如果需要處理的原圖及代碼，請移步小編的GitHub地址
傳送門：請點擊我
如果點擊有誤：https://github.com/LeBron-Jian/ComputerVisionPractice
這個是之前的筆記，自己看到了就順帶發出來，也是溫習一下，內容可能不太全，算是入門貼吧。
前言：PIL
圖像處理是計算機視覺領域中不可或缺的一部分，而PIL（Python Imaging Library）庫和OpenCV（Open Source Computer Vision Library）是兩個常用的工具。今天這裏主要學習以下PIL庫，PIL 是一個用於圖像處理的 Python 庫，提供了豐富的圖像處理功能。它包含了處理圖像的各種工具和算法，可以進行圖像的打開、保存、剪裁、旋轉、縮放等操作。
PIL（Python Imaging Library）和 OpenCV 都是用於圖像處理的強大庫，它們各自有着不同的優勢和適用場景。以下是一些導致 PIL 仍然被使用的原因：
1，PIL的優點
-
易用性：PIL庫的API設計得非常簡潔明瞭，即使是編程新手也能快速上手。例如，你只需要一行代碼就可以打開一個圖像文件，然後再用一行代碼就可以將圖像保存到新的文件中。
-
功能強大：PIL庫提供了豐富的圖像處理功能，包括基本的圖像操作（如裁剪、旋轉、縮放等），圖像濾鏡，以及更高級的功能（如圖像增強、色彩空間轉換等）。
-
支持多種圖像格式：PIL庫支持多種常見的圖像格式，包括JPEG、PNG、BMP、GIF、PPM、TIFF等。這意味着你可以使用PIL庫來處理幾乎所有類型的圖像文件。
- 文字和繪圖功能：PIL允許在圖像上添加文字、繪製幾何圖形和繪製曲線，這對於圖像註釋和標記非常有幫助。
- 擴展功能：PIL還支持各種擴展功能，如圖像濾波、直方圖均衡化和顏色空間轉換等。
2，PIL 的缺點
-
性能：雖然PIL庫的功能強大，但是它的性能並不是最優的。如果你需要處理大量的圖像，或者進行復雜的圖像處理操作，可能會發現PIL庫的速度不盡如人意。
-
不支持一些高級功能：雖然PIL庫提供了豐富的圖像處理功能，但是它並不支持一些高級的圖像處理操作，如特徵檢測、圖像分割等。如果你需要進行這些操作，可能需要使用其他的圖像處理庫，如OpenCV。
3，PIL 庫和OpenCV的區別
- 編程語言：PIL庫是用純Python編寫的，而OpenCV主要是用C++編寫的，並提供了Python的接口。如果您更熟悉Python，並且希望使用Python進行圖像處理，那麼PIL可能更適合您。並且PIL 的接口相對較爲簡單，特別適合一些簡單的圖像處理任務。對於一些不需要太多高級功能的應用，PIL 提供了直觀的方法和易於使用的 API。
- 功能和算法：OpenCV提供了更豐富和先進的圖像處理算法和函數，涵蓋了從基本操作到高級計算機視覺任務的各個方面。而PIL 在功能上相對輕量，適合一些小型項目或者只需要進行基本圖像處理的場景。如果你的需求主要是一些簡單的圖像操作，PIL 可能是更輕便的選擇。
- 性能：由於OpenCV是用C++編寫的，因此在處理大型圖像和複雜計算任務時具有較高的性能優勢。PIL庫在處理大型圖像時可能效率稍低。
- 生態系統：OpenCV擁有龐大的社區支持和豐富的文檔資源，可以幫助您解決問題和學習。而PIL庫的社區活動相對較少，文檔資源相對較少。
4，如何使用PIL庫
首先是安裝，比較簡單：
pip install pillow
下面是一個簡單的示例，演示瞭如何使用PIL庫來打開一個圖像文件，然後將圖像轉換爲灰度圖，並保存到新的文件中：
from PIL import Image
# 打開圖像文件
img = Image.open('input.jpg')
# 將圖像轉換爲灰度圖
img_gray = img.convert('L')
# 保存圖像到新的文件
img_gray.save('output.jpg')
雖然 OpenCV 在計算機視覺和更復雜的圖像處理任務中表現得非常強大，但選擇使用哪個庫通常取決於具體的需求和項目特點。在一些情況下，PIL 可能更爲合適，而在其他情況下，特別是涉及到計算機視覺領域的任務，OpenCV 可能更具優勢。
總體來說，網上開源的一些計算機視覺中也使用PIL加載圖像，所以有不得不學習的理由，話不多說，開幹：
一：pillow模塊的基本概念
