前言
Python虽然被称为脚本语言，但是自从我接触他之后，发现基本没有他不能实现的效果，比如自动化办公，爬数据，数据分析，开发网站，自动化测试等等！所以这也是这门语言如此火热的原因吧！今天主要带大家了解一下Python对于图像处理这一块的教程！
开始
在这篇文章中，我将分享一些关于图像处理是什么的信息。那么，让我们从图像处理的主要方法开始。
首先，我们将从图像处理的定义开始。
什么是图像处理？
图像处理在数字环境中，💻通过一些算法对某些编程语言进行图像处理。我们可以对图像进行分析，也可以对颜色和尺寸等特性进行变换。除此之外，我们还可以对图像进行分类，比如RGB和灰度图像。也看这里
好了，是时候来看看我们如何处理这个过程了。此时，我们将使用python。Python是图像处理的最佳编程语言之一，因此我们将使用python语言的一些模块。
我们将使用的模块列表是；
📋
- PIL
- OpenCV
- NumPy
- Sckit-图像
请注意，其中一些模块的使用将比其他模块少。
让我们开始上面的第一个列表。
pillow（PIL）
➡pil是中最受欢迎的基本图像处理模块之一。该模块用于处理不同性质的图像，也被数据科学家广泛使用。该模块支持各种图像格式，还包括一些流行的格式，如JPEG、PNG。
好吧！到目前为止，我们已经完成了这些模块的使用。
要使用Pillow，我们需要在此之前安装，我们可以通过pip进行安装：
pip install Pillow
或
python -m pip install Pillow
如果您有Linux系统，那么您也可以使用这些说明来安装，如下所示；
pip3 install Pillow
或
python3 -m pip3 install Pillow
准备好使用了！让我们来看看PIL的实例。
PIL的📍使用和实例
➡现在有了导入pythonmain的Pillow模块。现在是编写实例的时候了。在python文件中，我们首先从将要使用的PIL中导入几个模块。第一，它也将是图像。
from PIL import Image
图像函数是从PIL导入的，所以我们首先通过其open()模块使用Image函数。在本教程中，我准备了Linuxtux映像，如下所示，您还可以在这里找到源代码。
image = Image.open("tux.jpg")
现在我们来看看图像的一些属性。其中一个属性是图像带带。每个图像都有一个或多个波段。为了演示图像的波段，我们使用getband()函数如下所示。
image_bands = image.getbands()
print(image_bands)
您可能会得到这样的输出：
('R', 'G', 'B')
另一个属性是模式。图像具有定义图像中像素类型和深度的模式。为了获得图像的模式，我们将如下所示。
image_mode = image.mode
print(image_mode)
然后输出将是该图像的字符串“RGB”。枕头提供了以下几种模式：
- 1
- L
- P
- RGB
- RGBA
- CMYK
- YCbCr
- HSV
- I
- F
另一个属性是Size，它可以更改图像的大小，如下所示。
image_size = image.size
print(image_size)
我们得到了我们使用过的图像输出。
Output:
(1000, 1000)
现在我们可以改变尺寸了！我们用调整尺寸功能。
resized_image = image.resize((400, 400))
resized_image.save("new_image.jpg")
您可能会在python代码文件的同一个目录中看到一个名为“newImage.jpg”的新图像。
到目前为止还不错！
好了，现在是时候使用可以使图像上的处理更加复杂的功能了。
裁剪图像
我们将从裁剪图像开始。当要裁剪图像时，需要一个区域来定义要裁剪的区域。我们来编码吧！
image = Image.open("tux.jpg")
box = (250, 200, 550, 600)
cropped = image.crop(box)
cropped.show()
我们已经开张了Tux.jpg作为第一种情况，当我们裁剪图像时，框是要使用的区域。作为最后一次，我们将该框作为参数传递给**作物()**方法。您可能会得到这样的输出：
旋转图像
我们还可以使用枕就像媒体玩家。
旋转()
方法将整数或浮动角值作为参数。
image = Image.open("tux.jpg")
rotated = image.rotate(90)
rotated.show()
在运行上面的代码之后，您将得到这个输出。
合并图像
PIL的另一个属性正在合并。这使得我们可以合并两个图像。此时，我们将使用两个不同的图像。其中之一就是我们的
Tux.jpg
另一个是新的，
Tux1.jpg
。我们来编码吧！
image_1 = Image.open("tux.jpg")
image_2 = Image.open("tux2.jpg")
position = (350, 480)
image_1.paste(image_2, position)
image_1.show()
在上面的代码中，我们定义了两个图像，并将其定位为tuple。位置用于定义图像合并的位置。在定义了我们使用的位置之后浆糊方法并给出其参数、位置和图像。
在运行完上面的代码之后，我们得到了以下输出：
产出：
色彩变换
我们可以根据MODS改变图像的颜色。例如，如果我们查看彩色图像模式，我们可能会看到结果。RGB。所以我们需要用另一种方式来改变这种模式。好吧，让我们试着改变模式RGB通过L.
image = Image.open("tux.jpg")
img = image.convert('L')
img.show()
上面的代码用‘L’来改变图像的模式。如果我们显示图像，输出将是灰度的。
产出：
另一方面，我们也改变了模式，然后让我们检查一下图像的模式。输出将是L.
print(img.mode)
产出：
'L'
到目前为止还不错！好吧，现在假设你有一个图像
RGB
模式，您可以将图像分离为子图像。子图像的每个图像都有一个来自图像模式的模式。为了能够做到这一点，我们需要使用**斯普利特()**方法。
image = Image.open("tux.jpg")
red, green, blue = image.split()
print(green.getbands(), green.getbands(), blue.getbands())
产出：
('L',) ('L',) ('L',)
在上面的代码中，我们将图像分隔为红色,绿色,蓝色。然而，虽然他们的乐队是相同的，但他们并不是相同的，以使他们有不同的颜色尺度。试着使用**显示()**方法来查看差异。*)
图像增强
有时，我们可能想要改变图像的一些属性，同时工作。所以,图像增强从PIL是更好的方式来调整一些特性，如对比度，颜色，亮度，和锐利。要使用这种方法，我们应该先导入。下面的代码演示如何使用此方法。
from PIL import ImageEnhance
image = Image.open("tux.jpg")
enhancer = ImageEnhance.Sharpness(image)
enhancer.enhance(50.0).show()
您将看到下面的输出。
产出：
现在让我们调整一下图像的对比度。
enhancer = ImageEnhance.Contrast(image)
enhancer.enhance(2).show()
产出：
如果我们改变亮度呢？🤔
brightness = ImageEnhance.Brightness(image)
brightness.enhance(3.0).show()
产出：
图像滤波
另一个超级酷的事情，我们可以做的枕头是过滤图像。有几个过滤器，枕头提供给我们如下。
- BLUR
- CONTOUR
- DETAIL
- EDGE_ENHANCE
- EDGE_ENHANCE_MORE
- EMBOSS
- FIND_EDGES
- SHARPEN
- SMOOTH
- SMOOTH_MORE
一旦我们导入ImageFilter模块从PIL，我们可以做一些像下面这样的图像。
image = Image.open("tux.jpg")
cont_image = image.filter(ImageFilter.CONTOUR)
cont_image.show()
在上面的代码中，我们向图像添加了第一个过滤器，即
等高线
。我们可能在运行完他的代码时得到这个输出：
让我们再试一次过滤器的细节。例如，让我们
模糊
在这个时候，看看它是什么样子。
fedge_image = image.filter(ImageFilter.FIND_EDGES)
fedge_image.show()
产出：
到這裏就结束了，效果也出来了，你学会了吗？
