圖片查看python,圖片查看器

本文目錄一覽：

• 1、python處理圖片數據？
• 2、Python如何圖像識別？
• 3、python：PIL圖像處理
• 4、10 個 Python 圖像編輯工具

python處理圖片數據？

生成一張純色的圖片

先設置圖片的顏色，接著利用Image模塊的new方法新生成一張圖片，png格式的圖片需要設置成rgba，類似的還有rgb，L(灰度圖等)，尺寸設定為640，480，這個可以根據自己的情況設定，顏色同樣如此。

批量生成圖片

上面生成了一張圖片，那要生成十張圖片呢，這種步驟一樣，只是顏色改變的，利用循環就可以解決。首先創建一個顏色列表，把要生成的圖片顏色放進去。接著循環獲取不同的顏色，保存的時候利用字元串拼接的方法改變圖片的名字。

本地生成的圖片

封裝成函數

前面的方法已經可以批量生成圖片了，為了通用性強一點，我們可以封裝成函數，把哪些可以改變的參數單獨抽離出來。尺寸也同樣，使用的時候，可以根據自己的需要定義顏色列表和尺寸。當然還有加一些提示用語和報錯兼容性，這裡就不講了。

本地生成的圖片

Python如何圖像識別？

打開winPython工具包輸入以下代碼，如圖所示。

from skimage import io

if __name__ == ‘__main__’:

img_name=”D:\\WinPython-64bit-3.5.3.0Qt5\\notebooks\\hashiqi.jpg”

print(“我的圖片！”)

img=io.imread(img_name,as_grey=False)

io.imshow(img)

其中變數img_name是為了指定自己圖片所存的路徑。單擊保存按鈕，

會跳出一個設置文件名的界面，填入要保存的名字即可。單擊運行按鈕，一般要單擊兩次才行，運行代碼。單擊後，就可以查看的我們顯示的圖片了。

python：PIL圖像處理

PIL (Python Imaging Library)

Python圖像處理庫，該庫支持多種文件格式，提供強大的圖像處理功能。

PIL中最重要的類是Image類，該類在Image模塊中定義。

從文件載入圖像：

如果成功，這個函數返回一個Image對象。現在你可以使用該對象的屬性來探索文件的內容。

format 屬性指定了圖像文件的格式，如果圖像不是從文件中載入的則為 None 。

size 屬性是一個2個元素的元組，包含圖像寬度和高度（像素）。

mode 屬性定義了像素格式，常用的像素格式為：「L」 (luminance) – 灰度圖, 「RGB」 , 「CMYK」。

如果文件打開失敗, 將拋出IOError異常。

一旦你擁有一個Image類的實例，你就可以用該類定義的方法操作圖像。比如：顯示

( show() 的標準實現不是很有效率，因為它將圖像保存到一個臨時文件，然後調用外部工具（比如系統的默認圖片查看軟體）顯示圖像。該函數將是一個非常方便的調試和測試工具。)

接下來的部分展示了該庫提供的不同功能。

PIL支持多種圖像格式。從磁碟中讀取文件，只需使用 Image 模塊中的 open 函數。不需要提供文件的圖像格式。PIL庫將根據文件內容自動檢測。

如果要保存到文件，使用 Image 模塊中的 save 函數。當保存文件時，文件名很重要，除非指定格式，否則PIL庫將根據文件的擴展名來決定使用哪種格式保存。

** 轉換文件到JPEG **

save 函數的第二個參數可以指定使用的文件格式。如果文件名中使用了一個非標準的擴展名，則必須通過第二個參數來指定文件格式。

** 創建JPEG縮略圖 **

需要注意的是，PIL只有在需要的時候才載入像素數據。當你打開一個文件時，PIL只是讀取文件頭獲得文件格式、圖像模式、圖像大小等屬性，而像素數據只有在需要的時候才會載入。