Pillow的官網地址：https://pillow.readthedocs.io/en/stable/，其實打開後，什麼都有，只是都是英文，對於部分同學不方面而已。
PIL：Python Imaging Library，已經是Python平臺上的圖像處理標準庫了。由於PIL僅支持到Python2.7 ，加上年久失修，於是一羣志願者在PIL的基礎上創建了兼容的版本，名字叫Pillow，支持最新版本的Python3.X，又加了許多新特性。因此，我們可以直接安裝使用Pillow。
PIL中所涉及的基本概念有如下幾個：通道（bands）、模式（mode）、尺寸（size）、座標系統（coordinate system）、調色板（palette）、信息（info）和濾波器（filters）。
1.1 通道——Image.getbands
每張圖片都是由一個或者多個數據通道構成。PIL允許在單張圖片中合成相同維數和深度的多個通道。
以RGB圖像爲例，每張圖片都是由三個數據通道構成，分別爲R、G和B通道。而對於灰度圖像，則只有一個通道。
對於一張圖片的通道數量和名稱，可以通過方法getbands()來獲取。方法getbands()是Image模塊的方法，它會返回一個字符串元組（tuple）。該元組將包括每一個通道的名稱。
Python的元組與列表類似，不同之處在於元組的元素不能修改,元組使用小括號，列表使用方括號，元組創建很簡單，只需要在括號中添加元素，並使用逗號隔開即可。
方法getbands()的使用如下：
from PIL import Image
im = Image.open("test.png")
print(im.getbands())
輸出：
('R', 'G', 'B')
1.2 模式——Image.mode
圖像的模式定義了圖像的類型和像素的位寬。當前支持如下模式：
1：1位像素，表示黑和白，但是存儲的時候每個像素存儲爲8bit。 L：8位像素，表示黑和白。 P：8位像素，使用調色板映射到其他模式。 RGB：3x8位像素，爲真彩色。 RGBA：4x8位像素，有透明通道的真彩色。 CMYK：4x8位像素，顏色分離。 YCbCr：3x8位像素，彩色視頻格式。 I：32位整型像素。 F：32位浮點型像素。 PIL也支持一些特殊的模式，包括RGBX（有padding的真彩色）和RGBa（有自左乘alpha的真彩色）。
可以通過mode屬性讀取圖像的模式。其返回值是包括上述模式的字符串。
屬性mode的使用如下：
from PIL import Image
im = Image.open("test.png")
print(im.mode)
輸出：
'RGB'
1.3 尺寸——Image.size
通過size屬性可以獲取圖片的尺寸。這是一個二元組，包含水平和垂直方向上的像素數。
屬性mode的使用如下：
from PIL import Image
im = Image.open("test.png")
print(im.size)
輸出:
(670, 502)
1.4 座標系統
在PIL（或Pillow）中，圖像的座標系統遵循常見的數學座標系，其中左上角是原點（0, 0），x軸向右增長，y軸向下增長。這意味着圖像的左上角具有座標 (0, 0)，而右下角的座標是 (width-1, height-1)。
以下是一個簡單的示例說明PIL的座標系統：
from PIL import Image, ImageDraw
# 創建一個白色背景的圖像
width, height = 200, 100
image = Image.new("RGB", (width, height), "yellow")
# 創建一個ImageDraw對象,即獲取圖像的繪製對象
draw = ImageDraw.Draw(image)
# 在圖像中心繪製一個紅色矩形
rect_width, rect_height = 50, 30
left = 0
top = (height - rect_height) // 2
right = left + rect_width
bottom = top + rect_height
draw.rectangle([left, top, right, bottom], fill="red")
# 保存圖像
# image.save("coordinate_example.png")
# 顯示圖像
image.show()
