一：打开显示保存
# from PIL import Image
# img = Image.open('E:\\pythonwd\\xiaoniao.jpg')
# img.show() 这种图片显示方式是调用操作系统自带的图片浏览器来打开图片
#让程序绘制图片
from PIL import Image
import matplotlib.pyplot as plt
img = Image.open('E:\\pythonwd\\xiaoniao.jpg')
plt.figure('xiaoniao')
plt.imshow(img)
plt.axis('off')
plt.show()
二.图像通道几何变换裁剪
from PIL import Image
import matplotlib.pyplot as plt
img = Image.open('E:\\Rdata\\liusss.jpg')
'''
# 彩色图像转灰度图
gray = img.convert('L')
plt.figure("liushishi")
plt.imshow(gray,cmap='gray')
plt.axis('off')
plt.show()
'''
'''
使用函数convert()来进行转换，它是图像实例对象的一个方法，接受一个 mode 参数，用以指定一种色彩模式，mode 的取值可以是如下几种：
· 1 (1-bit pixels, black and white, stored with one pixel per byte)
· L (8-bit pixels, black and white)
· P (8-bit pixels, mapped to any other mode using a colour palette)
· RGB (3x8-bit pixels, true colour)
· RGBA (4x8-bit pixels, true colour with transparency mask)
· CMYK (4x8-bit pixels, colour separation)
· YCbCr (3x8-bit pixels, colour video format)
· I (32-bit signed integer pixels)
· F (32-bit floating point pixels)
'''
'''
#通道分离与合并
gray = img.convert('L') #转换成灰度
r,g,b = img.split() #分离三通道
pic = Image.merge('RGB',(r,g,b)) #合并三通道
plt.figure("beauty")
plt.subplot(2,3,1), plt.title('origin')
plt.imshow(img),plt.axis('off')
plt.subplot(2,3,2), plt.title('gray')
plt.imshow(gray,cmap='gray'),plt.axis('off')
plt.subplot(2,3,3), plt.title('merge')
plt.imshow(pic),plt.axis('off')
plt.subplot(2,3,4), plt.title('r')
plt.imshow(r,cmap='gray'),plt.axis('off')
plt.subplot(2,3,5), plt.title('g')
plt.imshow(g,cmap='gray'),plt.axis('off')
plt.subplot(2,3,6), plt.title('b')
plt.imshow(b,cmap='gray'),plt.axis('off')
plt.show()
# 裁剪图片
plt.figure("beauty")
plt.subplot(1,2,1),plt.title('origin')
plt.imshow(img),plt.axis('off')
box=(80,100,260,300)
plt.subplot(1,2,2),plt.title('caijianhou')
plt.imshow(img.crop(box)),plt.axis('off')
plt.show()
'''
#几何变换
# Image类有resize()、rotate()、transpose()方法进行几何变换
# 1.图像的缩放和旋转
dst = img.resize((128,128))
dst = img.rotate(45) #顺时针角度表示
# 2.转换图像
dst = im.transpose(Image.FLIP_LEFT_RIGHT) #左右互换
dst = im.transpose(Image.FLIP_TOP_BOTTOM) #上下互换
dst = im.transpose(Image.ROTATE_90) #顺时针旋转
dst = im.transpose(Image.ROTATE_180)
dst = im.transpose(Image.ROTATE_270)
#transpose()和rotate()没有性能差别
三. 添加水印
from PIL import Image,ImageDraw,ImageFont
im = Image.open('E:\\Rdata\\liusss.jpg').convert('RGBA')
'''
#添加文字水印
# create a new image with the given mode and size
txt =Image.new('RGBA',im.size,(0,0,0,0))
#这里添加字体
# fnt = ImageFont.truetype(,20)
# ImageDraw.Draw(a simple 2D interface for PIL)
d = ImageDraw.Draw(txt)
#添加text
d.text((txt.size[0]-80,txt.size[1]-30),"liushishi", fill=(255,255,255,255))
# 使用alpha_composite方法
out = Image.alpha_composite(im,txt)
out.show()
'''
#添加小图片水印
im = Image.open('E:\\pythonwd\\liusss.jpg')
mark=Image.open('E:\\pythonwd\\xiaoniao.jpg')
layer=Image.new('RGBA',im.size,(0,0,0,0))
layer.paste(mark,(im.size[0]-150,im.size[1]-60))
out=Image.composite(layer,im,layer)
out.show()
四.图像中的像素访问
#加载图像后，将图片转化成矩阵进行操作
# 导入
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
# numpu和scipy是进行数据操作和科学计算
# 打开图像并转化成矩阵
# img=np.array(Image.open('E:\\pythonwd\liusss.jpg'))
# python自身打开图片
# plt.figure('liushishi')
# plt.imshow(img)
# plt.axis('off')
# plt.show()
# img是数组对象
# print(img.shape)
# print(img.dtype)
# print(img.size)
# print(type(img))
# RGB图片 rows*cols*channels的三维矩阵,可以使用img[i,j,k]访问像素值
# 给图片添加椒盐噪声
# 随机生成5000个椒盐
# rows,cols,dims=img.shape
# for i in range(500):
# x=np.random.randint(0,rows)
# y=np.random.randint(0,cols)
# img[x,y,:]=255
# # 画图
# plt.figure('beauty')
# plt.imshow(img)
# plt.axis('off')
# plt.show()
# 将图像二值化，像素值大于128的变为1，否则变为0
img=np.array(Image.open('E:\\pythonwd\liusss.jpg').convert('L'))
rows,cols=img.shape
for i in range(rows):
for j in range(cols):
if (img[i,j]<=128):
img[i,j]=0
else:
img[i,j]=1
plt.figure('liushishi')
plt.imshow(img,cmap="gray")
plt.axis('off')
plt.show()
# 可数组切片方式对多个像素点进行操作(关于灰度图像例子)
'''
img[i,:]=img[j,:] #将第j行的数值赋值给第i行
img[:,i]=100 #将第i列的所有数值设为100
img[:100,:50].sum() #计算前100行，前50列的所有数值的和
img[50:100,50:100] # 50~100行 50~100列（不包含第100行和第100列）
img[i].mean() #均值
img[:,-1] #最后一列
img[-2,:] #倒数第二行(or img[-2])
五.图像直方图
import numpy as np
#两个函数reshape和flatten
vec=np.arange(15)
print(vec)
mat = vec.reshape(3,5)
print(mat)
#反过来，将一个二维矩阵变成一个一维数组，使用flatten
a = mat.flatten()
print(a)
# 对图像求直方图，需要先把图像矩阵进行flatten操作，使之变为一维数组，再进行统计
'''
调用方式
n,bins,patches = plt.hist(arr,bins=50,normed=1,facecolor='green',alpha=0.75)
arr:需要计算直方图的一维数组
bins:直方图的柱数，可选项默认值为10
normed:是否将得到的直方图向量归一化.默认值为0
facecolor:直方图颜色
alpha：透明度
*****************************************
返回值：
n：直方图向量
bins：返回各个bin的区间范围
patchs：返回各个bin里面包含的数据,List
'''
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
# img = np.array(Image.open('E:\\pythonwd\\xiaoniao.jpg').convert('L'))
# plt.figure('xiaoniao')
# arr = img.flatten()
# n,bins,patchs=plt.hist(arr,bins=256,normed=1,facecolor='green',alpha=0.75)
# plt.show()
# 彩色图片直方图
#实际上是和灰度直方图一样的，只是分别画出三通道的直方图，然后叠加在一起。
src = Image.open('E:\\pythonwd\\xiaoniao.jpg')
r,g,b=src.split()
plt.figure('xiaoniao')
ar = np.array(r).flatten()
plt.hist(ar,bins=256,normed=1,facecolor="r",edgecolor='r',hold=1)
ag = np.array(g).flatten()
plt.hist(ag,bins=256,normed=1,facecolor="g",edgecolor='g',hold=1)
ab = np.array(b).flatten()
plt.hist(ab,bins=256,normed=1,facecolor="b",edgecolor='b',hold=1)
plt.show()
(第一部分说明）
一提到数字图像处理，可能大多数人就会想到matlab，但matlab也有自身的缺点：
1、不开源，价格贵
2、软件容量大。一般3G以上，高版本甚至达5G以上。
3、只能做研究，不易转化成软件。
因此，我们这里使用Python这个脚本语言来进行数字图像处理。
要使用python，必须先安装python，一般是2.7版本以上，不管是在windows系统，还是Linux系统，安装都是非常简单的。
要使用python进行各种开发，就必须安装对应的库。这和matlab非常相似，只是matlab里面叫工具箱（toolbox)，而python里面叫库或包。安装这些库，一般都是使用pip来安装。
使用python进行数字图片处理，还得安装Pillow包。虽然python里面自带一个PIL（python images library), 但这个库现在已经停止更新了，所以使用Pillow, 它是由PIL发展而来的。
pip install Pillow
图片的打开与显示
from PIL import Image
img=Image.open('d:/dog.png')
img.show()
虽然使用的是Pillow，但它是由PIL fork而来，因此还是要从PIL中进行import. 使用open()函数来打开图片，使用show()函数来显示图片。
这种图片显示方式是调用操作系统自带的图片浏览器来打开图片，有些时候这种方式不太方便，因此我们也可以使用另上一种方式，让程序来绘制图片。
from PIL import Image
import matplotlib.pyplot as plt
img=Image.open('d:/dog.png')
plt.figure("dog")
plt.imshow(img)
plt.show()
这种方法虽然复杂了些，但推荐使用这种方法，它使用一个matplotlib的库来绘制图片进行显示。matplotlib是一个专业绘图的库，相当于matlab中的plot,可以设置多个figure,设置figure的标题，甚至可以使用subplot在一个figure中显示多张图片。matplotlib 可以直接安装
pip install matplotlib
figure默认是带axis的，如果没有需要，我们可以关掉
plt.axis('off')
打开图片后，可以使用一些属性来查看图片信息，如
print img.size :图片的尺寸 (看python版本）
print img.mode :图片的模式
print img.format :图片的格式
显示结果为：
(558, 450)RGBAPNG
图片的保存
img.save('d:/dog.jpg')
就一行代码，非常简单。这行代码不仅能保存图片，还是转换格式，如本例中，就由原来的png图片保存为了jpg图片
