Python的Pillow（图像处理库）的一些学习笔记
Python的Pillow库是一个非常强大的图像处理库。
安装Pillow库：
在终端或命令行中输入以下命令来安装Pillow：
pip install pillow 升级库：
pip install pillow --upgrade 一些基础的应用
1、图像文件方面的：
打开文件
1）直接打开文件：
这种方式是最常见的直接打开图片文件的方法，以文件路径作为参数，PIL 库会自动打开并加载图片。
from PIL import Image
import ioim1 = Image.open('d:\\mask3\\type_ARGB32.png') # 直接打开2） 从文件对象中打开：
这种方式是先使用 open() 函数以二进制只读模式打开文件，然后将文件对象传递给 PIL 中的 Image.open() 方法进行加载并创建 Image 对象。
with open("d:\\mask3\\type_ARGB32.png", "rb") as f:im2 = Image.open(f)3） 将文件内容读取为内存中的字节流后再打开：
这种方式先将文件内容读取为内存中的字节流（通过 io.BytesIO() 创建字节流对象并使用 read() 方法读取文件内容），然后再通过 Image.open() 打开这个内存中的字节流来创建 Image 对象。
with open("d:\\mask3\\type_ARGB32.png", "rb") as f:image_memory = io.BytesIO(f.read())im3 = Image.open(image_memory)打开文件时需要注意文件的生命周期：
看代码：
from PIL import Image
import iowith open("d:\\mask3\\type_ARGB32.png", "rb") as f:im2 = Image.open(f)im2.show()# 出错：ValueError: seek of closed file 在这里，通过 Image.open() 直接打开了图片文件并使用 with 语句来确保资源正确关闭，创建了图片对象 im2。然而，在 with 语句块外部访问 im2.load() 操作时，虽然图片对象仍然存在，但由于已超出 with 语句的范围，此时访问图片对象已经不再可用，导致失败。
with open("d:\\mask3\\type_ARGB32.png", "rb") as f:im2 = Image.open(f)im2.show()改成如上后就可以正确执行了。
类似的例子：
from PIL import Image
import iof= open("d:\\mask3\\type_ARGB32.png", "rb")
im2 = Image.open(f)
f.close()im2.show()由于文件已经被手动关闭了，PIL 试图从已关闭的文件对象中读取图像数据。所以会出错。如果正常运行，需要将im2.show()挪到f.close()前面。
或者将文件存储在内存中，也可以不受文件周期的影响：
import iofrom PIL import Imagef = open("d:\\mask3\\type_ARGB32.png", "rb")
image_memory = io.BytesIO(f.read())
im3 = Image.open(image_memory)
f.close()im3.show()或者在关闭文件之前使用load()将图像数据加载到内存中的图像对象中：
from PIL import Imagef = open("d:\\mask3\\type_ARGB32.png", "rb")
im2 = Image.open(f)
im2.load()
f.close()im2.show()获取某一坐标点（x,y）的像素值getpixel()
pixel = im.getpixel((100,100))获取图像的窗口位置和大小getbbox()
bbox = im.getbbox()图像的特性（格式、大小、宽高、透明度）
from PIL import Image# 读取硬盘中的图像文件
file_path = 'd:\\mask3\\type_ARGB32.png'
im = Image.open(file_path)print(im.size) # 图像几何尺寸：(1920, 1080)
print(im.mode) # 图像模式：RGBA
print(im.format) # 图像格式：PNG
print(im.width, im.height) # 图像宽高：1920 1080
print(im.has_transparency_data) # 是否有透明度： True图像的字节数据tobytes()
img_bytes = im.tobytes()获取图像所有的通道getbands()
bands = im.getbands()getbands() 返回的值：灰度图的通道：('L',)，二值黑白('1',)，彩图('R', 'G', 'B')或('R', 'G', 'B', 'A')
获取指定通道的图像getchannel()
R_channel = im.getchannel("R")获取图像中每个像素的像素值数据getdata()
data = R_channel.getdata()tobytes()和getdata()的区别
-
tobytes()方法：tobytes()方法用于将图像数据转换为原始字节序列。- 返回的是包含整个图像像素数据的字节序列，其中每个像素可能包含多个通道的值。
- 如果图像是多通道的，
tobytes()方法将返回按照图像模式中通道的顺序排列的像素值序列。 - 适用于需要处理原始图像数据的情况，比如图像数据的存储、传输等。
-
getdata()方法：getdata()方法用于获取图像中每个像素的像素值数据。- 返回的是图像中每个像素的像素值数据，通常是一个包含像素值的序列，每个像素值可能包含多个通道的值。
- 如果图像是多通道的，
getdata()方法将返回像素值按照通道顺序组织的序列，而不是一个连续的字节序列。 - 适用于需要逐像素访问图像数据的情况，比如进行像素级操作、分析等。
总的来说，tobytes() 返回的是整个图像的原始字节序列，而 getdata() 返回的是图像中每个像素的像素值数据序列。根据具体的需求，你可以选择使用这两个方法来获取和处理图像数据。
demo：
用画图软件画一个 2*2像素的bmp文件，如图：
图像文件总共有4个像素，
第一行：(255,0 , 0) (255,255,255)
第二行：(255,0 , 0) (255,255,255)
from PIL import Imagefile_path = 'd:\\mask3\\2020bmp.bmp'
im = Image.open(file_path) # 打开文件
img_bytes = im.tobytes() # 图像的字节数据
