原文：https://blog.csdn.net/zhangziju/article/details/79123275

 

Image模块

Image模块是在Python PIL图像处理中常见的模块，对图像进行基础操作的功能基本都包含于此模块内。如open、save、conver、show…等功能。

open类

/

Image.open(file) ⇒ image
Image.open(file, mode) ⇒ image

要从文件加载图像，使用 open() 函数， 在 Image 模块：

1  @zhangziju
2     from PIL import Image             ##调用库
3     im = Image.open("E:mywife.jpg")  ##文件存在的路径
4     im.show()

需要知道的是在win的环境下im.show的方式为win自带的图像显示应用。打开并确认给定的图像文件。这个是一个懒操作；该函数只会读文件头，而真实的图像数据直到试图处理该数据才会从文件读取（调用load()方法将强行加载图像数据）。如果变量mode被设置，那必须是“r”。用户可以使用一个字符串（表示文件名称的字符串）或者文件对象作为变量file的值。文件对象必须实现read()，seek()和tell()方法，并且以二进制模式打开。

Save类

/

im.save(outfile,options…)
im.save(outfile, format, options…)

若要保存文件，则使用 Image 类的 save() 方法，此时保存文件的文件名就变得十分重要了，除非指定格式，否则这个库将会以文件名的扩展名作为格式保存。使用给定的文件名保存图像。如果变量format缺省，如果可能的话，则从文件名称的扩展名判断文件的格式。该方法返回为空。关键字options为文件编写器提供一些额外的指令。如果编写器不能识别某个选项，它将忽略它。用户可以使用文件对象代替文件名称。在这种情况下，用户必须指定文件格式。文件对象必须实现了seek()、tell()和write()方法，且其以二进制模式打开。如果方法save()因为某些原因失败，这个方法将产生一个异常（通常为IOError异常）。如果发生了异常，该方法也有可能已经创建了文件，并向文件写入了一些数据。如果需要的话，用户的应用程序可以删除这个不完整的文件。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 print(im)
5 im.save("E:mywife.png")     ## 将"E:mywife.jpg"保存为"E:mywife.png"
6 im = Image.open("E:mywife.png")  ##打开新的png图片
7 print(im.format, im.size, im.mode)

 

 

如下图，在指定路径下可看到新保存的png格式的图片。

format类

/

im.format ⇒ string or None

这个属性标识了图像来源，如果图像不是从文件读取它的值就是None。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 print(im.format) ## 打印出格式信息
5 im.show() 

如下图可以看到其format为”JPEG”。

Mode类

/

im.mode ⇒ string

图像的模式，常见的mode 有 “L” (luminance) 表示灰度图像，“RGB”表示真彩色图像，和 “CMYK” 表示出版图像，表明图像所使用像素格式。如下表为常见的nodes描述：

modes	描述
1	1位像素，黑和白，存成8位的像素
L	8位像素，黑白
P	8位像素，使用调色板映射到任何其他模式
RGB	3× 8位像素，真彩
RGBA	4×8位像素，真彩+透明通道
CMYK	4×8位像素，颜色隔离
YCbCr	3×8位像素，彩色视频格式
I	32位整型像素
F	32位浮点型像素

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 print(im.mode) ## 打印出模式信息
5 im.show()

 

如下图为图片的mode为“RGB”模式。

convert类

/

im.convert(mode)⇒ image

将当前图像转换为其他模式，并且返回新的图像。当从一个调色板图像转换时，这个方法通过这个调色板来转换像素。如果不对变量mode赋值，该方法将会选择一种模式，在没有调色板的情况下，使得图像和调色板中的所有信息都可以被表示出来。当从一个颜色图像转换为黑白图像时，PIL库使用ITU-R601-2 luma转换公式：

/

L = R * 299/1000 + G * 587/1000 + B * 114/1000

当转换为2位图像（模式“1”）时，源图像首先被转换为黑白图像。结果数据中大于127的值被设置为白色，其他的设置为黑色；这样图像会出现抖动。如果要使用其他阈值，更改阈值127，可以使用方法point()。为了去掉图像抖动现象，可以使用dither选项。

