超全Python圖像處理講解(多模塊實(shí)現(xiàn))

更新時(shí)間：2020年04月13日 11:26:03 作者：ZackSock

這篇文章主要介紹了超全Python圖像處理講解(多模塊實(shí)現(xiàn)),文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

一、Image模塊

1.1 、打開圖片和顯示圖片

對(duì)圖片的處理最基礎(chǔ)的操作就是打開這張圖片，我們可以使用Image模塊中的open(fp, mode)方法，來打開圖片。open方法接收兩個(gè)參數(shù)，第一個(gè)是文件路徑，第二個(gè)是模式。主要的模式如下：

mode（模式）	bands（通道）	說明
“1”	1	數(shù)字1，表示黑白二值圖片，每個(gè)像素用0或1共1位二進(jìn)制碼表示
“L”	1	灰度圖
“P”	1	索引圖
“RGB”	3	24位真彩圖
“RGBA”	4	“RGB”+透明通道
“CMYK”	4	印刷模式圖像

更多的模式也就不說了，關(guān)于模式的模式的詳細(xì)介紹我也不知道。這個(gè)open方法返回一個(gè)Image對(duì)象，mode也不是必須參數(shù)。打開圖片代碼如下：

from PIL import Image
# 打開圖片
im = Image.open('test.jpg')
# 顯示圖片
im.show()

當(dāng)然顯示圖片不是我們的重點(diǎn)，我們獲取Image對(duì)象之后，就可以獲取它的一些信息了。

print('圖像的格式：', im.format)
print('圖像的大?。?, im.size)
print('圖像的寬度：', im.width)
print('圖像的高度：', im.height)
# 傳入坐標(biāo)的元組
print('獲取某個(gè)像素點(diǎn)的顏色值：', im.getpixel(100, 100))

在我的環(huán)境中運(yùn)行結(jié)果如下：

圖像的格式： JPEG
圖像的大小： (3968, 2976)
圖像的寬度： 3968
圖像的高度： 2976
獲取某個(gè)像素點(diǎn)的顏色值： (198, 180, 132)

1.2、創(chuàng)建一個(gè)簡(jiǎn)單的圖像

在Image模塊中，提供了創(chuàng)建圖像的方法。主要是通過**Image.new(mode, size, color)**實(shí)現(xiàn)，該方法傳入三個(gè)參數(shù)：

mode：圖像的創(chuàng)建模式
size：圖像的大小
color：圖像的顏色

用該方法可以創(chuàng)建一個(gè)簡(jiǎn)單的圖像，之后我們可以通過save方法將圖像保存：

from PIL import Image
# 創(chuàng)建一個(gè)簡(jiǎn)單的圖像
im = Image.new('RGB', (100, 100), 'red')
# 保存這個(gè)圖像
im.save('red.png')

生成圖片如下：

1.3、圖像混合

（1）透明度混合

透明度混合主要是使用**Image中的blend(im1, im2, alpha)**方法，對(duì)該方法的解釋如下：

im1：Image對(duì)象，在混合的過程中，透明度設(shè)置為（1-apha）
im2：Image對(duì)象，在混合的過程中，透明度設(shè)置為（apha）
alpha：透明度，取值是0-1。當(dāng)透明度為0是，顯示im1對(duì)象；當(dāng)透明度為1時(shí)，顯示im2對(duì)象

注意：im1和im2的大小必須一樣，且mode都為RGB

代碼實(shí)現(xiàn)如下：

from PIL import Image

# 打開im1
im1 = Image.open('pic.jpg').convert(mode='RGB')
# 創(chuàng)建一個(gè)和im1大小一樣的圖像
im2 = Image.new('RGB', im1.size, 'red')
# 混合圖片，并顯示
Image.blend(im1, im2, 0.5).show()