img_datas = im.getdata() # 图像的像素值数据print('img_bytes=',list(img_bytes)) # img_bytes= [255, 0, 0, 255, 255, 255, 255, 0, 0, 255, 255, 255]， 返回的是整个图像的原始字节序列
print('img_datas=',list(img_datas)) # img_datas= [(255, 0, 0), (255, 255, 255), (255, 0, 0), (255, 255, 255)]， 返回的是图像中每个像素的像素值数据序列再比如：
from PIL import Imagefile_path = 'd:\\mask3\\2020bmp.bmp'
im = Image.open(file_path) # 打开文件B_channel = im.getchannel("B") # 获取指定通道的图像
img_bytes = B_channel.tobytes() # 图像的字节数据
img_datas = B_channel.getdata() # 图像的像素值数据print('img_bytes=',list(img_bytes)) # img_bytes= [0, 255, 0, 255]
print('img_datas=',list(img_datas)) # img_datas= [0, 255, 0, 255]由于是单通道数据，所以上述两个函数的返回结果是相同的。
设置像素值putdata(）
使用像素值数据：
from PIL import Imagefile_path = 'd:\\mask3\\2020bmp.bmp'
im = Image.open(file_path)
# 给定的像素值数据序列
img_bytes = im.getdata()# 创建新的图像对象，这里创建一个大小为 2x2 的 RGB 模式图像
new_image = Image.new('RGB', (2, 2)) # 使用 RGBA 模式是因为给定的像素值数据包含 Alpha 通道# 将像素值数据复制到新图像对象中
new_image.putdata(img_bytes)# 保存新图像对象到文件中
new_image.save('new_image.BMP')print("新图像文件已保存成功！")使用字节数据：
from PIL import Imagefile_path = 'd:\\mask3\\2020bmp.bmp'
im = Image.open(file_path)# 分离每个通道的像素值数据
R_channel, G_channel, B_channel = im.split()# 重新组合像素值数据为 RGB 格式
new_bytes = list(zip(R_channel.getdata(), G_channel.getdata(), B_channel.getdata()))# 创建新的图像对象，大小为 2x2 的 RGB 模式
new_image = Image.new('RGB', (2, 2))
new_image.putdata(new_bytes)# 保存新图像对象到文件中
new_image.save('new_image.BMP')print("新图像文件已保存成功！")2、编辑和显示方面
显示show()
from PIL import Image# 打开文件，Windows系统可以设置默认的打开程序，比如画图
with Image.open('d:\\mask3\\type_ARGB32.png') as im:im.show()请注意，这是只读方式的，即使在软件中对图像进行了编辑也无法直接保存 ，如果需要保存可以使用“另存为”。
加载load()和seek()
将图像文件加载到内存中，以供后续的处理和操作。
load()
from PIL import Imagef = open('d:\\mask3\\type_ARGB32.png', "rb")
im2 = Image.open(f)
im2.load()
f.close()im2.show()对于单帧图片，可以在load（）之后将文件关闭，然而对于多帧的图像格式，比如gif，就要等load（）之后所有的操作完成后才能将文件关闭。比如下面的代码就会报错：
from PIL import Imagef = open('d:\\mask3\\2.gif', "rb")
im2 = Image.open(f)
im2.load()
f.close()im2.show()需要改成：
from PIL import Imagef = open('d:\\mask3\\2.gif', "rb")
im2 = Image.open(f)
im2.load()
im2.show()
f.close()seek()
与load()方式类似，区别在于seek()方法用于定位到图像中的特定帧，特别是针对多帧图像（例如 GIF 动画）。
from PIL import Imagef = open('d:\\mask3\\2.gif', "rb")
im2 = Image.open(f)
im2.seek(2)
im2.show()
f.close()同样的，seek()在使用中也要注意图像文件的生命周期。
下面的代码就会报错：
from PIL import Imagef = open('d:\\mask3\\2.gif', "rb")
im2 = Image.open(f)
im2.seek(2)
f.close()
im2.show()
透明度混合alpha_composite()与blend()
alpha_composite()将两个半透明的图片叠加在一起，并根据 alpha 通道的数值进行合成，实现透明效果。 要确保两个图像的像素尺寸一致，并且它们都是 RGBA 模式的图像。
from PIL import Imageim1_path = 'd:\\mask3\\type_ARGB32_alpha1.png'
im2_path = 'd:\\mask3\\type_ARGB32_alpha2.png'
im1 = Image.open(im1_path)
im2 = Image.open(im2_path)im3 = Image.alpha_composite(im2, im1)
im3.show()blend()方法是用于对两幅图像进行混合，根据给定的透明度参数对两幅图像进行加权混合。
from PIL import Imageim1_path = 'd:\\mask3\\type_ARGB32_alpha1.png'
im2_path = 'd:\\mask3\\type_ARGB32_alpha2.png'
im1 = Image.open(im1_path)
im2 = Image.open(im2_path)im3 = Image.blend(im1, im2, 0.2)
im3.show()对于Image.blend(im1: Image, im2: Image, alpha: float)输出的图像：out = im1 * (1.0 - alpha) + im2 * alpha。
更新中。。。