1 from PIL import Image
2 im = Image.open("E:mywife.jpg")
3 new_im = im.convert('P')
4 print(new_im.mode)
5 new_im.show()

 

如下，将图像转换为“P”模式。

对比原始图像。

/

im.convert(“P”,**options) ⇒ image

这个与第一个方法定义一样，但是当“RGB”图像转换为8位调色板图像时能更好的处理。可供选择的选项为：

Dither=. 控制颜色抖动。默认是FLOYDSTEINBERG，与邻近的像素一起承担错误。不使能该功能，则赋值为NONE。

Palette=. 控制调色板的产生。默认是WEB，这是标准的216色的“web palette”。要使用优化的调色板，则赋值为ADAPTIVE。

Colors=. 当选项palette为ADAPTIVE时，控制用于调色板的颜色数目。默认是最大值，即256种颜色

/

im.convert(mode,matrix) ⇒ image

使用转换矩阵将一个“RGB”图像转换为“L”或者“RGB”图像。变量matrix为4或者16元组。

1 from PIL import Image
2 im = Image.open("E:mywife.jpg")
3 print(im.mode)
4 rgb2xyz = (0.412453,0.357580, 0.180423, 0,
5            0.212671,0.715160, 0.072169, 0,
6            0.019334,0.119193, 0.950227, 0 )
7 new_im = im.convert("L", rgb2xyz)
8 print(new_im.mode)
9 new_im.show() 

转换后效果

Size类

/

im.size ⇒ (width, height)

图像的尺寸，按照像素数计算，它的返回值为宽度和高度的二元组（width, height）。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 print(im.size) ## 打印出尺寸信息
5 im.show()

 

如下图所示为图片的尺寸信息，750*560。

Palette类

/

im.palette ⇒ palette or None

颜色调色板表格。如果图像的模式是“P”，则返回ImagePalette类的实例；否则，将为None。
如下为对非“P”模式下的图像进行palette信息显示。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 print(im.palette) 

易知，返回值为空，none

对图像进行convert操作，转换成“P”模式

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 new_im = im.convert('P')
5 print(new_im.mode)
6 print(new_im.palette)

 

则返回值为ImagePalette类的实例。如下：

Info类

/

im.info ⇒ dictionary

存储图像相关数据的字典。文件句柄使用该字典传递从文件中读取的各种非图像信息。大多数方法在返回新的图像时都会忽略这个字典；因为字典中的键并非标准化的，对于一个方法，它不能知道自己的操作如何影响这个字典。如果用户需要这些信息，需要在方法open()返回时保存这个字典。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 print(im.info)

 

new类

/

Image.new(mode,size) ⇒ image
Image.new(mode, size,color) ⇒ image

使用给定的变量mode和size生成新的图像。Size是给定的宽/高二元组，这是按照像素数来计算的。对于单通道图像，变量color只给定一个值；对于多通道图像，变量color给定一个元组（每个通道对应一个值）。在版本1.1.4及其之后，用户也可以用颜色的名称，比如给变量color赋值为“red”。如果没有对变量color赋值，图像内容将会被全部赋值为0（为黑色）。如果变量color是空，图像将不会被初始化，即图像的内容全为0。这对向该图像复制或绘制某些内容是有用的。

如下为将图像设置为128x128大小的红色图像。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 n_im= Image.new("RGB", (128, 128), "#FF0000")
5 n_im.show()

 

显示效果如下：

如下图像为128x128大小的黑色图像，因为变量color不赋值的话，图像内容被设置为0，即黑色。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 n_im= Image.new("RGB", (128, 128))
5 n_im.show()

 

图像为128x128大小的绿色图像。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 n_im= Image.new("RGB", (128, 128),"green")
5 n_im.show()

 

Copy类

/

im.copy() ⇒ image

拷贝这个图像。如果用户想粘贴一些数据到这张图，可以使用这个方法，但是原始图像不会受到影响。

1 from PIL import Image
2 im = Image.open("E:mywife.jpg")
3 im_copy = im.copy() 

