出的显示结果，如下所示：

图2：图像复制粘贴

Pillow图像几何变换

图像的几何变换主要包括图像翻转、图像旋转和图像变换操作，Image 类提供了处理这些操作的函数 transpose()、rotate() 和 transform()，下面分别对它们进行讲解。

transpose()翻转操作

该函数可以实现图像的垂直、水平翻转，语法格式如下：

Image.transpose(method)

1
2

method 参数决定了图片要如何翻转，参数值如下：

• Image.FLIP_LEFT_RIGHT：左右水平翻转；
• Image.FLIP_TOP_BOTTOM：上下垂直翻转；
• Image.ROTATE_90：图像旋转 90 度；
• Image.ROTATE_180：图像旋转 180 度；
• Image.ROTATE_270：图像旋转 270 度；
• Image.TRANSPOSE：图像转置；
• Image.TRANSVERSE：图像横向翻转。

使用示例如下：

im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
#返回一个新的Image对象
im_out=im.transpose(Image.FLIP_LEFT_RIGHT)
im_out.show()
im_out.save("C:/Users/Administrator/Desktop/水平翻转.png")

1
2
3
4
5
6

图像显示结果，如下所示：

图1：图像翻转操作

rotate()任意角度旋转

当我们想把图像旋转任意角度时，可以使用 rotate() 函数，语法格式如下：

Image.rotate(angle, resample=PIL.Image.NEAREST, expand=None, center=None, translate=None, fillcolor=None)

1
2

参数说明如下：

• angle：表示任意旋转的角度；
• resample：重采样滤波器，默认为 PIL.Image.NEAREST 最近邻插值方法；
• expand：可选参数，表示是否对图像进行扩展，如果参数值为 True 则扩大输出图像，如果为 False 或者省略，则表示按原图像大小输出；
• center：可选参数，指定旋转中心，参数值是长度为 2 的元组，默认以图像中心进行旋转；
• translate：参数值为二元组，表示对旋转后的图像进行平移，以左上角为原点；
• fillcolor：可选参数，填充颜色，图像旋转后，对图像之外的区域进行填充。

使用示例如下：

im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
#translate的参数值可以为负数，并将旋转图之外的区域填充为绿色
#返回同一个新的Image对象
im_out=im.rotate(45,translate=(0,-25),fillcolor="green")
im_out.show()
im_out.save("C:/Users/Administrator/Desktop/旋转图像.png")

1
2
3
4
5
6
7

输出结果：

图2：图像旋转

transform()图像变换

该函数能够对图像进行变换操作，通过指定的变换方式，产生一张规定大小的新图像，语法格式如下：

Image.transform(size, method, data=None, resample=0) 

1
2

参数说明：

• size：指定新图片的大小；
• method：指定图片的变化方式，比如 Image.EXTENT 表示矩形变换；
• data：该参数用来给变换方式提供所需数据；
• resample：图像重采样滤波器，默认参数值为 PIL.Image.NEAREST。

使用示例如下：

from PIL import Image
im = Image.open("C:/Users/Administrator/Desktop/c-net.png")
#设置图像大小250*250，并根据data的数据截取原图像的区域，生成新的图像
im_out=im.transform((250,250),Image.EXTENT,data=[0,0,30 + im.width//4,im.height//3])
im_out.show()
im_out.save("C:/Users/Administrator/Desktop/变换.png")

1
2
3
4
5
6
7

输出图像显示如下：

图3：图像矩形变换

Pillow图像降噪处理

由于成像设备、传输媒介等因素的影响，图像总会或多或少的存在一些不必要的干扰信息，我们将这些干扰信息统称为“噪声”，比如数字图像中常见的“椒盐噪声”，指的是图像会随机出现的一些白、黑色的像素点。图像噪声既影响了图像的质量，又妨碍人们的视觉观赏。因此，噪声处理是图像处理过程中必不可少的环节之一，我们把处理图像噪声的过程称为“图像降噪”。

随着数字图像技术的不断发展，图像降噪方法也日趋成熟，通过某些算法来构造滤波器是图像降噪的主要方式。滤波器能够有效抑制噪声的产生，并且不影响被处理图像的形状、大小以及原有的拓扑结构。

Pillow 通过 ImageFilter 类达到图像降噪的目的，该类中集成了不同种类的滤波器，通过调用它们从而实现图像的平滑、锐化、边界增强等图像降噪操作。常见的降噪滤波器如下表所示：