下面為原圖和混合圖的對(duì)比：

不得不說，我家艾斯真滴帥。

（2）遮罩混合

接下來就是很迷的時(shí)刻了，我們可以通過Image.composite(im1, im2, mask)方法實(shí)現(xiàn)遮罩混合。三個(gè)參數(shù)都是Image對(duì)象，該方法的作用就是使用mask來混合im1和im2。我是聽不懂，你們能聽懂最好給我講一下。具體實(shí)現(xiàn)如下：

# 這句代碼寫了好多遍，我真不想寫了
from PIL import Image
# 打開圖像1
im1 = Image.open('pic1.jpg')
# 打開圖像2
im2 = Image.open('pic2.jpg')
# 重新設(shè)置im2的大小
im2.resize(im1.size)
# 將圖像2的三個(gè)色道分離，其中r、g、b都為Image對(duì)象
r, g, b = im2.split()
# 遮罩混合
Image.composite(im1, im2, b).show()

注意：im1、im2和mask的大小必須一樣

im1、im2和遮罩混合效果對(duì)比如下：

依舊是我?guī)洑獾陌埂?/p>

1.4、圖像縮放

（1）按像素縮放

按像素縮放通過Image.eval(im1, fun)方法實(shí)現(xiàn)，其中im1為我們老生常談的Image對(duì)象了；第二個(gè)為一個(gè)方法（函數(shù)），該函數(shù)傳入一個(gè)參數(shù)，即像素點(diǎn)。該函數(shù)會(huì)對(duì)圖片中每個(gè)像素點(diǎn)進(jìn)行函數(shù)內(nèi)的操作。下面我們對(duì)來簡(jiǎn)單使用一下這個(gè)方法：

from PIL import Image
# 打開一張圖像
im = Image.open('摳鼻屎.jpg')
# 對(duì)該圖像每個(gè)像素點(diǎn)進(jìn)行*2處理
Image.eval(im, lambda x:x*2).show()

這里我使用的lambda表達(dá)式，當(dāng)然一般也都是用lambda表達(dá)式，不過你也可以像下面這樣寫：

# 定義一個(gè)方法
def func(x):
 return x*2
# 對(duì)圖像im每個(gè)像素點(diǎn)進(jìn)行func中的操作，其中func不能加()
Image.eval(im, func)

效果圖如下：

細(xì)心的讀者應(yīng)該可以發(fā)現(xiàn)，這個(gè)摳鼻屎的圖片和筆者頭像并不完全一樣。在血色方面，筆者的頭像確實(shí)要差幾分。

注意：筆者在日常生活中可不是天天在大街上摳鼻屎的那種。

（2）按尺寸縮放

按尺寸縮放是通過Image對(duì)象的thumbnail()方法實(shí)現(xiàn)的，這里不同于前面直接通過Image調(diào)用方法，而是使用Image的具體實(shí)例im2調(diào)用thumbnail方法，從而對(duì)im2直接進(jìn)行處理。具體代碼如下：

from PIL import Image
# 打開圖像
im1 = Image.open('xx.jpg')
# 復(fù)制圖像
im2 = im1.copy()
# 將復(fù)制后的圖像進(jìn)行縮放，傳入一個(gè)元組
im2.thumbnail((100, 100))
# 輸出圖像大小
print("im1的大小", im1.size)
print('im2的大小', im2.size)

這里縮放圖像并不會(huì)對(duì)圖像進(jìn)行變形，即顯示效果是一樣的。這里就不放效果圖了，輸入結(jié)果如下：

1.5、圖像的剪切與粘貼

（1）圖像粘貼

粘貼的實(shí)現(xiàn)主要是通過Image對(duì)象的paste(im, box, mask)方法，其中im為Image對(duì)象；box為要粘貼到的區(qū)域；mask為遮罩（我也不知道啥是遮罩）。其中box的參數(shù)有三種形式：

(x1, y1)：將im左上角對(duì)齊(x1,y1)點(diǎn)，其余部分粘貼，超出部分拋棄
(x1, x2, y1, y2)：將im粘貼至此區(qū)域
None：此時(shí)im必須與源圖像大小一致

（2）裁剪圖像

裁剪主要通過Image對(duì)象的crop(box)方法實(shí)現(xiàn)，box同粘貼中一致。

接下來我們做一個(gè)小練習(xí)，想將圖像某個(gè)區(qū)域剪切下來，然后粘貼到另一個(gè)圖像上：

from PIL import Image
# 打開圖像
im = Image.open('nnz.jpg')
# 復(fù)制兩份
im1 = im.copy()
im2 = im.copy()
# 剪切圖片
im_crop = im1.crop((200, 200, 400, 400))
# 粘貼圖片
im2.paste(im_crop, (30, 30))
im2.show()

原圖和效果圖對(duì)比如下：

貌美如花的娜娜子。

1.4、圖像旋轉(zhuǎn)和格式轉(zhuǎn)換

（1）圖像旋轉(zhuǎn)

圖像旋轉(zhuǎn)就非常簡(jiǎn)單了，簡(jiǎn)單的一句代碼，通過Image對(duì)象調(diào)用rotate()，該方法返回被旋轉(zhuǎn)圖像的一個(gè)副本：

from PIL import Image
im = Image.open('nnz.jpg')
# 旋轉(zhuǎn)90度然后顯示
im.rotate(90).show()

順時(shí)針逆時(shí)針就不要問我了。

（2）格式轉(zhuǎn)換

convert：轉(zhuǎn)換圖像的模式
transpose：轉(zhuǎn)換圖像的格式

convert之前已經(jīng)使用過了，這里就簡(jiǎn)單演示一下transpose的作用，transpose主要傳入一些Image中的常量：

from PIL import Image
# 打開圖像
im = Image.open('nnz.jpg')
# 這里我也不知道注釋啥了，總之效果和rotate(90)效果一樣
im.transpose(Image.ROTATE_90).show()

效果圖我也就不放了，給大家列出一些可以傳入的常量和該常量的作用：

常量	作用
Image.FILP_TOP_BOTTOM	上下翻轉(zhuǎn)
Image.FILP_LEFT_RIGHT	左右翻轉(zhuǎn)
Image.ROTATE_90	翻轉(zhuǎn)90°
Image.ROTATE_180	翻轉(zhuǎn)180°
Image.TRANSPOSE	顛倒

我也不知道這是哪門子的格式轉(zhuǎn)換。

1.5、分離和合并

（1）分離

這個(gè)是之前使用過的，通過Image對(duì)象的split()方法，將圖像的RGB三個(gè)通道分離，并返回三個(gè)Image對(duì)象：

from PIL import Image
# 打開圖像
im = Image.open('nnz.jpg')
# 分離通道，返回3個(gè)Image對(duì)象
r, g, b = im.split()

三個(gè)通道的效果圖如下：

（2）合并

合并是通過Image.merge(mode, bands)方法實(shí)現(xiàn)的，其中mode為模式，bands為通道列表，傳入一個(gè)列表類型數(shù)據(jù)。下面我實(shí)現(xiàn)以下小新多年來的愿望：

from PIL import Image
# 打開小新.jpg和娜娜子.jpg
im1 = Image.open('娜娜子.jpg')
im2 = Image.open('小新.jpg')
# 讓im2大小和im1一樣
im2.resize(im1.size)
# 將兩個(gè)圖像分別分離
r1, g1, b1 = im1.split()
r2, g2, b2 = im2.split()
# 合并圖像
im3 = Image.merge('RGB', [r1, g2, b1])
im3.show()