图像im_copy和im完全一样。

Crop类

/

im.crop(box) ⇒ image

从当前的图像中返回一个矩形区域的拷贝。变量box是一个四元组，定义了左、上、右和下的像素坐标。用来表示在原始图像中截取的位置坐标，如box(100,100,200,200)就表示在原始图像中以左上角为坐标原点，截取一个100*100（像素为单位）的图像，为方便理解，如下为示意图box（b1,a1,b2,a2）。作图软件为Visio2016。这是一个懒操作。对源图像的改变可能或者可能不体现在裁减下来的图像中。为了获取一个分离的拷贝，对裁剪的拷贝调用方法load()。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 box = (300, 100, 700, 700)              ##确定拷贝区域大小
5 region = im.crop(box)                   ##将im表示的图片对象拷贝到region中，大小为box
6 region.show()

 

如下图为box截取的图像区域显示。

Paste类

/

im.paste(image,box)

将一张图粘贴到另一张图像上。变量box或者是一个给定左上角的2元组，或者是定义了左，上，右和下像素坐标的4元组，或者为空（与（0，0）一样）。如果给定4元组，被粘贴的图像的尺寸必须与区域尺寸一样。如果模式不匹配，被粘贴的图像将被转换为当前图像的模式。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 box=[0,0,100,100]
5 im_crop = im.crop(box)
6 print(im_crop.size,im_crop.mode)
7 im.paste(im_crop, (100,100))             ##(100,100,0,0)
8 im.paste(im_crop, (400,400,500,500))
9 im.show()

 

如下图为paste操作：

Filter类

/

im.filter(filter) ⇒ image

返回一个使用给定滤波器处理过的图像的拷贝。具体参考图像滤波在ImageFilter 模块的应用，在该模块中，预先定义了很多增强滤波器，可以通过filter( )函数使用，预定义滤波器包括：BLUR、CONTOUR、DETAIL、EDGE_ENHANCE、EDGE_ENHANCE_MORE、EMBOSS、FIND_EDGES、SMOOTH、SMOOTH_MORE、SHARPEN。其中BLUR就是均值滤波，CONTOUR找轮廓，FIND_EDGES边缘检测，使用该模块时，需先导入。

 1 @zhangziju
 2 from PIL import Image
 3 from PIL import ImageFilter                         ## 调取ImageFilter
 4 imgF = Image.open("E:mywife.jpg")
 5 bluF = imgF.filter(ImageFilter.BLUR)                ##均值滤波
 6 conF = imgF.filter(ImageFilter.CONTOUR)             ##找轮廓
 7 edgeF = imgF.filter(ImageFilter.FIND_EDGES)         ##边缘检测
 8 imgF.show()
 9 bluF.show()
10 conF.show()
11 edgeF.show()

 

滤波处理下的gakki~

Blend类

/

Image.blend(image1,image2, alpha) ⇒ image

使用给定的两张图像及透明度变量alpha，插值出一张新的图像。这两张图像必须有一样的尺寸和模式。

/

合成公式为：out = image1 (1.0 - alpha) + image2 alpha

若变量alpha为0.0，返回第一张图像的拷贝。若变量alpha为1.0，将返回第二张图像的拷贝。对变量alpha的值无限制。

1 @zhangziju
2 from PIL import Image
3 im1 = Image.open("E:mywife.jpg")
4 im2 = Image.open("E:mywife2.jpg")
5 print(im1.mode,im1.size)
6 print(im2.mode,im2.size)
7 im = Image.blend(im1, im2, 0.2)
8 im.show()

 

需保证两张图像的模式和大小是一致的，如下为显示im1和im2的具体信息。

im1和im2按照第一张80%的透明度，第二张20%的透明度，合成为一张。

Split

/

im.split() ⇒ sequence

返回当前图像各个通道组成的一个元组。例如，分离一个“RGB”图像将产生三个新的图像，分别对应原始图像的每个通道（红，绿，蓝）。

1 from PIL import Image
2 im = Image.open("E:mywife.jpg")
3 r,g,b = im.split()
4 print(r.mode)
5 print(r.size)
6 print(im.size)

 

Composite类

/

Image.composite(image1,image2, mask) ⇒ image

复合类使用给定的两张图像及mask图像作为透明度，插值出一张新的图像。变量mask图像的模式可以为“1”，“L”或者“RGBA”。所有图像必须有相同的尺寸。

 1 @zhangziju
 2 from PIL import Image
 3 im1 = Image.open("E:mywife.jpg")
 4 im2 = Image.open("E:mywife2.jpg")
 5 r,g,b = im1.split()             ##分离出r，g，b
 6 print(b.mode)
 7 print(im1.mode,im1.size)
 8 print(im2.mode,im2.size)
 9 im = Image.composite(im1,im2,b)
10 im.show()

 

b.mode为”L”，两图尺寸一致。

最终效果

Eval类

/

Image.eval(image,function) ⇒ image

使用变量function对应的函数（该函数应该有一个参数）处理变量image所代表图像中的每一个像素点。如果变量image所代表图像有多个通道，那变量function对应的函数作用于每一个通道。注意：变量function对每个像素只处理一次，所以不能使用随机组件和其他生成器。

 1 @zhangziju
 2 from PIL import Image
 3 im = Image.open("E:mywife.jpg")
 4 def fun01(x):
 5     return x*0.3
 6 def fun02(y):
 7     return y*2.0
 8 im1_eval = Image.eval(im, fun01)
 9 im2_eval = Image.eval(im, fun02)
10 im1_eval.show()
11 im2_eval.show()

 

在函数fun01和fun02下的图像显示。

Merge类

/

Image.merge(mode,bands) ⇒ image

合并类使用一些单通道图像，创建一个新的图像。变量bands为一个图像的元组或者列表，每个通道的模式由变量mode描述。所有通道必须有相同的尺寸。
变量mode与变量bands的关系：

/

len(ImageMode.getmode(mode).bands)= len(bands)

 1 @zhangziju
 2 from PIL import Image
 3 im1 = Image.open("E:mywife.jpg")
 4 im2 = Image.open("E:mywife2.jpg")
 5 r1,g1,b1 = im1.split()
 6 r2,g2,b2 = im2.split()
 7 print(r1.mode,r1.size,g1.mode,g1.size)
 8 print(r2.mode,r2.size,g2.mode,g2.size)
 9 new_im=[r1,g2,b2]
10 print(len(new_im))
11 im_merge = Image.merge("RGB",new_im)
12 im_merge.show()

 

 打印信息显示

merge操作

Draft类

/

im.draft(mode,size)

配置图像文件加载器，使得返回一个与给定的模式和尺寸尽可能匹配的图像的版本。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 print(im.size,im.mode)
5 new_im = im.draft("L", (200,200))
6 print(new_im.size,new_im.mode)
7 new_im.show()

 

关键信息显示

转换效果

Getbands类

/

im.getbands()⇒ tuple of strings

返回包括每个通道名称的元组。例如，对于RGB图像将返回（“R”,“G”,“B”）。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 print(im.getbands())

 

Getbbox类

/

im.getbbox() ⇒ 4-tuple or None

计算图像非零区域的包围盒。这个包围盒是一个4元组，定义了左、上、右和下像素坐标。如果图像是空的，这个方法将返回空。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 print(im.getbbox())

 

Getdata类

/

im.getdata() ⇒ sequence

以包含像素值的sequence对象形式返回图像的内容。这个sequence对象是扁平的，以便第一行的值直接跟在第零行的值后面，等等。这个方法返回的sequence对象是PIL内部数据类型，它只支持某些sequence操作，包括迭代和基础sequence访问。使用list(im.getdata())，将它转换为普通的sequence。Sequence对象的每一个元素对应一个像素点的R、G和B三个值。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 sequ = im.getdata()
5 sequ0 = list(sequ)
6 print(sequ0[0])
7 print(sequ0[1])
8 print(sequ0[2])

 

