cari
RumahPeranti teknologiindustri ITMemanipulasi gambar dengan perpustakaan pengimejan python

Python Image Processing Library Pil/Bantal Bermula Panduan

mata teras

  • Perpustakaan Pemprosesan Imej Python (PIL) adalah alat percuma yang menambah keupayaan pemprosesan imej kepada penterjemah Python, menyokong pelbagai format fail imej, dan menyediakan program pemprosesan imej standard seperti operasi berasaskan piksel, penapis, peningkatan imej dan banyak lagi.
  • Walaupun versi terakhir PIL (1.1.7) dikeluarkan pada tahun 2009 dan hanya menyokong Python 1.5.2-2.7, projek yang bernama Bantal telah memasak asas kod PIL dan menambah sokongan asas kod Python 3.x menjadikannya a Pilihan yang berdaya maju untuk kebanyakan pengguna Python.
  • Dengan PIL atau Bantal, anda boleh dengan mudah melakukan tugas seperti membaca imej, menukar imej ke skala kelabu atau jenis lain, mengubah saiz imej, dan menyimpan imej. Dokumentasi komprehensif perpustakaan memberikan lebih banyak maklumat dan tutorial.

Dalam artikel sebelumnya mengenai kemahiran Python, saya menyebut bahawa Python adalah bahasa yang dapat memberi inspirasi kepada pengguna untuk mencintai.

Salah satu sebabnya ialah bahasa ini menyediakan sejumlah besar perpustakaan menjimatkan masa. Contoh yang baik ialah Perpustakaan Pemprosesan Imej Python (PIL), yang akan diserlahkan dalam artikel ini.

apa yang boleh dilakukan oleh pil

PIL adalah perpustakaan percuma yang menambah keupayaan pemprosesan imej kepada penterjemah Python dan menyokong pelbagai format fail imej seperti PPM, PNG, JPEG, GIF, TIFF dan BMP.

PIL menyediakan banyak program pemprosesan/operasi imej standard, seperti:

  • Operasi berasaskan pixel
  • Rawatan Topeng dan Ketelusan
  • penapis (mis. Blur, kontur, pelicinan, pengesanan tepi)
  • peningkatan imej (mis., Mengasah, pelarasan kecerahan, kontras)
  • geometri, warna dan transformasi lain
  • tambahkan teks ke gambar
  • potong, tampal dan gabungan imej
  • Buat Thumbnails

pil dan bantal

Salah satu masalah dengan PIL ialah versi terkini 1.1.7 dikeluarkan pada tahun 2009 dan hanya menyokong Python 1.5.2-2.7. Walaupun laman web PIL menjanjikan versi Python 3.x yang akan datang, komit terakhirnya pada tahun 2011 dan pembangunan nampaknya telah berhenti.

bernasib baik, tidak semuanya sudah berakhir untuk pengguna Python 3.x. Projek yang dipanggil Bantal mempunyai Fork The PIL Code Base dan menambah sokongan untuk Python 3.x. Memandangkan kebanyakan pembaca mungkin menggunakan Python 3.x, artikel ini akan memberi tumpuan kepada kemas kini bantal.

Pemasangan bantal

Sejak Bantal menyokong Python dari Python 2.4 ke versi terkini Python, saya hanya akan memberi tumpuan kepada pemasangan bantal, bukan versi PIL yang lebih tua.

Gunakan python pada mac

Saya sedang menulis tutorial ini pada Mac OS X Yosemite 10.10.5, jadi saya akan menerangkan cara memasang bantal pada mesin Mac OS X. Tetapi, jangan risau, saya akan memberikan pautan pada akhir bahagian ini yang menggambarkan cara memasang bantal pada sistem operasi lain.

Saya hanya ingin menunjukkan di sini bahawa Mac OS X datang sebelum dipasang dengan Python. Walau bagaimanapun, versi ini mungkin lebih awal daripada 3.x.

Sebagai contoh, pada mesin saya, apabila saya menjalankan arahan terminal

, saya mendapat Python 2.7.10. $ python --version

python dan pip

Cara yang sangat mudah untuk memasang bantal adalah melalui PIP.

Jika anda tidak memasang PIP pada mesin anda, masukkan perintah berikut di terminal:

$ sudo easy_install pip

Sekarang, untuk memasang bantal, masukkan yang berikut di terminal:

$ sudo pip install pillow

mudah, bukan?

Seperti yang saya janjikan, anda boleh mencari arahan di sini untuk memasang bantal pada sistem operasi lain.