效果圖如下，看到這么美的圖片，小新一定會(huì)感謝我的：

到這里，我們就把Image模塊的大致內(nèi)容講解完了，接下來我們來了解PIL中更豐富的功能。

二、ImageFilter

ImageFilter中提供了很多常用的濾鏡功能，

2.1、高斯模糊

高斯模糊也叫高斯平滑，是啥我也不知道，反正聽名字就是模糊。我們結(jié)合上面的內(nèi)容完成一個(gè)小案例：

from PIL import Image, ImageFilter
# 打開圖像
im1 = Image.open('iron_man.jpg')
# 創(chuàng)建一個(gè)im1兩倍寬的圖像
img = Image.new('RGB', (im1.width*2, im1.height), 'red')
# 高斯模糊處理
im2 = im1.filter(ImageFilter.GaussianBlur)
# 將im1粘貼到img上
img.paste(im1, (0, 0))
# 將im2（高斯模糊后的圖像）粘貼到img上
img.paste(im2, (im1.width, 0))
img.show()

為了考慮小新的感受，下面不再用娜娜子作為素材。我選取了一張鋼鐵俠的圖片，運(yùn)行結(jié)果如下：

希望各位讀者不要誤會(huì)，他倆真沒說你帥，他倆只說筆者一個(gè)人帥。

2.2、其它濾鏡

除了高斯模糊，ImageFilter中還提供了許多其它濾鏡：

濾鏡值	濾鏡名詞
BLUR	模糊效果
CONTOUR	輪廓
DETAIL	細(xì)節(jié)
EDGE_ENHANCE	邊緣增強(qiáng)
EDGE_ENHANCE_MORE	邊緣增強(qiáng)plus
EMBOSS	浮雕效果
FIND_EDGES	尋找邊緣
SMOOTH	平滑

筆者用一張美女圖片，測(cè)試了上面幾個(gè)濾鏡的效果，發(fā)現(xiàn)9張圖是看起來是完全一樣的。雖然完全一樣，但是筆者還是打算將這次測(cè)試的結(jié)果作為我慈善事業(yè)的一部分，分享給各位讀者。

其中1為高斯模糊，2-9分別為表格中的8個(gè)濾鏡。

三、ImageChops模塊（圖像合成）

ImageChops模塊中，提供了很多圖像合成的方法。這些方法是通過計(jì)算通道中像素值來實(shí)現(xiàn)的，不同的方法有不同的計(jì)算方式。

3.1、加法運(yùn)算

加法運(yùn)算通過**ImageChops.add(image1, image2, scale=1.0, offset=0)**方法實(shí)現(xiàn)，合成公式如下：

out = (im1 + im2)/scale + offset

我也看不懂，其中scale和offset是有默認(rèn)值的。所以使用時(shí)我們可以省略參數(shù)，具體實(shí)現(xiàn)如下：

from PIL import Image, ImageChops
# 打開圖像
im1 = Image.open('im1.jpg')
im2 = Image.open('im2.jpg')
# 合成圖像并顯示
im3 = ImageChops.add(im1, im2)
im3.show()

實(shí)驗(yàn)結(jié)果產(chǎn)不忍賭，效果圖如下：

3.2、減法運(yùn)算

加法運(yùn)算通過**ImageChops.subtract(image1, image2, scale=1.0, offset=0)**方法實(shí)現(xiàn)，合成公式如下：

out = (im1 - im2)/scale + offset

其使用和add方法是一致的，代碼如下：

from PIL import Image, ImageChops
# 打開圖像
im1 = Image.open('xscn.jpg')
im2 = Image.open('xscn2.jpg')
# 合成圖像并顯示
im3 = ImageChops.subtract(im1, im2)
im3.show()

原本是不想放效果圖的，但是運(yùn)行后，發(fā)現(xiàn)效果圖比較美，所以想和大家分享一下：

希望大家讀到這篇博客的時(shí)候是獨(dú)自一人的深夜。

3.3、其它函數(shù)