可视化显示sequence0里面的数据。

打印显示结果，与前面对比。

Getextrema类

/

im.getextrema() ⇒ 2-tuple

返回一个2元组，包括该图像中的最小和最大值。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 print(im.getextrema())

 

该方法返回了R/G/B三个通道的最小和最大值的2元组。

Getpixel类

/

im.getpixel(xy) ⇒ value or tuple

返回给定位置的像素值。如果图像为多通道，则返回一个元组。该方法执行比较慢；如果用户需要使用python处理图像中较大部分数据，可以使用像素访问对象（见load），或者方法getdata()。

1 @zahngziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 print(im.getpixel((0,0)))
5 print(im.getpixel((4,0)))
6 r,g,b = im.split()
7 print(b.getpixel((11,8)))   

Histogram类

/

im.histogram()⇒ list

返回一个图像的直方图。这个直方图是关于像素数量的list，图像中的每个象素值对应一个成员。如果图像有多个通道，所有通道的直方图会连接起来（例如，“RGB”图像的直方图有768个值)。二值图像（模式为“1”）当作灰度图像（模式为“L”）处理。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 imhis = im.histogram()
5 print(len(imhis))
6 print(imhis[0])
7 print(imhis[150])
8 print(imhis[300])

 

/

im.histogram(mask)⇒ list

返回图像中模板图像非零地方的直方图。模板图像与处理图像的尺寸必须相同，并且要么是二值图像（模式为“1”），要么为灰度图像（模式为“L”）。

 1 @zhangziju
 2 from PIL import Image
 3 im = Image.open("E:mywife.jpg")
 4 r,g,b = im.split()
 5 imhis = im.histogram()
 6 print(r.mode)
 7 print(len(imhis))
 8 print(imhis[0])
 9 print(imhis[150])
10 print(imhis[300])

 

Load类

/

im.load()

为图像分配内存并从文件中加载它（或者从源图像，对于懒操作）。正常情况下，用户不需要调用这个方法，因为在第一次访问图像时，Image类会自动地加载打开的图像。在1.1.6及以后的版本，方法load()返回一个用于读取和修改像素的像素访问对象。这个访问对象像一个二维队列，如：

/

pix = im.load()
print pix[x, y]
pix[x, y] =value

通过这个对象访问比方法getpixel()和putpixel()快很多。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 pix = im.load()
5 print(pix[0,2])

 

/

im.paste(colour,box)

使用同一种颜色填充变量box对应的区域。对于单通道图像，变量colour为单个颜色值；对于多通道，则为一个元组。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 im.paste((256,256,0),(0,0,100,100))  ##(256,256,0)表示黄色
5 im.show()

 

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 im.paste("blue",(0,0,100,100))   ##或者“blue”
5 im.show()

 

/

im.paste(image,box, mask)

使用变量mask对应的模板图像来填充所对应的区域。可以使用模式为“1”、“L”或者“RGBA”的图像作为模板图像。模板图像的尺寸必须与变量image对应的图像尺寸一致。如果变量mask对应图像的值为255，则模板图像的值直接被拷贝过来；如果变量mask对应图像的值为0，则保持当前图像的原始值。变量mask对应图像的其他值，将对两张图像的值进行透明融合,如果变量image对应的为“RGBA”图像，即粘贴的图像模式为“RGBA”，则alpha通道被忽略。用户可以使用同样的图像作为原图像和模板图像。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 box=[300,300,400,400]
5 im_crop =im.crop(box)
6 r,g,b =im_crop.split()
7 im.paste(im_crop, (200,200,300,300), r)
8 im.show()

 

Putdata类

/

im.putdata(data)
im.putdata(data, scale, offset)