Beberapa contoh

Dalam bahagian ini, saya akan menunjukkan beberapa operasi mudah yang boleh kita lakukan dengan PIL.

Saya akan melakukan ujian ini pada imej berikut:

Manipulating Images with the Python Imaging Library

Jika anda mahu mengikuti contoh -contoh ini, muat turun imej ini.

Baca imej

Ini adalah operasi yang paling asas dalam tugas pemprosesan imej, kerana untuk memproses imej, ia mesti dibaca terlebih dahulu. Dengan PIL, ini boleh dilakukan dengan mudah, seperti yang ditunjukkan di bawah:

from PIL import Image
img = Image.open('brick-house.png')
Sila ambil perhatian bahawa IMG di sini adalah objek imej PIL yang dibuat oleh fungsi terbuka (), yang merupakan sebahagian daripada modul imej PIL.

Anda juga boleh membaca fail terbuka, rentetan, atau arkib tar.

Tukar imej ke skala kelabu, paparan dan simpan

Fail Brick-house.png adalah imej warna. Untuk menukarnya ke skala kelabu, paparkannya, dan kemudian simpan imej skala kelabu baru, anda hanya boleh melakukan perkara berikut:

from PIL import Image
img = Image.open('brick-house.png').convert('L')
img.show()
img.save('brick-house-gs','png')
Perhatikan bahawa kami menggunakan tiga fungsi utama untuk melakukan ini: tukar (), tunjukkan (), dan simpan (). Oleh kerana kita menukarkan imej skala kelabu, parameter 'L' digunakan dalam penukaran ().

Berikut adalah imej yang dihasilkan:

Manipulating Images with the Python Imaging Library

Tukar ke jenis imej lain

Imej yang kita sedang kerjakan adalah jenis PNG. Katakan anda mahu menukarnya ke jenis imej lain, seperti JPG. Anda boleh melakukan ini menggunakan fungsi SAVE () (seperti dalam bahagian di atas yang menggunakan fungsi untuk menyimpan hasil (tulis output ke cakera)):

from PIL import Image
img = Image.open('brick-house.png')
img.save('brick-image','jpeg')
Saiz semula imej

Saiz (saiz) imej asal kami ialah 440 x 600 piksel. Sekiranya kita mahu mengubah saiznya dan menjadikannya bersaiz 256 x 256 piksel, kita boleh melakukan perkara berikut:

ini akan menghasilkan imej persegi baru:
from PIL import Image
img = Image.open('brick-house.png')
new_img = img.resize((256,256))
new_img.save('brick-house-256x256','png')

seperti yang anda lihat, ini memampatkan imej ke saiz yang dikehendaki, bukannya menanamnya, yang mungkin bukan apa yang anda mahukan. Sudah tentu, anda juga boleh menanam imej sambil mengekalkan nisbah aspek yang betul. Manipulating Images with the Python Imaging Library

Ringkasan

Permulaan cepat ini direka hanya untuk memperkenalkan permukaan PIL dan menunjukkan bagaimana untuk mencapai beberapa tugas pemprosesan imej yang kompleks di Python melalui perpustakaan PIL.

Banyak tindakan lain yang boleh anda lakukan dengan perpustakaan ini diterangkan dalam dokumentasi bantal yang komprehensif di mana anda boleh membaca lebih lanjut mengenai isu -isu di atas serta tutorial yang mudah.

Saya harap pengenalan ini memberi inspirasi kepada anda untuk mencuba pemprosesan imej menggunakan Python. Bersenang -senang!

Perpustakaan Pemprosesan Imej Python (PIL) FAQ (FAQ)

bagaimana memasang perpustakaan pemprosesan imej python (PIL) pada sistem saya?

Untuk memasang perpustakaan pemprosesan imej Python (PIL), anda perlu menggunakan PIP, iaitu Pengurus Pakej Python. Buka terminal anda atau command prompt dan masukkan perintah berikut: pip install pillow. Perpustakaan 'Bantal' adalah cabang PIL dan sedang dijaga secara aktif, jadi disyorkan untuk menggunakan 'bantal' dan bukannya PIL. Jika anda mempunyai pelbagai versi Python yang dipasang, anda mungkin perlu menggunakan pip3 install pillow untuk Python 3.

Bagaimana untuk membuka dan memaparkan imej menggunakan PIL?

3 Berikut adalah contoh:

Image.open() Image.show() Dalam kod ini, 'image.jpg' adalah nama fail imej anda. Pastikan fail imej berada dalam direktori yang sama seperti skrip Python anda, atau berikan laluan penuh ke fail imej.

