Pillow图像分离与合并
我们知道,图像(指数字图像)由许多像素点组成,像素是组成图像的基本单位,而每一个像素点又可以使用不同的颜色,最终呈现出了绚丽多彩的图像。一些图片模式,它们的本质就是图片呈现颜色时需要遵循的规则,比如 RGB、RGBA、CYMK 等,而图像的分离与合并,指的就是图像颜色的分离和合并。
Image 类提供了用于分离图像和合并图像的方法 split() 和 merge() 方法,通常情况下,这两个方法会一起使用。
split()
split() 的使用方法比较简单,用来分离颜色通道。我们使用它来处理蝴蝶图片:
代码如下所示:
im=Image.open("C:/Users/Administrator/Desktop/1.jpg") #修改图像大小,以适应图像处理 image=im.resize((450,400)) image.save("C:/Users/Administrator/Desktop/2.jpg") #分离颜色通道,产生三个 Image对象 r,g,b = image.split() r.show() g.show() b.show()123456789复制代码类型:[python]
输出的结果,依次展示如下:
merge()
Image 类提供的 merge() 方法可以实现图像的合并操作。注意,图像合并,可以是单个图像合并,也可以合并两个以上的图像。
merge() 方法的语法格式如下:
Image.merge(mode, bands)1复制代码类型:[python]
参数说明如下:
mode:指定输出8图片的模式
bands:参数类型为元组或者列表序列,其元素值是组成图像的颜色通道,比如 RGB 分别代表三种颜色通道,可以表示为 (r,g,b)。
注意,该函数会返回一个新的 Image 对象。
下面对图像合并的两种类型分别进行介绍:
一. 单个图像的合并指的是将颜色通道进行重新组合,从而得到不一样的图片效果,代码如下所示:
from PIL import Image im=Image.open("C:/Users/Administrator/Desktop/1.jpg") #修改图像大小,以适应图像处理 image=im.resize((450,400)) image.save("C:/Users/Administrator/Desktop/2.jpg") #分离颜色通道,产生三个 Image对象 r,g,b = image.split() #重新组合颜色通道,返回先的Image对象 image_merge=Image.merge('RGB',(b,g,r)) image_merge.show() #保存图像至桌面 image_merge.save("C:/Users/Administrator/Desktop/3.jpg")123456789101112复制代码类型:[python]
新合成的图像入如下所示:
两张图片的合并操作也并不复杂,但是要求两张图片的模式、图像大小必须要保持一致,否则不能合并。因此,对于那些模式、大小不同的图片要进行预处理。
下面我们将蝴蝶图与向日葵图进行合并,向日葵原图如下:
示例代码如下:
from PIL import Image #打开图2.jpg im_1 = Image.open("C:/Users/Administrator/Desktop/2.jpg") im_2= Image.open("C:/Users/Administrator/Desktop/向日葵.jpg") #因为两种图片的图片格式一致,所以仅需要处理图片的大小,让它们保持一致 #让 im_2 的图像尺寸与 im_1 一致,注意此处新生成了 Image 对象 image = im_2.resize(im_1.size) #接下来,对图像进行颜色分离操作 r1, g1 ,b1 = im_1.split() r2, g2 , b2 = image.split() # 合并图像 im_3 = Image.merge('RGB',[r2,g1,b2]) im_3.show() im_3.save("C:/Users/Administrator/Desktop/合成.jpg")1234567891011121314复制代码类型:[python]
预览图像的合成结果:
扩展知识:blend() 混合图片
Image 类也提供了 blend() 方法来混合 RGBA 模式的图片(PNG 格式),函数的语法格式如下:
Image.blend(image1,image2, alpha)1复制代码类型:[python]
参数说明如下:
image1.image2:表示两个 Image 对象。
alpha:表示透明度,取值范围为 0 到 1.当取值为 0 时,输出图像相当于 image1 的拷贝,而取值为 1 时,则是 image2 的拷贝,只有当取值为 0.5 时,才为两个图像的中合。因此改值的大小决定了两个图像的混合程度。