从sequence对象中拷贝数据到当前图像，从图像的左上角（0，0）位置开始。变量scale和offset用来调整sequence中的值：

/

pixel = value*scale + offset

如果变量scale忽略，则默认为1.0。如果变量offset忽略，则默认为0.0。

 1 @zhangziju
 2 from PIL import Image
 3 im = Image.open("E:mywife.jpg")
 4 r, g, b = im.split()
 5 print(
 6 r.getpixel((0, 0)),
 7 r.getpixel((1, 0)),
 8 r.getpixel((2, 0)),
 9 r.getpixel((3, 0)),
10 r.putdata([1, 2, 3, 4]),
11 r.getpixel((0, 0)),
12 r.getpixel((1, 0)),
13 r.getpixel((2, 0)),
14 r.getpixel((3, 0)),
15 )

 

Resize类

/

im.resize(size) ⇒ image
im.resize(size, filter) ⇒ image

返回改变尺寸的图像的拷贝。变量size是所要求的尺寸，是一个二元组：（width, height）。变量filter为NEAREST、BILINEAR、BICUBIC或者ANTIALIAS之一。如果忽略，或者图像模式为“1”或者“P”，该变量设置为NEAREST。在当前的版本中bilinear和bicubic滤波器不能很好地适应大比例的下采样（例如生成缩略图）。用户需要使用ANTIALIAS，除非速度比质量更重要。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 region = im.resize((400, 400))     ##重新设定大小
5 region.show()

 

很明显由于大小的重新设定，图片的显示效果有所转变，gakki依然美腻~

Rotate类

/

im.rotate(angle) ⇒ image
im.rotate(angle,filter=NEAREST, expand=0) ⇒ image

返回一个按照给定角度顺时钟围绕图像中心旋转后的图像拷贝。变量filter是NEAREST、BILINEAR或者BICUBIC之一。如果省略该变量，或者图像模式为“1”或者“P”，则默认为NEAREST。变量expand，如果为true，表示输出图像足够大，可以装载旋转后的图像。如果为false或者缺省，则输出图像与输入图像尺寸一样大。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 im_45 = im.rotate(45)
5 im_30 = im.rotate(30, Image.NEAREST,1)
6 print(im_45.size,im_30.size)
7 im_45.show()
8 im_30.show()

 

Seek类

/

im.seek(frame)

在给定的文件序列中查找指定的帧。如果查找超越了序列的末尾，则产生一个EOFError异常。当文件序列被打开时，PIL库自动指定到第0帧上。

1 @zhangziju
2 from PIL import Image
3 im_gif = Image.open("E:mywife.gif")
4 print(im_gif.mode)
5 im_gif.show()    ##第0帧
6 im_gif.seek(3)
7 im_gif.show()
8 im_gif.seek(9)
9 im_gif.show()

 

来来来~这是gakki原图欣赏下~

查找帧seek（）的效果如下：

Tell类

/

im.tell() ⇒ integer

返回当前帧所处位置，从0开始计算。

1 @zhangziju
2 from PIL import Image
3 im_gif = Image.open("E:mywife.gif")
4 print(im_gif.tell())
5 im_gif.seek(8)
6 print(im_gif.tell())

 

Thumbnail类

/

im.thumbnail(size)
im.thumbnail(size, filter)

修改当前图像，使其包含一个自身的缩略图，该缩略图尺寸不大于给定的尺寸。这个方法会计算一个合适的缩略图尺寸，使其符合当前图像的宽高比，调用方法draft()配置文件读取器，最后改变图像的尺寸。变量filter应该是NEAREST、BILINEAR、BICUBIC或者ANTIALIAS之一。如果省略该变量，则默认为NEAREST。注意：在当前PIL的版本中，滤波器bilinear和bicubic不能很好地适应缩略图产生。用户应该使用ANTIALIAS，图像质量最好。如果处理速度比图像质量更重要，可以选用其他滤波器。这个方法在原图上进行修改。如果用户不想修改原图，可以使用方法copy()拷贝一个图像。这个方法返回空。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 im.thumbnail((100,100))

 

Transform类

/

im.transform(size,method, data) ⇒ image
im.transform(size, method, data, filter) ⇒ image

