Python Pillow(PIL)库的用法介绍(二)
在上一篇文章中介绍了Pillow库的一些基本用法，参考：https://blog.csdn.net/weixin_43790276/article/details/108478270
Pillow库的功能非常多，本文继续介绍。
官方文档路径：https://pillow.readthedocs.io/en/latest/
一、图片的变换
原图：
# coding=utf-8
from PIL import Imageimage = Image.open("yazi.jpg")
data = (200, 300, 1100, 1200)
image_trans = image.transform((500, 400), Image.EXTENT, data=data, resample=Image.NEAREST, fillcolor='blue')
image_trans.show()运行结果：
transform(size, method, data=None, resample=NEAREST, fill=1, fillcolor=None): 对图片进行变换，截取的同时进行缩放和填充等。返回指定大小的图片，图片的模式与原图相同。有6个参数。
size, 返回图片的尺寸。传入一个长度为2的元组(width, height)。
method, 转换方法。可以传入Image.EXTENT(一个矩形区), Image.AFFINE(仿射变换), Image.PERSPECTIVE(透视变换), Image.QUAD(一个四边形映射到一个矩形), Image.MESH(图源的四边形在一个操作)。
data, 转换方法需要的额外数据。需要根据method的不同传入不同的数据，这个参数是辅助method的，强依赖于转换方法method，格式不匹配会报错(格式详见源码中的__transformer()方法)。
(1) method为Image.EXTENT时，data格式为(x0, y0, x1, y1)，传入截取矩形区域的四个坐标，可以超出原图的边界。
(2) method为Image.AFFINE时，data格式为(a, b, c, d, e, f)，将原图中(ax+by+c, dx+ey+f)坐标的点缩放到返回图片的(x, y)坐标。
(3) method为Image.PERSPECTIVE时，data格式为(a, b, c, d, e, f, g, h)，将原图中((ax+by+c)/(gx+hy+1), (dx+ey+f)/(gx+hy+1))坐标的点缩放到返回图片的(x, y)坐标，如果后面两个数g, h为0，则效果与Image.AFFINE相同，其实g, h一般都用0，因为随着x和y变大，相当于要除一个很大的数，原图基本会被缩成一个点。
(4) method为Image.QUAD时，data格式为(x0, y0, x1, y1, x2, y2, x3, y3)，传入一个四边形的四个坐标(西北，西南，东南，东北)，将这个四边形缩放到返回的矩形图片中。
(5) method为Image.MESH时，其实MESH转换方法的源码(for box, quad in data:)中有错误，需要自己修改后才能用。
resample, 重采样，是一个可选的重采样过滤器。可以传入Image.NEAREST, Image.BILINEAR, Image.BICUBIC。默认为Image.NEAREST。如果图像的模式为'1'或'P'，则始终设置为Image.NEAREST。
fill, 填充。如果method参数是一个Image.ImageTransformHandler对象，fill是传给转换方法的一个参数，否则，fill无效。
fillcolor, 填充颜色。超出原图区域的部分使用此颜色填充。
现在将不同转换方法method的效果进行对比。
from PIL import Imageimage = Image.open("yazi.jpg")
# data = (200, 300, 1100, 1200)
# image_trans = image.transform((500, 400), Image.NEAREST, data=data, resample=Image.NEAREST, fillcolor='blue')
# image_trans.show()
# data = (0, 1, 300, 1, 0, 400)
# image_trans = image.transform((500, 400), Image.AFFINE, data=data, resample=Image.NEAREST, fillcolor='blue')
# image_trans.show()
# data = (0, 1, 500, 1, 0, 400, 0, 0)
# image_trans = image.transform((500, 400), Image.PERSPECTIVE, data=data, resample=Image.NEAREST, fillcolor='blue')
# image_trans.show()
data = (300, 200, 300, 500, 800, 800, 1100, 0)
image_trans = image.transform((500, 400), Image.QUAD, data=data, resample=Image.NEAREST, fillcolor='blue')
image_trans.show()运行结果：
二、图片的分离