因?yàn)榇蠖鄶?shù)函數(shù)的使用都比較簡(jiǎn)單，所以后續(xù)的函數(shù)也不單獨(dú)拿出來講了，具體功效可以看下列表：

函數(shù)名	參數(shù)	作用	計(jì)算公式
darker(變暗)	(image1, image2)	對(duì)比兩種圖片的像素，取兩種圖片中對(duì)應(yīng)像素的較小值。（去亮留暗）	min(im1, im2)
lighter（變亮）	同上	對(duì)比兩種圖片的像素，取兩種圖片中對(duì)應(yīng)像素的較大值。（去暗留亮）	max(im1, im2)
invert（反色）	(image)	將max(255)減去每個(gè)像素的值	max-image
multiply（疊加）	(image1, image2)	兩種圖片互相疊加。如果和黑色疊加，將獲得一張很色圖片	im1*im2/max
screen（屏幕）	同上	先反色后疊加	max-((max-im1)*(max-im2)/max)
difference（比較）	同上	各個(gè)像素做減法，取絕對(duì)值。如果像素相同結(jié)果為黑色	abs(im1-im2)

演示代碼如下：

from PIL import Image, ImageChops

# 打開圖像
im1 = Image.open("im1.jpg")
im2 = Image.open("im2.jpg")

# 對(duì)圖像進(jìn)行各種操作
im3 = ImageChops.darker(im1, im2)
im3.save('darker.jpg')
im3 = ImageChops.lighter(im1, im2)
im3.save('lighter.jpg')
im3 = ImageChops.invert(im1)
im3.save('invert.jpg')
im3 = ImageChops.multiply(im1, im2)
im3.save('multiply.jpg')
im3 = ImageChops.screen(im1, im2)
im3.save('screen.jpg')
im3 = ImageChops.difference(im1, im2)
im3.save('difference.jpg')

其中，我選取的素材im1和im2都是上面使用到的那兩張，效果圖如下：

這樣，我的女神就被我毀的體無完膚了。

四、ImageEnhance模塊（色彩、亮度）

ImageEnhance提供了許多函數(shù)，用于調(diào)整圖像的色彩、對(duì)比度、亮度、清晰度等。調(diào)整圖像的步驟如下：

確定要調(diào)整的參數(shù)，獲取特定的調(diào)整器調(diào)用調(diào)整器的enhance方法，傳入?yún)?shù)進(jìn)行調(diào)整。

注意：所有調(diào)整器都實(shí)現(xiàn)同一個(gè)接口，該接口中包含一個(gè)方法enhance

其中enhance方法接收一個(gè)參數(shù)factor，factor是一個(gè)大于0的數(shù)。當(dāng)factor為1時(shí)，返回原圖，當(dāng)factor小于1返回減弱圖，大于1返回增強(qiáng)圖。

各個(gè)獲取色彩調(diào)整器的方法如下：

方法名稱	方法作用
ImageEnhance.Color()	獲取顏色調(diào)整器
ImageEnhance.Contrast()	獲取對(duì)比度調(diào)整器
ImageEnhance.Brightness()	獲取亮度調(diào)整器
ImageEnhance.Sharpness()	獲取清晰度調(diào)整器

雖然是很想偷懶，不去做實(shí)驗(yàn)，但是想想還是做了如下實(shí)驗(yàn)，代碼如下：

from PIL import Image, ImageEnhance
# 打開im1
im1 = Image.open("gtx.jpg")
# 獲取顏色（各種）調(diào)整器
enhance_im1 = ImageEnhance.Color(im1)
#enhance_im1 = ImageEnhance.Contrast(im1)
#enhance_im1 = ImageEnhance.Brightness(im1)
#enhance_im1 = ImageEnhance.Sharpness(im1)
# 減弱顏色（以及其它屬性）
im2 = enhance_im1.enhance(0.5)
# 增強(qiáng)顏色（以及其它屬性）
im3 = enhance_im1.enhance(1.5)