从上述表格中选取几个方法进行示例演示，下面是等待处理的原始图像：

图1：pilow图像处理

模糊处理

# 导入Image类和ImageFilter类
from PIL import Image,ImageFilter
im = Image.open("C:/Users/Administrator/Desktop/国宝.jpg")
#图像模糊处理
im_blur=im.filter(ImageFilter.BLUR)
im_blur.show()
im_blur.save("C:/Users/Administrator/Desktop/模糊.png")

1
2
3
4
5
6
7
8

输出图像如下：

图2：图像模糊

轮廓图

from PIL import Image,ImageFilter
im = Image.open("C:/Users/Administrator/Desktop/国宝.jpg")
#生成轮廓图
im2=im.filter(ImageFilter.CONTOUR)
im2.show()
im2.save("C:/Users/Administrator/Desktop/轮廓图.png")

1
2
3
4
5
6
7

输出图像，显示如下：

图3：图像轮廓图

边缘检测

from PIL import Image,ImageFilter
im = Image.open("C:/Users/Administrator/Desktop/国宝.jpg")
#边缘检测
im3=im.filter(ImageFilter.FIND_EDGES)
im3.show()
im3.save("C:/Users/Administrator/Desktop/边缘检测.png")

1
2
3
4
5
6
7

输出图像结果：

图4：图像边缘检测

浮雕图

from PIL import Image,ImageFilter
im = Image.open("C:/Users/Administrator/Desktop/国宝.jpg")
#浮雕图
im4=im.filter(ImageFilter.EMBOSS)
im4.show()
im4.save("C:/Users/Administrator/Desktop/浮雕图.png")

1
2
3
4
5
6
7

输出图像如下：

图5：浮雕图

平滑图像

#生成平滑图像
from PIL import Image,ImageFilter
im = Image.open("C:/Users/Administrator/Desktop/国宝.jpg")
#平滑图smooth
im5=im.filter(ImageFilter.SMOOTH)
im5.show()
im5.save("C:/Users/Administrator/Desktop/平滑图.png")

1
2
3
4
5
6
7
8

输出图像如下：

图6：平滑图

如果您使用过 PhotoShop（简称 Ps，一款专业的图像处理软件）、Fireworks（简称 Fw，一款专业的图像处理软件） 或者手机美图软件的话，其实不难发现，上述操作就是给图片添加一个“滤镜”，通过添加滤镜来改变图片的外观，从而影响了我们对于图片的感官体验。

Pillow图像颜色处理

Pillow 提供了颜色处理模块 ImageColor，该模块支持不同格式的颜色，比如 RGB 格式的颜色三元组、十六进制的颜色名称（#ff0000）以及颜色英文单词（“red”）。同时，它还可以将 CSS（层叠样式表，用来修饰网页）风格的颜色转换为 RGB 格式。

注意，在 ImageColor 模块对颜色的大小并不敏感，比如 “Red” 也可以写为 " red"。

颜色命名

ImageColor 支持多种颜色模式的的命名（即使用固定的格式对颜值进行表示），比如我们熟知的 RGB 色彩模式，除此之外，还有 HSL （色调-饱和度-明度）、HSB （又称 HSV，色调-饱和度-亮度）色彩模式。下面对 HSL 做简单介绍：

• H：即 Hue 色调，取值范围 0 -360，其中 0 表示“red”，120 表示 “green”，240 表示“blue”；
• S：即 Saturation 饱和度，代表色彩的纯度，取值 0~100%，其中 0 代表灰色（gry），100% 表示色光最饱和；
• L：即 Lightness 明度，取值为 0~100%，其中 0 表示“black”黑色，50% 表示正常颜色，100% 则表示白色。

下面使用 HSL 色彩模式表示红色，格式如下：

HSL(0,100%,50%)

1
2

此时的颜色为“纯红色”，等同于 RGB (255,0,0)。如果想了解有关 HSL/HSB 的更多知识，点击链接前往。

ImageColor 模块比较简单，只提供了两个常用方法，分别是 getrgb() 和 getcolor() 函数。

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

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，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。

分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

getcolor() 函数。

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。
[外链图片转存中…(img-U6M4I115-1712841782147)]
[外链图片转存中…(img-oK68GehY-1712841782148)]

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，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）
[外链图片转存中…(img-l5q9HEnt-1712841782148)]

现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。

分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
[外链图片转存中…(img-Pm5BhORS-1712841782149)]