pillow常见操作汇总

• pil读取图像

PIL（Python Imaging Library）是一个用于图像处理的Python库。您可以使用它来读取、处理和操作图像文件。下面是一个示例代码，展示了如何使用PIL库来读取图像：

from PIL import Image

# 打开图像文件
image_path = "path_to_your_image.jpg"  # 替换为您的图像文件路径
image = Image.open(image_path)

# 显示图像信息
print("图像格式:", image.format)
print("图像大小:", image.size)
print("图像模式:", image.mode)

# 显示图像
image.show()

在这个示例中，您需要将 path_to_your_image.jpg 替换为您实际的图像文件路径。代码首先使用 Image.open() 函数来打开图像文件，然后可以使用各种属性和方法来访问图像的信息，如格式、大小和模式。最后，使用 image.show() 来显示图像。

• pil读取png图片并对png图片透明区域填充颜色，转为rgb格式

您可以使用 Python 的 PIL（Python Imaging Library）库来读取 PNG 图像，并对图像的透明区域进行颜色填充。以下是一个示例代码，展示了如何实现这个操作：

from PIL import Image

# 打开 PNG 图像
image = Image.open("example.png")

# 检查图像是否具有 alpha 通道（透明通道）
if image.mode in ("RGBA", "LA") or (image.mode == "P" and "transparency" in image.info):
    # 创建一个新的 RGB 图像，背景颜色为指定的填充颜色
    background_color = (255, 0, 0)  # 填充颜色为红色
    new_image = Image.new("RGB", image.size, background_color)

    # 将原图像覆盖在新图像上，透明区域会显示填充颜色
    new_image.paste(image, (0, 0), image)

    # 保存结果图像
    new_image.save("filled_image.png")
else:
    print("图像没有透明通道，无需填充颜色。")

在这个示例中，我们首先使用 Image.open() 函数打开 PNG 图像。然后，我们检查图像是否具有透明通道。如果图像具有透明通道，我们创建一个新的 RGB 图像，指定背景颜色作为填充颜色，然后使用 paste() 方法将原图像覆盖在新图像上，透明区域会显示填充颜色。最后，我们使用 save() 方法保存结果图像。

请注意，这个示例中的填充颜色是 (255, 0, 0)，即红色。您可以根据需要更改为其他颜色。

pil 取图像0，0位置上的像素值

要使用 PIL（Python Imaging Library）获取图像的特定像素值，您可以使用图像对象的 getpixel() 方法。以下是如何获取图像位置 (0, 0) 处的像素值的示例代码：

from PIL import Image

# 打开图像
image = Image.open("image.png")

# 获取位置 (0, 0) 处的像素值
pixel_value = image.getpixel((0, 0))

print("位置 (0, 0) 处的像素值:", pixel_value)

在这个示例中，我们首先使用 Image.open() 打开图像。然后，我们使用 getpixel((x, y)) 方法来获取图像位置 (x, y) 处的像素值。对于位置 (0, 0)，我们传递元组 (0, 0) 作为参数。

getpixel() 方法返回一个元组，其中包含图像的各个通道的像素值。例如，对于 RGB 图像，返回的元组是 (R, G, B)。

Numpy数组转Image图像

如果您的 NumPy 数组带有通道（例如形状为 (14, 15, 3) 的 RGB 图像数据），您可以使用 PIL 的 Image.fromarray() 方法进行转换，但需要确保 NumPy 数组的数据类型正确以及通道的顺序。以下是如何将带有通道的 NumPy 数组转换为 PIL 图像的示例代码：

from PIL import Image
import numpy as np

# 创建一个尺寸为 (14, 15, 3) 的示例数组（RGB 图像数据）
array_rgb = np.random.randint(0, 256, size=(14, 15, 3), dtype=np.uint8)

# 将 NumPy 数组转换为 PIL 图像对象
pil_image = Image.fromarray(array_rgb)

# 保存为图像文件
pil_image.save("numpy_to_pil_image.png")

# 显示图像
pil_image.show()

在这个示例中，我们首先使用 np.random.randint() 创建一个示例的 (14, 15, 3) 形状的 RGB NumPy 数组。然后，我们使用 Image.fromarray() 将 NumPy 数组转换为 PIL 图像对象。确保数据类型是 np.uint8，以确保数据范围正确。

如果在转换过程中遇到问题，可能是因为数据类型、数据范围或通道顺序不正确。请确保 RGB 通道的顺序是 R、G、B，且数据类型正确，然后尝试使用 Image.fromarray() 再次转换。

pil图像转numpy后的尺寸

在将 PIL（Python Imaging Library）图像转换为 NumPy 数组时，NumPy 数组的尺寸将反映图像的高度和宽度。对于 RGB 图像，尺寸还将包括通道数。

以下是将 PIL 图像转换为 NumPy 数组后，NumPy 数组的尺寸表示：

• 对于灰度图像（单通道）：NumPy 数组的形状将是 (高度, 宽度)。
• 对于 RGB 图像（三通道）：NumPy 数组的形状将是 (高度, 宽度, 通道数)。

以下是示例代码，展示了如何将 PIL 图像转换为 NumPy 数组，并查看其尺寸：

from PIL import Image
import numpy as np

# 读取图像
image = Image.open("image.png")

# 将 PIL 图像转换为 NumPy 数组
image_array = np.array(image)

# 打印 NumPy 数组的尺寸
print("NumPy 数组尺寸:", image_array.shape)

在这个示例中，我们首先使用 np.array(image) 将 PIL 图像转换为 NumPy 数组。然后，我们使用 .shape 属性来查看数组的尺寸。