from PIL import Imageimage = Image.open("yazi.jpg")
print(image.mode)
r, g, b, a = image.split()
print(r.mode, r.size)
print(g.mode, g.size)
print(b.mode, b.size)
print(a.mode, a.size)
# r.show()
# g.show()
# b.show()
a.show()运行结果：
RGBA
L (1557, 911)
L (1557, 911)
L (1557, 911)
L (1557, 911)
split(): 对图片进行分离提取。将此图像分成单独的颜色通道。返回单颜色通道图片组成的元组。如分离'RGB'图片会返回三张新图片，每张图片是一个颜色通道(红色，绿色，蓝色)的副本，都是灰度的图片。同理，'RGBA'返回四张新图片。
如果只需要提取其中一种颜色的图片，可以使用getchannel(channel)方法。
r = image.getchannel('R')
print(r.mode, r.size)
r.show()运行结果：
L (1557, 911)
getchannel(channel): 分离出图片中的一个颜色通道。如分离'RGB'图片中的某个通道时可以传入'R', 'G', 'B'或0, 1, 2来进行分离。分离'RGBA'中的'A'时只能传入'A'，不能传入3。
三、图片的合并
from PIL import Imageimage = Image.open("yazi.jpg")
r, g, b, a = image.split()
image_merge = Image.merge('RGB', (r, g, a))
print(image_merge.mode, image_merge.size)
image_merge.show()运行结果：
RGB (1557, 911)
merge(mode, bands): 将多个单通道的图片合并成一张多通道的图片。merge()是Image模块中的一个函数，不是Image类中的方法，有两个参数。
mode, 需要合成的目标图片的模式。如'RGB'，'RGBA'。
bands, 用于合并的单通道图片列表。传入一个列表或元组，列表长度与目标图片的模式要对应，如'RGB'需要传入长度为3的列表，'RGBA'需要传入长度为4的列表。列表中的每张单通道图片尺寸必须相同，否则报错。
四、图片的过滤
1. 图片过滤器
Pillow提供了以下预定义的图片过滤器，参考：https://pillow.readthedocs.io/en/latest/reference/ImageFilter.html#module-PIL.ImageFilter
| filter | 描述 |
| BLUR | 模糊 |
| CONTOUR | 轮廓 |
| DETAIL | 详情 |
| EDGE_ENHANCE | 边缘增强 |
| EDGE_ENHANCE_MORE | 边缘增强更多 |
| EMBOSS | 电磁波 |
| FIND_EDGES | 寻找边缘 |
| SHARPEN | 夏普 |
| SMOOTH | 光滑 |
| SMOOTH_MORE | 更光滑 |
2. 图片的过滤
from PIL import Image, ImageFilterimage = Image.open("yazi.jpg")
# image_blur = image.filter(ImageFilter.BLUR)
# image_blur.show()
# image_contour = image.filter(ImageFilter.CONTOUR)
# image_contour.show()
# image_edge = image.filter(ImageFilter.EDGE_ENHANCE_MORE)
# image_edge.show()
image_emboss = image.filter(ImageFilter.EMBOSS)
image_emboss.show()运行结果：
filter(filter): 使用指定的过滤器对图片进行过滤。传入一个ImageFilter过滤器，上面表格中的过滤器都支持。
五、图片的混合
为了体现出混合的效果，需要使用两张图片，所以再加入一张图片。
from PIL import Imageimage = Image.open('yazi.jpg').crop((100, 100, 1300, 900))
image2 = Image.open('yazi2.jpg').crop((100, 0, 1300, 800))
image.save('duck1.png')
image2.save('duck2.png')
duck1 = Image.open('duck1.png')
duck2 = Image.open('duck2.png')
print(duck1.size, duck1.mode)
print(duck2.size, duck2.mode)
image_blend = Image.blend(duck1, duck2, 0.7)
image_blend.show()运行结果：
(1200, 800) RGBA
(1200, 800) RGBA
blend(im1, im2, alpha): 将两张图片混合到一张图片中。blend()是Image模块中的一个函数，不是Image类中的方法，有3个参数。
im1, 混合的第一张图片。
im2, 混合的第二张图片。图片的尺寸和模式必须与第一张图片相同，否则报错。