$ sudo easy_install pip
Bagaimana cara mengubah saiz imej menggunakan PIL?

Untuk mengubah saiz imej menggunakan PIL, anda boleh menggunakan fungsi

. Fungsi ini menerima tuple yang menentukan saiz baru dalam piksel. Berikut adalah contoh:

Image.resize() Dalam kod ini, saiz imej diubahsuai kepada 800 × 800 piksel.

$ sudo pip install pillow
(jawapan kepada FAQ berikutnya adalah serupa, ditinggalkan, simpan idea umum artikel tidak berubah)

Atas ialah kandungan terperinci Memanipulasi gambar dengan perpustakaan pengimejan python. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Di belakang akses Android pertama ke DeepSeek: Melihat Kekuatan WanitaDi belakang akses Android pertama ke DeepSeek: Melihat Kekuatan WanitaMar 12, 2025 pm 12:27 PM

Kebangkitan kuasa teknologi wanita Cina dalam bidang AI: kisah di sebalik kerjasama Honor dengan sumbangan wanita DeepSeek ke bidang teknologi menjadi semakin penting. Data dari Kementerian Sains dan Teknologi China menunjukkan bahawa bilangan pekerja sains wanita dan teknologi sangat besar dan menunjukkan kepekaan nilai sosial yang unik dalam pembangunan algoritma AI. Artikel ini akan memberi tumpuan kepada telefon bimbit menghormati dan meneroka kekuatan pasukan wanita di belakangnya menjadi yang pertama untuk menyambung ke model besar DeepSeek, menunjukkan bagaimana mereka dapat mempromosikan kemajuan teknologi dan membentuk semula sistem koordinat nilai pembangunan teknologi. Pada 8 Februari 2024, Honor secara rasmi melancarkan model besar versi penuh darah DeepSeek-R1, menjadi pengeluar pertama di kem Android untuk menyambung ke Deepseek, membangkitkan sambutan bersemangat dari pengguna. Di sebalik kejayaan ini, ahli pasukan wanita membuat keputusan produk, penemuan teknikal dan pengguna

Keuntungan 'menakjubkan' Deepseek: Margin keuntungan teoritis adalah setinggi 545%!Keuntungan 'menakjubkan' Deepseek: Margin keuntungan teoritis adalah setinggi 545%!Mar 12, 2025 pm 12:21 PM

DeepSeek mengeluarkan artikel teknikal mengenai Zhihu, memperkenalkan sistem inferensi DeepSeek-V3/R1 secara terperinci, dan mendedahkan data kewangan utama untuk kali pertama, yang menarik perhatian industri. Artikel ini menunjukkan bahawa margin keuntungan kos harian sistem adalah setinggi 545%, menetapkan keuntungan model AI besar global yang tinggi. Strategi kos rendah DeepSeek memberikan kelebihan dalam persaingan pasaran. Kos latihan modelnya hanya 1% -5% daripada produk yang serupa, dan kos latihan model V3 hanya AS $ 5.576 juta, jauh lebih rendah daripada pesaingnya. Sementara itu, harga API R1 hanya 1/7 hingga 1/2 OpenAIO3-Mini. Data -data ini membuktikan kelayakan komersil laluan teknologi DeepSeek dan juga mewujudkan keuntungan yang cekap model AI.

Top 10 alat pemeriksa backlink terbaik terbaik pada tahun 2025Top 10 alat pemeriksa backlink terbaik terbaik pada tahun 2025Mar 21, 2025 am 08:28 AM

Pembinaan laman web hanyalah langkah pertama: kepentingan SEO dan backlinks Membina laman web hanyalah langkah pertama untuk mengubahnya menjadi aset pemasaran yang berharga. Anda perlu melakukan pengoptimuman SEO untuk meningkatkan keterlihatan laman web anda di enjin carian dan menarik pelanggan yang berpotensi. Backlinks adalah kunci untuk meningkatkan kedudukan laman web anda, dan ia menunjukkan Google dan enjin carian lain kuasa dan kredibiliti laman web anda. Tidak semua pautan balik bermanfaat: mengenal pasti dan mengelakkan pautan yang berbahaya Tidak semua pautan balik bermanfaat. Pautan yang berbahaya boleh membahayakan kedudukan anda. Pemeriksaan backlink percuma yang sangat baik memantau sumber pautan ke laman web anda dan mengingatkan anda tentang pautan yang berbahaya. Di samping itu, anda juga boleh menganalisis strategi pautan pesaing anda dan belajar dari mereka. Alat Pemeriksaan Backlink Percuma: Pegawai Perisikan SEO anda