# 獲取原圖大小
w, h = im1.size
# 創(chuàng)建一個(gè)原圖大小3倍的圖片
img = Image.new("RGB", (w*3, h))
# 將減弱的圖片放在最左邊
img.paste(im2, (0, 0))
# 將原圖放在中間
img.paste(im1, (w, 0))
# 將增強(qiáng)后的圖片放在最右邊
img.paste(im3, (w*2, 0))
# 顯示圖片
img.show()

其中，我們只需要修改獲取調(diào)整器的代碼就可以了，獲取其它調(diào)制器的代碼我注釋了。然后看看效果圖：

這種不傷大雅的工作，讓我唐尼叔做再適合不過了。

另外再講一個(gè)調(diào)節(jié)亮度的函數(shù)，但是這個(gè)函數(shù)時(shí)Image中的函數(shù)point()，而不是ImageEnhance的。該函數(shù)傳入一個(gè)參數(shù)，使用方法和Image.eval()類似，使用示例如下：

from PIL import Image
# 打開圖像
im1 = Image.open('gtx.jpg')

# 變暗操作
im2 = im1.point(lambda x:x*0.5)
# 變量操作
im3 = im1.point(lambda x:x*1.5)
# 獲取原圖大小
w, h = im1.size
# 創(chuàng)建一個(gè)原圖大小3倍的圖片
img = Image.new("RGB", (w*3, h))
# 將減弱的圖片放在最左邊
img.paste(im2, (0, 0))
# 將原圖放在中間
img.paste(im1, (w, 0))
# 將增強(qiáng)后的圖片放在最右邊
img.paste(im3, (w*2, 0))
# 顯示圖片
img.show()

效果圖如下：

五、ImageDraw模塊

該模塊提供了許多繪制2D圖像的功能，我們可以通過繪制獲取一個(gè)全新的圖像，也可以在原有的圖像上進(jìn)行繪制。在我們使用該模塊進(jìn)行繪制時(shí)，我們需要先獲取ImageDraw.Draw對(duì)象，獲取方式如下：

from PIL import ImageDraw
# 構(gòu)造函數(shù)中，im為一個(gè)Image對(duì)象
drawer = ImageDraw.Draw(im)

我們獲取ImageDraw.Draw對(duì)象后就可以進(jìn)行相應(yīng)的繪制了。

5.1、繪制簡(jiǎn)單形狀

在繪制之前，我們先創(chuàng)建一個(gè)空白的圖片：

from PIL import Image, ImageDraw

# 創(chuàng)建一個(gè)300*300的白色圖片
im = Image.new("RGB", (300, 300), "white")
# 獲取ImageDraw.Draw對(duì)象
drawer = ImageDraw.Draw(im)

后續(xù)的繪制都可以使用對(duì)象drawer繪制。

（1）繪制直線

"""
xy：起點(diǎn)坐標(biāo)和終點(diǎn)坐標(biāo)(x1, y1, x2, y2)
fill：填充色。"red"、"blue"...
width：輪廓粗細(xì)
joint：連接方式，可以是曲線
"""
line(xy, fill, width, joint)
# 繪制直線
drawer.line((50, 50, 150, 150), fill='green',width=2)

（2）繪制矩形

"""
xy：左上角坐標(biāo)和右下角坐標(biāo)(x1, y1, x2, y2)
fill：填充色。"red"、"blue"...
outline：輪廓色。同上
width：輪廓粗細(xì)
"""
rectangle(xy, fill, outline, width)
# 使用示例
drawer.rectangle((50, 50, 150, 150), fill='green', outline='red', width=3)

（3）繪制圓弧

"""
xy：包含圓弧所在圓的矩形的左上角坐標(biāo)和右下角坐標(biāo)(x1, y1, x2, y2)
start：起始角度
end：終止角度
fill：填充色。"red"、"blue"...
width：輪廓粗細(xì)
"""
arc(xy, start, end, fill, width)
# 使用示例
drawer.arc((50, 50, 150, 150), start=0, end=90, fill='green', width=3)