使用给定的尺寸生成一张新的图像，与原图有相同的模式，使用给定的转换方式将原图数据拷贝到新的图像中。在当前的PIL版本中，参数method为EXTENT（裁剪出一个矩形区域），AFFINE（仿射变换），QUAD（将正方形转换为矩形），MESH（一个操作映射多个正方形）或者PERSPECTIVE。变量filter定义了对原始图像中像素的滤波器。在当前的版本中，变量filter为NEAREST、BILINEAR、BICUBIC或者ANTIALIAS之一。如果忽略，或者图像模式为“1”或者“P”，该变量设置为NEAREST。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 print(im.size)
5 imtra = im.transform((200, 200), Image.EXTENT, (0, 0, 500, 500))
6 print(imtra.size)
7 imtra.show()

 

/

im.transform(size,EXTENT, data) ⇒ image
im.transform(size, EXTENT, data, filter) ⇒ image

从图像中裁剪一个区域。变量data为指定输入图像中两个坐标点的4元组(x0,y0,x1,y1)。输出图像为这两个坐标点之间像素的采样结果。例如，如果输入图像的(x0,y0)为输出图像的（0，0）点，(x1,y1)则与变量size一样。这个方法可以用于在当前图像中裁剪，放大，缩小或者镜像一个任意的长方形。它比方法crop()稍慢，但是与resize操作一样快。

/

im.transform(size, AFFINE, data) ⇒ image
im.transform(size, AFFINE,data, filter) ⇒ image

对当前的图像进行仿射变换，变换结果体现在给定尺寸的新图像中。变量data是一个6元组(a,b,c,d,e,f)，包含一个仿射变换矩阵的第一个两行。输出图像中的每一个像素（x，y），新值由输入图像的位置（ax+by+c, dx+ey+f）的像素产生，使用最接近的像素进行近似。这个方法用于原始图像的缩放、转换、旋转和裁剪。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 print(im.size)
5 imtra = im.transform((200, 200), Image.AFFINE, (1,2,3,2,1,4))
6 print(imtra.size)
7 imtra.show()

 

/

im.transform(size,QUAD, data) ⇒ image
im.transform(size, QUAD, data, filter) ⇒ image

输入图像的一个四边形（通过四个角定义的区域）映射到给定尺寸的长方形。变量data是一个8元组(x0,y0,x1,y1,x2,y2,x3,y3)，它包括源四边形的左上，左下，右下和右上四个角。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 print(im.size)
5 imtra = im.transform((200, 200), Image.QUAD, (0,0,0,500,600,500,600,0))
6 print(imtra.size)
7 imtra.show()

 

/

im.transform(size,PERSPECTIVE, data) ⇒ image
im.transform(size, PERSPECTIVE, data, filter) ⇒ image

对当前图像进行透视变换，产生给定尺寸的新图像。变量data是一个8元组(a,b,c,d,e,f,g,h)，包括一个透视变换的系数。对于输出图像中的每个像素点，新的值来自于输入图像的位置的(a x + b y + c)/(g x + h y + 1), (d x+ e y + f)/(g x + h y + 1)像素，使用最接近的像素进行近似。这个方法用于原始图像的2D透视。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 print(im.size)
5 imtra = im.transform((200, 200), Image.PERSPECTIVE, (1,2,3,2,1,6,1,2))
6 print(imtra.size)
7 imtra.show()

 

wocao!!!gakki不见了！！！

Transpose类

/

im.transpose(method)⇒ image

返回当前图像的翻转或者旋转的拷贝。变量method的取值为：FLIP_LEFT_RIGHT，FLIP_TOP_BOTTOM，ROTATE_90，ROTATE_180，或ROTATE_270。

1 @zhangziju
2 from PIL import Image
3 im = Image.open("E:mywife.jpg")
4 im.rotate(45)                             #逆时针旋转 45 度角。
5 im.transpose(Image.FLIP_LEFT_RIGHT)       #左右对换。
6 im.transpose(Image.FLIP_TOP_BOTTOM)       #上下对换。
7 im.transpose(Image.ROTATE_90)             #旋转 90 度角。
8 im.transpose(Image.ROTATE_180)            #旋转 180 度角。
9 im.transpose(Image.ROTATE_270)            #旋转 270 度角。