alpha, 混合的因子。一般传入一个0~1的浮点数，如果alpha等于0.0，混合结果为第一张图片，如果alpha等于1.0，混合结果为第二张图片。如果alpha为0~1之间的数，则混合的图片out=im1*(1.0-alpha) + image2*alpha，效果为两张图片的叠加。如果传入其他值，则混合出来的图片效果比较混乱。
六、图片的复合
from PIL import Imageduck1 = Image.open('duck1.png')
duck2 = Image.open('duck2.png')
r, g, b, a = duck2.split()
image_compo = Image.composite(duck1, duck2, r)
image_compo.show()运行结果：
composite(image1, image2, mask): 将两张图片复合到一张图片中，使用蒙版。composite()是Image模块中的一个函数，不是Image类中的方法，有3个参数。
image1, 复合的第一张图片。
image2, 复合的第二张图片。图片的尺寸和模式必须与第一张图片相同，否则报错。
mask, 蒙版。也是一张图片，这张图片的模式为'1', 'L'或'RGBA'，尺寸必须与前两张图片相同。
此方法其实是将第一张图片粘贴到第二张图片上，相当于image2.paste(image1, None, mask)，可以参考Image类中paste()方法的用法。
七、图片的旋转
from PIL import Imageduck1 = Image.open('duck1.png')
print(duck1.size)
image = duck1.rotate(15, center=(0, 0), expand=1, translate=(100, 100), fillcolor=(0, 0, 255))
print(image.size)
image.show()运行结果：
(1200, 800)
(1367, 1084)
rotate(angle, resample=NEAREST, expand=0, center=None, translate=None, fillcolor=None): 对图片进行旋转，返回一张旋转后的图片副本，不是对原图进行旋转。有6个参数。
angle, 旋转的角度。这个参数是一个必传参数，按角度制计算，按逆时针方向旋转。
resample, 重采样，是一个可选的重采样过滤器。可以传入Image.NEAREST, Image.BILINEAR, Image.BICUBIC。默认为Image.NEAREST。如果图像的模式为'1'或'P'，则始终设置为Image.NEAREST。
expand, 可扩展性。传入数字0或1，表示布尔值，默认为0。如果值为0，对图片旋转后，返回图片的尺寸与原图尺寸一样。如果值为1，则旋转后，图片的尺寸会根据旋转角度自动调整(如果没有改变图片的旋转中心和没有进行平移，则返回图片中可以看到完整的原图)。
center, 旋转的中心。传入长度为2的元组(x, y)，表示旋转中心的像素点。默认为原图的正中心。
translate, 平移的坐标。传入长度为2的元组(x, y)，将原图按(x, y)进行平移，默认为(0, 0)。
fillcolor, 填充颜色。传入一个颜色值，当图片旋转后，原图变斜了，但返回图片还是矩形的，所以空出的部分需要进行填充，默认为黑色。颜色值可以是元组表示法，也可以是颜色的十六进制表示法或颜色英文。如上面的(0, 0, 255)可以换成'#0000FF'或'blue'。
八、图片的转置和翻转
from PIL import Imageimage = Image.open("yazi.jpg")
image1 = image.transpose(Image.FLIP_LEFT_RIGHT)
# image1.show()
image2 = image.transpose(Image.FLIP_TOP_BOTTOM)
# image2.show()
image3 = image.transpose(Image.ROTATE_180)
# image3.show()
image4 = image.transpose(Image.TRANSVERSE)
image4.show()运行结果：
transpose(method): 转置或翻转图片。method可以传入Image.FLIP_LEFT_RIGHT, Image.FLIP_TOP_BOTTOM, Image.ROTATE_90, Image.ROTATE_180, Image.ROTATE_270, Image.TRANSPOSE, Image.TRANSVERSE。这些方法都是旋转90度和翻转组合的结果。
九、改变图片的像素点位置
from PIL import Imageimage = Image.open("yazi.jpg")
image_effect = image.effect_spread(7)
image_effect.show()运行结果：
effect_spread(distance): 随机改变图片中像素点的位置，即将每个像素点移动到指定距离范围内的另一个点。distance表示每个像素点的随机变化距离，处理后的图片有“粒度”的变化。
在Image模块中，还有很多对图片处理的方法和函数，如有一组以get和put开头的方法，用于获取或修改图片的属性，有将图片与字节等互相转换的方法，有对动图的处理方法等。这里就不继续一一介绍了，感兴趣可以看看源码和官方文档，并多做尝试。
