标签：针对 区域 对象 range 像素 paste 报错 显示图片 info
在爬虫(十二)：图形验证码的识别、滑动验证码的识别（B站滑动验证码）中我留下了一个悬念，为什么安装的是pillow模块，而不是PIL模块。这是因为PIL是python2的产物，它并没有跟随python的发展而发展。所以有大佬为此特意写了一个针对python3的pillow模块。所以，如果需要安装python3对应的PIL，应该选择安装pillow。
我们一般只使用PIL模块中的Image模块，所以我这就只讲解Image模块了。
安装PIL模块：
pip install pillow -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
导入模块：
from PIL import Image
open(url)：读取一张图片，参数是图片名。
show()：显示一张图片。
案例：
from PIL import Image
img = Image.open(‘xhh.jpg‘)
img.show()
结果：
save(image,type)：将图像保存为名称为“image”、格式为type格式的图片。
new(mode,size)：创建一张模式为mode、大小为size的图片。
new(mode,size,color)：创建一张模式为mode、大小为size、颜色为color的图片。
案例：
from PIL import Image
newImg = Image.new("RGBA",(640,480),(255,0,0))
newImg.save("newImg.png","PNG")
结果：
blend(img1,img2,alpha)：将img1和img2，这里alpha表示img1和img2的比例参数
resize(size)：将图像修改为size大小
案例1：
from PIL import Image
img1 = Image.open("xhh.jpg")
img2 = Image.open("xhh2.jpg")
#img = img1×0.8+img2×0.2
img = Image.blend(img1,img2,0.2)
img.show()
结果：
为什么会报错呢？因为他们的大小不一样，而这个报错在官方是没有解释的。
案例2：
from PIL import Image
img1 = Image.open("xhh.jpg")
img1 = img1.resize((256,256))
img2 = Image.open("xhh2.jpg")
img2 = img2.resize((256,256))
#img = img1×0.7+img2×0.3
img = Image.blend(img1,img2,0.3)
img.show()
结果：
point(function)：这个function接受一个参数，且对图片中的每一个点执行这个函数。
案例：
from PIL import Image
img = Image.open("xhh.jpg")
img.show()
out=img.point(lambda i:i*1.5)#对每个点进行50%的加强
out.show()
这前后对比明显吧。
from PIL import Image
img = Image.open("xhh.jpg")
print(img.format)
print(img.size)
print(img.mode)
结果：
crop(box)：设置要裁剪的区域范围box。
案例：
from PIL import Image
img = Image.open("xhh.jpg")
box=(100,100,500,500)
#设置要裁剪的区域
region=img.crop(box) #此时，region是一个新的图像对象。
region.show()
结果：
paste(region,box)：黏贴box大小的region图像到原来的图片对象中。
案例：
from PIL import Image
img1 = Image.open("xhh.jpg")
img2 = Image.open("xhh2.jpg")
img1.paste(img2,(0,0))
img1.show()
结果：
split()：分割成三个通道，此时r,g,b分别为三个图像对象。
merge("RGB",(b,g,r))：将b,r两个通道进行翻转。
案例：
from PIL import Image
img1 = Image.open("xhh.jpg")
img1.show()
r, g, b = img1.split()
img2 = Image.merge("RGB", (b, g, r))
img2.show()
结果：
rotate(angle)：逆时针旋转angle度。
案例：
from PIL import Image
img = Image.open("xhh.jpg")
#左右对换
out1 = img.transpose(Image.FLIP_LEFT_RIGHT)
out1.show()
#上下对换
out2 = img.transpose(Image.FLIP_TOP_BOTTOM)
out2.show()
结果：
convert(mode)：将图像转换成mode类型。
PIL的九种不同模式：1，L，P，RGB，RGBA，CMYK，YCbCr,I，F。
常用的两种：
1.模式”1”
为二值图像，非黑即白。但是它每个像素用8个bit表示，0表示黑，255表示白。下面我们将lena图像转换为“1”图像。
from PIL importImage
img = Image.open(“E:\image\myimg.jpg”)
img_1=img.convert(“1”)
2.模式“L”
为灰色图像，它的每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度。在PIL中，从模式“RGB”转换为“L”模式是按照下面的公式转换的：
L = R * 299/1000 + G * 587/1000+ B * 114/1000
getpixel(coordinate)：coordinate为(x,y)形式的值。
putpixel(coordinate,color)：修改像素位置coordinate的颜色color的值。
案例：
from PIL import Image
img = Image.open("xhh.jpg")
print(img.size)
print(img.getpixel((4, 4)))
width = img.size[0] # 长度
height = img.size[1] # 宽度
for w in range(0, width):
for h in range(0, height):
data = img.getpixel((w, h)) # 得到像素值
if (data[0] <= 170 and data[1] <= 170 and data[2] <= 170):
img.putpixel((w, h), (0, 0, 255)) # 则这些像素点的颜色改成大红色
img.show()
结果：
标签：针对 区域 对象 range 像素 paste 报错 显示图片 info
原文地址：https://www.cnblogs.com/liuhui0308/p/12099467.html