對(duì)于xy參數(shù)的解釋如圖所示：

（4）繪制橢圓

"""
xy：包含橢圓（或圓）的矩形的左上角坐標(biāo)和右下角坐標(biāo)(x1, y1, x2, y2)
fill：填充色。"red"、"blue"...
outline：輪廓顏色
width：輪廓粗細(xì)
"""
ellipse(xy, fill, outline, width)
# 使用示例
drawer.ellipse((50, 50, 150, 150),fill='green', outline='red', width=3)

（5）繪制弦

"""
xy：弦所在橢圓的矩形的左上角坐標(biāo)和右下角坐標(biāo)(x1, y1, x2, y2)
start：開始角度
end：終點(diǎn)角度
fill：填充色。"red"、"blue"...
outline：輪廓顏色
width：輪廓粗細(xì)
"""
chord(xy, start, end, fill, outline, width)
# 使用示例
drawer.chord((50, 50, 150, 150),start=0, end=90, fill='green', outline='red', width=3)

（6）繪制扇形

"""
xy：扇形所在橢圓的矩形的左上角坐標(biāo)和右下角坐標(biāo)(x1, y1, x2, y2)
start：開始角度
end：終點(diǎn)角度
fill：填充色。"red"、"blue"...
outline：輪廓顏色
width：輪廓粗細(xì)
"""
pieslice(xy, start, end, fill, outline, width)
# 使用示例
drawer.pieslice((50, 50, 150, 150),start=0, end=90, fill='green', outline='red', width=3)

（7）繪制多邊形

"""
xy：多邊形各個(gè)點(diǎn)坐標(biāo)的元組/列表(x1, y1, x2, y2)
fill：填充色。"red"、"blue"...
outline：輪廓顏色
"""
pieslice(xy, fill, outline)
# 使用示例
drawer.polygon((50, 50, 150, 150, 150, 200, 200, 250, 50, 50), fill='green', outline='red')

（8）繪制點(diǎn)

"""
xy：點(diǎn)的坐標(biāo)
fill：填充色。"red"、"blue"...
"""
point(xy, fill)
# 使用示例
drawer.point((100, 100), fill='black')

除了上面這些簡(jiǎn)單圖形外，我們還可以使用Draw繪制文字。

5.2、繪制文字

繪制文字和繪制圖形是一樣的：

"""
xy：起點(diǎn)坐標(biāo)
text：繪制的文本
fill：填充色。"red"、"blue"...
...其中繪制文字還有許多其它參數(shù)
"""
text(xy, text, fill)
# 使用示例
drawer.text((100, 100), text='zack' fill='red')

當(dāng)我們繪制中文時(shí)，上述代碼會(huì)報(bào)錯(cuò)，因?yàn)槟J(rèn)編碼是不支持中文的。我們可以在C:/Windows/Fonts目錄下找到字體文件，我們選擇一個(gè)支持中文的。我這里直接是將字體文件復(fù)制到項(xiàng)目底下來了，代碼如下：

from PIL import Image, ImageDraw, ImageFont
# 創(chuàng)建一個(gè)圖像用于繪制文字
im = Image.new("RGB", (300, 300), "white")
drawer = ImageDraw.Draw(im)
# 獲取字體對(duì)象
imFont = ImageFont.truetype('simkai.ttf', 30)
# 繪制文字時(shí)設(shè)置字體
drawer.text((50, 100),text="啥",font=imFont,fill="red")
im.show()

我們使用了ImageFont.truetype()函數(shù)獲取字體對(duì)象，在獲取時(shí)我們可以設(shè)置字體大小。到此我們就了解了PIL的各種操作了

到此這篇關(guān)于超全Python圖像處理講解(多模塊實(shí)現(xiàn))的文章就介紹到這了,更多相關(guān)Python 圖像處理內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: