一、PIL的基本概念：

PIL中所涉及的基本概念有如下几个：通道（bands）、模式（mode）、尺寸（size）、坐标系统（coordinate system）、调色板（palette）、信息（info）和滤波器（filters）。

1、通道

每张图片都是由一个或者多个数据通道构成。PIL允许在单张图片中合成相同维数和深度的多个通道。

以RGB图像为例，每张图片都是由三个数据通道构成，分别为R、G和B通道。而对于灰度图像，则只有一个通道。

对于一张图片的通道数量和名称，可以通过方法getbands()来获取。方法getbands()是Image模块的方法，它会返回一个字符串元组（tuple）。该元组将包括每一个通道的名称。

Python的元组与列表类似，不同之处在于元组的元素不能修改,元组使用小括号，列表使用方括号，元组创建很简单，只需要在括号中添加元素，并使用逗号隔开即可。

方法getbands()的使用如下：

from PIL import Image
im = Image.open("xiao.png")
print(im.getbands())
输出：
('R', 'G', 'B')

2、模式

图像的模式定义了图像的类型和像素的位宽。当前支持如下模式：

1：1位像素，表示黑和白，但是存储的时候每个像素存储为8bit。
L：8位像素，表示黑和白。
P：8位像素，使用调色板映射到其他模式。
RGB：3x8位像素，为真彩色。
RGBA：4x8位像素，有透明通道的真彩色。
CMYK：4x8位像素，颜色分离。
YCbCr：3x8位像素，彩色视频格式。
I：32位整型像素。
F：32位浮点型像素。
PIL也支持一些特殊的模式，包括RGBX（有padding的真彩色）和RGBa（有自左乘alpha的真彩色）。

可以通过mode属性读取图像的模式。其返回值是包括上述模式的字符串。

属性mode的使用如下：

from PIL import Image
im = Image.open("xiao.png")
print(im.mode)
输出：
'RGB'

3、尺寸

通过size属性可以获取图片的尺寸。这是一个二元组，包含水平和垂直方向上的像素数。

属性mode的使用如下：

from PIL import Image
im = Image.open("xiao.png")
print(im.size)
输出:
(670, 502)

4、坐标系统

PIL使用笛卡尔像素坐标系统，坐标(0，0)位于左上角。注意：坐标值表示像素的角；位于坐标（0，0）处的像素的中心实际上位于（0.5，0.5）。

坐标经常用于二元组（x，y）。长方形则表示为四元组，前面是左上角坐标。例如，一个覆盖800x600的像素图像的长方形表示为（0，0，800，600）。

5、调色板

调色板模式("P")使用一个颜色调色板为每个像素定义具体的颜色值

6、信息

使用info属性可以为一张图片添加一些辅助信息。这个是字典对象。加载和保存图像文件时，多少信息需要处理取决于文件格式。

属性info的使用如下：

from PIL import Image
im = Image.open("xiao.png")
print(im.info)
输出：
{}

7、滤波器

对于将多个输入像素映射为一个输出像素的几何操作，PIL提供了4个不同的采样滤波器：

NEAREST：最近滤波。从输入图像中选取最近的像素作为输出像素。它忽略了所有其他的像素。
BILINEAR：双线性滤波。在输入图像的2x2矩阵上进行线性插值。注意：PIL的当前版本，做下采样时该滤波器使用了固定输入模板。
BICUBIC：双立方滤波。在输入图像的4x4矩阵上进行立方插值。注意：PIL的当前版本，做下采样时该滤波器使用了固定输入模板。
ANTIALIAS：平滑滤波。这是PIL 1.1.3版本中新的滤波器。对所有可以影响输出像素的输入像素进行高质量的重采样滤波，以计算输出像素值。在当前的PIL版本中，这个滤波器只用于改变尺寸和缩略图方法。
注意：在当前的PIL版本中，ANTIALIAS滤波器是下采样（例如，将一个大的图像转换为小图）时唯一正确的滤波器。BILIEAR和BICUBIC滤波器使用固定的输入模板，用于固定比例的几何变换和上采样是最好的。

Image模块中的方法resize()和thumbnail()用到了滤波器。

方法resize()的使用如下：

方法resize()的定义为：resize(size, filter=None)=> imagefrom PIL import Image
im = Image.open("xiao.png")
print(im.size)im_resize = im.resize((256,256))print(im_resize.size)输出：(670, 502)(256,256)

对参数filter不赋值的话，方法resize()默认使用NEAREST滤波器。如果要使用其他滤波器可以通过下面的方法来实现：

from PIL import Image
im = Image.open("xiao.png")
print(im.size)
im_resize0 = im.resize((256,256), Image.BILINEAR)
print(im_resize0.size)im_resize1 = im.resize((256,256), Image.BICUBIC)
print(im_resize1.size)im_resize2 = im.resize((256,256), Image.ANTIALIAS)
print(im_resize2.size)
输出：(670, 502)(256,256)(256,256)(256,256)

二、Image模块：

Image模块是PIL中最重要的模块，它有一个类叫做image，与模块名称相同。Image类有很多函数、方法及属性，接下来将依次对image类的属性、函数和方法进行介绍。

一、Image类的属性

1、Format

定义：im.format "xiao.png")
print(im.format)
输出：
'png'

2、Mode

定义：im.mode "htmlcode">

定义：im.palette "jing.jpg")
print(im.mode)
print(im.palette)
输出： 
RGB
None

5、Info

定义：im.info "htmlcode">

定义：Image.new(mode,size) "RGB", (128, 128), "#FF0000")
im.save("test1.png") #图像im为128x128大小的红色图像。
im= Image.new("RGB", (128, 128)) #图像im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。
im.save("test2.png")im= Image.new("RGB", (128, 128), "red") #图像im为128x128大小的红色图像。im.save("test3.png")

2、Open

定义：Image.open(file) "xiao.png")

3、Blend

定义：Image.blend(image1,image2, alpha) "jing.jpg")
im2 = Image.open("wu.jpg")
im = Image.blend(im1,im2,0.5)
im.save("he.jpg")

4、Composite

定义：Image.composite(image1,image2, mask) "jing.jpg")
im2 = Image.open("wu.jpg")
r,g,b = im1.split()
print(g.mode)
im = Image.composite(im1,im2,b)
im.save("he.jpg")
b.save("he1.jpg")

5、Eval

定义：Image.eval(image,function) "jing.jpg")
def deffun(c):
 return c*0.89 #改变了亮度
im_eval = Image.eval(im,deffun) 
im_eval.save("gai.jpg")注：图像im_eval与im01比较，其像素值均为im01的一半，则其亮度自然也会比im01暗一些。

6、Frombuffer

定义：Image.frombuffer(mode,size, data) "raw", mode, 0, 1)
函数Image.frombuffer(mode,size, data, decoder, parameters)与函数fromstring()的调用一致。

7、Fromstring

定义：Image.fromstring(mode,size, data) "htmlcode">

定义：Image.merge(mode,bands) "jing.jpg")
im2 = Image.open("wu.jpg")
r1,g1,b1 = im1.split()
r2,g2,b2 = im2.split()
imgs =[r1,g2,b2]
im_merge = Image.merge("RGB",imgs)
im_merge.save("he.jpg")

三、Image类的方法

除非另作说明，Image类的所有方法都将返回一个Image类的新实例，这个实例对应于结果图像。

1、Convert

定义1：im.convert(mode)"jing.jpg")
print(im1.mode)
im_c = im1.convert("1")
im_c.save("he.jpg")
print(im_c.mode)
输出：1
注：将“RGB”模式的im01图像，转换为“1”模式的im_c图像。

定义2：im.convert(“P”,**options) "jing.jpg")
im1.mode
rgb2xyz = （
 0.412453, 0.357580, 0.180423, 0,
 0.212671, 0.715160, 0.072169, 0,
 0.019334, 0.119193, 0.950227, 0 )
im_c3 = im1.convert("L", rgb2xyz)
im_c3.save("he.jpg")
print(im_c3.mode)输出：L

2、Copy

定义：im.copy() "jing.jpg")
im2 = im1.copy()
im2.save("he.jpg")
注：图像im_copy和im01完全一样。

3、Crop

定义：im.crop(box) "jing.jpg")
print(im1.size)
box = [0,0,650,400] #650(长)400（高）
im_crop = im1.crop(box)
im_crop.save("he.jpg")