這意味著打開一個圖像文件是一個非常快的操作，不會受文件大小和壓縮演算法類型的影響。

** 獲得圖像信息 **

Image 類提供了某些方法，可以操作圖像的子區域。提取圖像的某個子區域，使用 crop() 函數。

** 複製圖像的子區域 **

定義區域使用一個包含4個元素的元組，(left, upper, right, lower)。坐標原點位於左上角。上面的例子提取的子區域包含300×300個像素。

該區域可以做接下來的處理然後再粘貼回去。

** 處理子區域然後粘貼回去 **

當往回粘貼時，區域的大小必須和參數匹配。另外區域不能超出圖像的邊界。然而原圖像和區域的顏色模式無需匹配。區域會自動轉換。

** 滾動圖像 **

paste() 函數有個可選參數，接受一個掩碼圖像。掩碼中255表示指定位置為不透明，0表示粘貼的圖像完全透明，中間的值表示不同級別的透明度。

PIL允許分別操作多通道圖像的每個通道，比如RGB圖像。 split() 函數創建一個圖像集合，每個圖像包含一個通道。 merge() 函數接受一個顏色模式和一個圖像元組，然後將它們合併為一個新的圖像。接下來的例子交換了一個RGB圖像的三個通道。

** 分離和合併圖像通道 **

對於單通道圖像， split() 函數返回圖像本身。如果想處理各個顏色通道，你可能需要先將圖像轉為RGB模式。

resize() 函數接受一個元組，指定圖像的新大小。

rotate() 函數接受一個角度值，逆時針旋轉。

** 基本幾何變換 **

圖像旋轉90度也可以使用 transpose() 函數。 transpose() 函數也可以水平或垂直翻轉圖像。

** transpose **

transpose() 和 rotate() 函數在性能和結果上沒有區別。

更通用的圖像變換函數為 transform() 。

PIL可以轉換圖像的像素模式。

** 轉換顏色模式 **

PIL庫支持從其他模式轉為「L」或「RGB」模式，其他模式之間轉換，則需要使用一個中間圖像，通常是「RGB」圖像。

ImageFilter 模塊包含多個預定義的圖像增強過濾器用於 filter() 函數。

** 應用過濾器 **

point() 函數用於操作圖像的像素值。該函數通常需要傳入一個函數對象，用於操作圖像的每個像素：

** 應用點操作 **

使用以上技術可以快速地對圖像像素應用任何簡單的表達式。可以結合 point() 函數和 paste 函數修改圖像。

** 處理圖像的各個通道 **

注意用於創建掩碼圖像的語法：

Python計算邏輯表達式採用短路方式，即：如果and運算符左側為false，就不再計算and右側的表達式，而且返回結果是表達式的結果。比如 a and b 如果a為false則返回a，如果a為true則返回b，詳見Python語法。

對於更多高級的圖像增強功能，可以使用 ImageEnhance 模塊中的類。

可以調整圖像對比度、亮度、色彩平衡、銳度等。

** 增強圖像 **

PIL庫包含對圖像序列（動畫格式）的基本支持。支持的序列格式包括 FLI/FLC 、 GIF 和一些實驗性的格式。 TIFF 文件也可以包含多個幀。

當打開一個序列文件時，PIL庫自動載入第一幀。你可以使用 seek() 函數 tell() 函數在不同幀之間移動。

** 讀取序列 **

如例子中展示的，當序列到達結尾時，將拋出EOFError異常。

注意當前版本的庫中多數底層驅動只允許seek到下一幀。如果想回到前面的幀，只能重新打開圖像。

以下迭代器類允許在for語句中循環遍歷序列：

** 一個序列迭代器類 **

PIL庫包含一些函數用於將圖像、文本列印到Postscript印表機。以下是一個簡單的例子。

** 列印到Postscript **

如前所述，可以使用 open() 函數打開圖像文件，通常傳入一個文件名作為參數：

如果打開成功，返回一個Image對象，否則拋出IOError異常。

也可以使用一個file-like object代替文件名（暫可以理解為文件句柄）。該對象必須實現read，seek，tell函數，必須以二進位模式打開。

** 從文件句柄打開圖像 **

如果從字元串數據中讀取圖像，使用StringIO類：

** 從字元串中讀取 **

如果圖像文件內嵌在一個大文件里，比如 tar 文件中。可以使用ContainerIO或TarIO模塊來訪問。

** 從tar文檔中讀取 **

** 該小節不太理解，請參考原文 **

有些解碼器允許當讀取文件時操作圖像。通常用於在創建縮略圖時加速解碼（當速度比質量重要時）和輸出一個灰度圖到激光印表機時。

draft() 函數。

** Reading in draft mode **

輸出類似以下內容：

注意結果圖像可能不會和請求的模式和大小匹配。如果要確保圖像不大於指定的大小，請使用 thumbnail 函數。

Python2.7 教程 PIL

Python 之 使用 PIL 庫做圖像處理

來自

10 個 Python 圖像編輯工具

以下提到的這些 Python 工具在編輯圖像、操作圖像底層數據方面都提供了簡單直接的方法。

— Parul Pandey

當今的世界充滿了數據，而圖像數據就是其中很重要的一部分。但只有經過處理和分析，提高圖像的質量，從中提取出有效地信息，才能利用到這些圖像數據。

常見的圖像處理操作包括顯示圖像，基本的圖像操作，如裁剪、翻轉、旋轉；圖像的分割、分類、特徵提取；圖像恢復；以及圖像識別等等。Python 作為一種日益風靡的科學編程語言，是這些圖像處理操作的最佳選擇。同時，在 Python 生態當中也有很多可以免費使用的優秀的圖像處理工具。

下文將介紹 10 個可以用於圖像處理任務的 Python 庫，它們在編輯圖像、查看圖像底層數據方面都提供了簡單直接的方法。

scikit-image 是一個結合 NumPy 數組使用的開源 Python 工具，它實現了可用於研究、教育、工業應用的演算法和應用程序。即使是對於剛剛接觸 Python 生態圈的新手來說，它也是一個在使用上足夠簡單的庫。同時它的代碼質量也很高，因為它是由一個活躍的志願者社區開發的，並且通過了 同行評審(peer review)。

scikit-image 的 文檔 非常完善，其中包含了豐富的用例。

可以通過導入 skimage 使用，大部分的功能都可以在它的子模塊中找到。

圖像濾波(image filtering)：

使用 match_template() 方法實現 模板匹配(template matching)：

在 展示頁面 可以看到更多相關的例子。

NumPy 提供了對數組的支持，是 Python 編程的一個核心庫。圖像的本質其實也是一個包含像素數據點的標準 NumPy 數組，因此可以通過一些基本的 NumPy 操作（例如切片、 掩膜(mask)、 花式索引(fancy indexing)等），就可以從像素級別對圖像進行編輯。通過 NumPy 數組存儲的圖像也可以被 skimage 載入並使用 matplotlib 顯示。

在 NumPy 的 官方文檔 中提供了完整的代碼文檔和資源列表。

使用 NumPy 對圖像進行 掩膜(mask)操作：

像 NumPy 一樣， SciPy 是 Python 的一個核心科學計算模塊，也可以用於圖像的基本操作和處理。尤其是 SciPy v1.1.0 中的 scipy.ndimage 子模塊，它提供了在 n 維 NumPy 數組上的運行的函數。SciPy 目前還提供了 線性和非線性濾波(linear and non-linear filtering)、 二值形態學(binary morphology)、 B 樣條插值(B-spline interpolation)、 對象測量(object measurements)等方面的函數。

在 官方文檔 中可以查閱到 scipy.ndimage 的完整函數列表。

使用 SciPy 的 高斯濾波 對圖像進行模糊處理：

PIL (Python Imaging Library) 是一個免費 Python 編程庫，它提供了對多種格式圖像文件的打開、編輯、保存的支持。但在 2009 年之後 PIL 就停止發布新版本了。幸運的是，還有一個 PIL 的積極開發的分支 Pillow ，它的安裝過程比 PIL 更加簡單，支持大部分主流的操作系統，並且還支持 Python 3。Pillow 包含了圖像的基礎處理功能，包括像素點操作、使用內置卷積內核進行濾波、顏色空間轉換等等。