# 顯示座標系
print(f"左上角座標：(0, 0)")
print(f"右下角座標：({width-1}, {height-1})")
# 輸出結果
# 左上角座標： (0, 0)
# 右下角座標：( 199, 99)
輸出圖像：
1.5 調色板——Image.palette
在PIL（Python Imaging Library）中，調色板（Palette）是一種用於存儲和管理顏色映射的機制。調色板通常與圖像的索引顏色模式一起使用，這意味着圖像的每個像素值不直接表示顏色，而是作爲索引來查找調色板中的實際顏色。
以下是有關調色板的一些重要概念和說明：
-
索引顏色模式：
- 在索引顏色模式中，圖像的每個像素值都是一個索引，該索引對應於調色板中的顏色。
- 通常，索引顏色模式用於節省存儲空間，特別是對於包含有限顏色集的圖像。
-
調色板的組成：
- 調色板是一個包含顏色信息的數據結構，通常由顏色元組組成。顏色元組可以是RGB（紅、綠、藍）格式，也可以是其他顏色表示格式。
- 對於每個索引，調色板中都有一個與之對應的顏色。
-
使用調色板的圖像格式：
- 一些常見的使用調色板的圖像格式包括GIF和PNG-8。這些格式在保存圖像時使用調色板，而不是直接存儲每個像素的完整顏色信息。
-
圖像的調色板屬性：
- PIL中的圖像對象具有調色板屬性，通過該屬性可以獲取和設置圖像的調色板。
- 使用
image.getpalette()方法可以獲取圖像的調色板，而image.putpalette()方法可以設置調色板。
以下是一個簡單的示例，演示如何使用PIL中的調色板：
from PIL import Image
# 創建一個調色板
palette = [255, 0, 0, # Red
0, 255, 0, # Green
0, 0, 255] # Blue
# 創建一個8x8的圖像，使用調色板和索引顏色模式
image = Image.new("P", (8, 8))
image.putpalette(palette)
# 設置圖像的像素值（索引）
pixels = [0, 1, 2, 0, 1, 2, 0, 1,
1, 2, 0, 1, 2, 0, 1, 2,
2, 0, 1, 2, 0, 1, 2, 0,
0, 1, 2, 0, 1, 2, 0, 1,
1, 2, 0, 1, 2, 0, 1, 2,
2, 0, 1, 2, 0, 1, 2, 0,
0, 1, 2, 0, 1, 2, 0, 1,
1, 2, 0, 1, 2, 0, 1, 2]
image.putdata(pixels)
# 顯示圖像
image.show()
這個例子創建了一個調色板，然後使用索引顏色模式創建了一個8x8的圖像，並通過設置像素值（索引）來使用調色板中的顏色。
1.6 信息——Image.info
使用info屬性可以爲一張圖片添加一些輔助信息。這個是字典對象。加載和保存圖像文件時，多少信息需要處理取決於文件格式。
屬性info的使用如下：
from PIL import Image
im = Image.open("test.jpg")
print(im.info)
輸出：
{'jfif': 257, 'jfif_version': (1, 1), 'jfif_unit': 0, 'jfif_density': (1, 1)}
1.7 濾波器
對於將多個輸入像素映射爲一個輸出像素的幾何操作，PIL提供了四個不同的採樣濾波器。
NEAREST：最近濾波。從輸入圖像中選取最近的像素作爲輸出像素。它忽略了所有其他的像素。 BILINEAR：雙線性濾波。在輸入圖像的2x2矩陣上進行線性插值。 注意：PIL的當前版本，做下采樣時該濾波器使用了固定輸入模板。 BICUBIC：雙立方濾波。在輸入圖像的4x4矩陣上進行立方插值。 注意：PIL的當前版本，做下采樣時該濾波器使用了固定輸入模板。 ANTIALIAS：平滑濾波。這是PIL 1.1.3版本中新的濾波器。對所有可以影響輸出像素 的輸入像素進行高質量的重採樣濾波，以計算輸出像素值。在當前的PIL版本中，這個濾 波器只用於改變尺寸和縮略圖方法。 注意：在當前的PIL版本中，ANTIALIAS濾波器是下采樣（例如，將一個大的圖像轉換爲 小圖）時唯一正確的濾波器。BILIEAR和BICUBIC濾波器使用固定的輸入模板，用於固 定比例的幾何變換和上採樣是最好的。
Image模塊中的方法 resize() 和 thumbnail()用到了濾波器。
方法resize() 的使用如下：
方法resize()的定義爲：resize(size, filter=None)=> image
from PIL import Image
im = Image.open("test.png")
print(im.size)
im_resize = im.resize((256,256))
print(im_resize.size)
輸出：
(670, 502)
(256,256)
對參數filter不賦值的話，方法resize()默認使用NEAREST濾波器。如果要使用其他濾波器可以通過下面的方法來實現：
from PIL import Image
im = Image.open("test.png")
print(im.size)
im_resize0 = im.resize((256,256), Image.BILINEAR)
print(im_resize0.size)
im_resize1 = im.resize((256,256), Image.BICUBIC)
print(im_resize1.size)
im_resize2 = im.resize((256,256), Image.ANTIALIAS)
print(im_resize2.size)
輸出：
(670, 502)
(256,256)
(256,256)
(256,256)
2，Image對象
2.1 實例化對象
直接讀取圖片
from PIL import Image # 導入圖像 img_path = r"book.png" img = Image.open(img_path) # 展示圖像 im.show()
2.2 格式轉換——save方法
save方法用於保存圖像，當不指定文件格式時，它會以默認的圖片格式來存儲；如果指定圖片格式，則會以指定的格式存儲圖片，語法如下：
im = PIL.Image.open(r"book.jpg") # 保存圖片 # fp: 圖片的存儲路徑，包含圖片的名稱，字符串格式 fp = "book_save.jpg" # format：可選參數，可以指定圖片的格式 im.save(fp, format=None)
2.3 格式轉換——Convert方法
注意：並非所有的圖片格式都可以用 save() 方法轉換完成，比如將 PNG 格式的圖片保存爲 JPG 格式，如果直接使用 save() 方法就會出現錯誤，引發錯誤的原因是由於 PNG 和 JPG 圖像模式不一致導致的。其中 PNG 是四通道 RGBA 模式，即紅色、綠色、藍色、Alpha 透明色；JPG 是三通道 RGB 模式。因此要想實現圖片格式的轉換，就要將 PNG 轉變爲三通道 RGB 模式。
Image 類提供的 convert() 方法可以實現圖像模式的轉換。該函數提供了多個參數，比如 mode、matrix、dither 等，其中最關鍵的參數是 mode，其餘參數無須關心
語法：
im.convert(mode, params) # 轉換模式 im.save(fp) # 保存圖片
2.4 圖像縮放
在圖像處理過程中經常會遇到縮小或放大圖像的情況，Image 類提供的 resize() 方法能夠實現任意縮小和放大圖像
語法：
im_new = im.resize(size, resample=image.BICUBIC, box=None, reducing_gap=None) # 縮放後的圖片 im_new.show()
2.5 圖像的分離和合並
圖像（指數字圖像）由許多像素點組成，像素是組成圖像的基本單位，而每一個像素點又可以使用不同的顏色，最終呈現出了絢麗多彩的圖像 ，而圖像的分離與合併，指的就是圖像顏色的分離和合並
圖像分離：split方法
示例：
im = PIL.Image.open(r"magic_h03.jpg") # split 方法使用較簡單，分離通道 r, g, b = im.split() r.show() g.show() b.show()
圖像合併：merge方法
Image 類提供的 merge() 方法可以實現圖像的合併操作。注意，圖像合併，可以是單個圖像合併，也可以合併兩個以上的圖像
示例：
im_merge = PIL.Image.merge(mode, bands) im_merge.show()
圖像合併：blend方法
Image 類也提供了 blend() 方法來混合 RGBA 模式的圖片（PNG 格式）
語法：
PIL.Image.blend(image1,image2, alpha)
2.6 圖像裁剪
Image 類提供的 crop() 函數允許我們以矩形區域的方式對原圖像進行裁剪
語法：
im_crop = im.crop(box=None) # box 代表裁剪區域 im_crop.show()
box 是一個有四個數字的元組參數 (x_左上,y_左下,x1_右上,y1_右下)，分別表示被裁剪矩形區域的左上角 x、y 座標和右下角 x，y 座標。默認 (0,0) 表示座標原點，寬度的方向爲 x 軸，高度的方向爲 y 軸，每個像素點代表一個單位
3，代碼實戰
3.1 圖像的屬性的打印示例
注意：源文件的文件格式。如果是由PIL創建的空圖像，則其文件格式爲None，即 im.format ⇒ string or None
示例代碼如下：
import PIL.Image im = PIL.Image.open(r"harden.png") print(im.size) # 查看圖片大小, 按照像素數計算。它的返回值爲寬度和高度的二元組（width, height） print(im.readonly) # 查看是否爲只讀，1爲是，0爲否 print(im.format) # 查看圖片的格式, 輸出爲 'png' print(im.info) # 查看圖片的相關信息 print(im.mode) # 查看圖片的模式 print(im.mode) # 表明圖像所使用像素格式, 屬性典型的取值爲“1”，“L”，“RGB”或“CMYK” print(im.palette) # 顏色調色板表格。如果圖像的模式是“P”，則返回ImagePalette類的實例；否則，將爲None。
3.2 使用PIL進行灰度化+二值化
代碼如下：
from PIL import Image
# load a color image
im = Image.open('durant.jpg' )
# convert to grey level image
Lim = im.convert('L' )
Lim.save('grey.jpg' )
# setup a converting table with constant threshold
threshold = 185
table = []
for i in range(256):
if i < threshold:
table.append(0)
else:
table.append(1)
# convert to binary image by the table
bim = Lim.point(table, '1' )
bim.save('durant_grey.jpg' )
原圖圖片效果展示：
灰度化圖片效果展示：
二值化圖片效果展示：
3.2 圖像轉換示例
代碼如下：
例子1：
from PIL import Image
im1 = Image.open("jing.jpg")
print(im1.mode)
im_c = im1.convert("1")
im_c.save("he.jpg")
print(im_c.mode)
輸出：
注：將“RGB”模式的im01圖像，轉換爲“1”模式的im_c圖像。
定義3：im.convert(mode,matrix) ⇒ image
含義3：使用轉換矩陣將一個“RGB”圖像轉換爲“L”或者“RGB”圖像。變量matrix爲4或者16元組。
例子3：下面的例子將一個RGB圖像（根據ITU-R709線性校準，使用D65亮度）轉換到CIE XYZ顏色空間：
from PIL import Image
im1 = Image.open("jing.jpg")
im1.mode
rgb2xyz = （
0.412453, 0.357580, 0.180423, 0,
0.212671, 0.715160, 0.072169, 0,
0.019334, 0.119193, 0.950227, 0 )
im_c3 = im1.convert("L", rgb2xyz)
im_c3.save("he.jpg")
print(im_c3.mode)
輸出：
L