4、Draft

定义：im.draft(mode,size)
含义：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。例如，用户可以使用这个方法，在加载一个彩色JPEG图像时将其转换为灰色图像，或者从一个PCD文件中提取一个128x192的版本。
注意：这个方法会适时地修改图像对象（精确地说，它会重新配置文件的读取器）。如果图像已经被加载，那这个方法就没有作用了。

例子：
from PIL import Image
im1 = Image.open("jing.jpg")
im_draft = im1.draft("L",(500,500))
print(im_draft.size)
im_draft.save("he.jpg")
输出：
(650, 650)

5、 Filter

定义：im.filter(filter) "jing.jpg")
im_filter = im1.filter(ImageFilter.BLUR)
im_filter.save("he.jpg")
注：图像im_filter比im01变得有些模糊了。

6、 Fromstring

定义：im.fromstring(data)
     im.fromstring(data, decoder,parameters)
含义：与函数fromstring()一样，但是这个方法会将data加载到当前的图像中。

7、 Getbands

定义：im.getbands()"htmlcode">

定义：im.getbbox() "jing.jpg")
print(im1.getbbox())
输出：
(0, 0, 650, 650)

9、Getcolors

定义：im.getcolors() "test.png")
print(im1.getcolors(8888888))输出：[(2, (255, 255, 255, 233)), (9, (0, 0, 0, 136)), (1, (0, 0, 0, 64)), (2, (0, 0, 0, 24)), (5, (0, 0, 0, 56)).......

10、 Getdata

定义：im.getdata() "jing.jpg")
seq = im1.getdata()
print(seq[0])
seq0 = list(seq)
print(seq0[0])
print(len(seq0))
输出：
(41, 183, 197)
(41, 183, 197)
 #这个值是长和高之积

注：Sequence对象的每一个元素对应一个像素点的R、G和B三个值。

11、 Getextrema

定义：im.getextrema() "jing.jpg")
print(im1.getextrema())
输出:
((0, 255), (0,255), (0, 255)) 
该方法返回了R/G/B三个通道的最小和最大值的2元组。

12、 Getpixel

定义：im.getpixel(xy) "jing.jpg")
print(im1.getpixel((1,1)))
print(im1.getpixel((649,649)))
输出：
(41, 183, 197)
(236, 210, 153)注：im.getpixel(xy)中的X,Y表示坐标，从0开始。

13、 Histogram

定义1：im.histogram()"jing.jpg")
ls = im1.histogram()
print(len(ls))
print(ls[767])
输出：
1471

14、 Load

定义：im.load()
含义：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。

 （New in 1.1.6）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。

例子：
from PIL import Image
im1 = Image.open("jing.jpg")
lm_load = im1.load()
print(lm_load[649,649])
输出：
(236, 210, 153)

15、Paste

定义1：im.paste(image,box)
含义1：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。

例子1：
from PIL import Image
im1 = Image.open("jing.jpg")
box = [0,0,200,200]
im_crop = im1.crop(box)
im1.paste(im_crop,(200,200,400,400)) #等价于im1.paste(im_crop,(200,200))
im1.save("he.jpg")

定义2：im.paste(colour,box)
含义2：它与定义1一样，但是它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。

例子2：
from PIL import Image
im1 = Image.open("jing.jpg")
im1.paste((256,256,256),(200,100,500,200))
im1.save("he.jpg")
注：图像im1的（200，100）位置将出现一个300x100的白色方块，对于多通道的图像，如果变量colour只给定一个数值，将只会应用于图像的第一个通道。如果是“RGB”模式的图像，将应用于红色通道。

定义3：im.paste(image,box, mask)
含义3：与定义1一样，但是它使用变量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。
注意：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。

例子3：
from PIL import Image
im1 = Image.open("jing.jpg")
box = [100,100,200,200]
im_crop = im1.crop(box)
r,g,b = im_crop.split()
im1.paste(im_crop,(200,100,300,200),b)
im1.save("he.jpg")
注：在图像im1的（0，0）位置将出现一个半透明的100x100的方块。

定义4：im.paste(colour,box, mask)
含义4：与定义3一样，只是使用变量colour对应的单色来填充区域。
例子4：
from PIL import Image
im1 = Image.open("jing.jpg")
box = [100,100,200,200]
im_crop = im1.crop(box)
r,g,b = im_crop.split()
im1.paste((0,256,0),(200,100,300,200),b)
im1.save("he.jpg")
注：在图像im1的（0，0）位置将出现一个100x100的绿色方块。

总结