Pillow 的 官方文檔 提供了 Pillow 的安裝說明自己代碼庫中每一個模塊的示例。

使用 Pillow 中的 ImageFilter 模塊實現圖像增強：

OpenCV（Open Source Computer Vision 庫）是計算機視覺領域最廣泛使用的庫之一， OpenCV-Python 則是 OpenCV 的 Python API。OpenCV-Python 的運行速度很快，這歸功於它使用 C/C++ 編寫的後台代碼，同時由於它使用了 Python 進行封裝，因此調用和部署的難度也不大。這些優點讓 OpenCV-Python 成為了計算密集型計算機視覺應用程序的一個不錯的選擇。

入門之前最好先閱讀 OpenCV2-Python-Guide 這份文檔。

使用 OpenCV-Python 中的 金字塔融合(Pyramid Blending)將蘋果和橘子融合到一起：

SimpleCV 是一個開源的計算機視覺框架。它支持包括 OpenCV 在內的一些高性能計算機視覺庫，同時不需要去了解 位深度(bit depth)、文件格式、 色彩空間(color space)之類的概念，因此 SimpleCV 的學習曲線要比 OpenCV 平緩得多，正如它的口號所說，「將計算機視覺變得更簡單」。SimpleCV 的優點還有：

官方文檔 簡單易懂，同時也附有大量的學慣用例。

文檔 包含了安裝介紹、示例以及一些 Mahotas 的入門教程。

Mahotas 力求使用少量的代碼來實現功能。例如這個 Finding Wally 遊戲 ：

ITK （Insight Segmentation and Registration Toolkit）是一個為開發者提供普適性圖像分析功能的開源、跨平台工具套件， SimpleITK 則是基於 ITK 構建出來的一個簡化層，旨在促進 ITK 在快速原型設計、教育、解釋語言中的應用。SimpleITK 作為一個圖像分析工具包，它也帶有 大量的組件 ，可以支持常規的濾波、圖像分割、 圖像配准(registration)功能。儘管 SimpleITK 使用 C++ 編寫，但它也支持包括 Python 在內的大部分編程語言。

有很多 Jupyter Notebooks 用例可以展示 SimpleITK 在教育和科研領域中的應用，通過這些用例可以看到如何使用 Python 和 R 利用 SimpleITK 來實現互動式圖像分析。

使用 Python + SimpleITK 實現的 CT/MR 圖像配准過程：

pgmagick 是使用 Python 封裝的 GraphicsMagick 庫。 GraphicsMagick 通常被認為是圖像處理界的瑞士軍刀，因為它強大而又高效的工具包支持對多達 88 種主流格式圖像文件的讀寫操作，包括 DPX、GIF、JPEG、JPEG-2000、PNG、PDF、PNM、TIFF 等等。

pgmagick 的 GitHub 倉庫 中有相關的安裝說明、依賴列表，以及詳細的 使用指引 。

圖像縮放：

邊緣提取：

Cairo 是一個用於繪製矢量圖的二維圖形庫，而 Pycairo 是用於 Cairo 的一組 Python 綁定。矢量圖的優點在於做大小縮放的過程中不會丟失圖像的清晰度。使用 Pycairo 可以在 Python 中調用 Cairo 的相關命令。

Pycairo 的 GitHub 倉庫 提供了關於安裝和使用的詳細說明，以及一份簡要介紹 Pycairo 的 入門指南 。

使用 Pycairo 繪製線段、基本圖形、 徑向漸變(radial gradients)：

以上就是 Python 中的一些有用的圖像處理庫，無論你有沒有聽說過、有沒有使用過，都值得試用一下並了解它們。

via:

作者： Parul Pandey 選題： lujun9972 譯者： HankChow 校對： wxy