Midea melancarkan penghawa dingin DeepSeek yang pertama: Interaksi Suara AI boleh mencapai 400,000 arahan!Midea melancarkan penghawa dingin DeepSeek yang pertama: Interaksi Suara AI boleh mencapai 400,000 arahan!Mar 12, 2025 pm 12:18 PM

Midea tidak lama lagi akan melepaskan penghawa dingin pertama yang dilengkapi dengan model besar DeepSeek - Midea Fresh and Clean Air Machine T6. Penghawa dingin ini dilengkapi dengan sistem memandu pintar udara maju, yang boleh menyesuaikan parameter dengan bijak seperti suhu, kelembapan dan kelajuan angin mengikut alam sekitar. Lebih penting lagi, ia mengintegrasikan model besar DeepSeek dan menyokong lebih daripada 400,000 arahan suara AI. Langkah Midea telah menyebabkan perbincangan yang hangat dalam industri, dan sangat prihatin terhadap kepentingan menggabungkan barangan putih dan model besar. Tidak seperti tetapan suhu mudah penghawa dingin tradisional, mesin udara segar dan bersih T6 dapat memahami arahan yang lebih kompleks dan samar -samar dan secara bijak menyesuaikan kelembapan mengikut persekitaran rumah, dengan ketara meningkatkan pengalaman pengguna.

Satu lagi produk kebangsaan dari Baidu disambungkan ke Deepseek.Satu lagi produk kebangsaan dari Baidu disambungkan ke Deepseek.Mar 12, 2025 pm 01:48 PM

DeepSeek-R1 memberi kuasa kepada Perpustakaan Baidu dan Netdisk: Integrasi Perfaikan dan Tindakan yang sempurna telah diintegrasikan dengan cepat ke dalam banyak platform dalam masa satu bulan sahaja. Dengan susun atur strategik yang berani, Baidu mengintegrasikan Deepseek sebagai rakan model pihak ketiga dan mengintegrasikannya ke dalam ekosistemnya, yang menandakan kemajuan besar dalam strategi ekologi "carian model besar". Platform Pintar Pintar Wenxin dan Wenxin adalah yang pertama menyambung ke fungsi carian Deep dari model besar DeepSeek dan Wenxin, yang menyediakan pengguna dengan pengalaman carian AI percuma. Pada masa yang sama, slogan klasik "Anda Akan Tahu Apabila Anda Pergi ke Baidu", dan versi baru aplikasi Baidu juga mengintegrasikan keupayaan model besar Wenxin dan Deepseek, melancarkan "AI Search" dan "Refinement Rangkaian Wide Rangkaian"

Kejuruteraan segera untuk pembangunan webKejuruteraan segera untuk pembangunan webMar 09, 2025 am 08:27 AM

AI Prompt Engineering untuk Generasi Kod: Panduan Pemaju Landskap pembangunan kod bersedia untuk peralihan yang ketara. Menguasai model bahasa yang besar (LLM) dan kejuruteraan segera akan menjadi penting bagi pemaju pada tahun -tahun akan datang. Th

Membina pengimbas kelemahan rangkaian dengan pergiMembina pengimbas kelemahan rangkaian dengan pergiApr 01, 2025 am 08:27 AM

Pengimbas kelemahan rangkaian berasaskan GO ini dengan cekap mengenal pasti kelemahan keselamatan yang berpotensi. Ia memanfaatkan ciri konkurensi Go untuk kelajuan dan termasuk pengesanan perkhidmatan dan pemadanan kelemahan. Mari kita meneroka keupayaan dan etika

See all articles

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Alat panas

EditPlus versi Cina retak

EditPlus versi Cina retak

Saiz kecil, penyerlahan sintaks, tidak menyokong fungsi gesaan kod

VSCode Windows 64-bit Muat Turun

VSCode Windows 64-bit Muat Turun

Editor IDE percuma dan berkuasa yang dilancarkan oleh Microsoft

ZendStudio 13.5.1 Mac

ZendStudio 13.5.1 Mac

Persekitaran pembangunan bersepadu PHP yang berkuasa

MantisBT

MantisBT

Mantis ialah alat pengesan kecacatan berasaskan web yang mudah digunakan yang direka untuk membantu dalam pengesanan kecacatan produk. Ia memerlukan PHP, MySQL dan pelayan web. Lihat perkhidmatan demo dan pengehosan kami.

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan