Python图像处理库PIL中图像格式转换的实现


Posted in Python onFebruary 26, 2020

在数字图像处理中,针对不同的图像格式有其特定的处理算法。所以,在做图像处理之前,我们需要考虑清楚自己要基于哪种格式的图像进行算法设计及其实现。本文基于这个需求,使用python中的图像处理库PIL来实现不同图像格式的转换。

对于彩色图像,不管其图像格式是PNG,还是BMP,或者JPG,在PIL中,使用Image模块的open()函数打开后,返回的图像对象的模式都是“RGB”。而对于灰度图像,不管其图像格式是PNG,还是BMP,或者JPG,打开后,其模式为“L”。

通过之前的博客对Image模块的介绍,对于PNG、BMP和JPG彩色图像格式之间的互相转换都可以通过Image模块的open()和save()函数来完成。具体说就是,在打开这些图像时,PIL会将它们解码为三通道的“RGB”图像。用户可以基于这个“RGB”图像,对其进行处理。处理完毕,使用函数save(),可以将处理结果保存成PNG、BMP和JPG中任何格式。这样也就完成了几种格式之间的转换。同理,其他格式的彩色图像也可以通过这种方式完成转换。当然,对于不同格式的灰度图像,也可通过类似途径完成,只是PIL解码后是模式为“L”的图像。

这里,我想详细介绍一下Image模块的convert()函数,用于不同模式图像之间的转换。

Convert()函数有三种形式的定义,它们定义形式如下:

im.convert(mode)⇒image
im.convert(“P”, **options)⇒image
im.convert(mode, matrix)⇒image

使用不同的参数,将当前的图像转换为新的模式,并产生新的图像作为返回值。

本文我们采样的图片是lena的照片:

模式“1”:

>>> from PIL import Image
>>> lena = Image.open("lena.bmp")
>>> lena.mode
'RGB'
>>> lena.getpixel((0,0))
(226, 137, 125)
>>> lena_1 = lena.convert("1")
>>> lena_1.mode
'1'
>>> lena_1.size
(512, 512)
>>> lena_1.getpixel((0,0))
>>> lena_1.getpixel((10,10))
>>> lena_1.getpixel((10,120))
>>> lena_1.getpixel((130,120))
>>> lena_1.show()

结果:

Python图像处理库PIL中图像格式转换的实现

模式“L”:

模式“L”为灰色图像,它的每个像素用8个bit表示,0表示黑,255表示白,其他数字表示不同的灰度。在PIL中,从模式“RGB”转换为“L”模式是按照下面的公式转换的:

L = R * 299/1000 + G * 587/1000+ B * 114/1000

下面我们将lena图像转换为“L”图像。

>>> lena_L = lena.convert("L")
>>> lena_L.mode
'L'
>>> lena_L.size
(512, 512)
>>> lena_L.getpixel((0,0))
>>> lena.getpixel((0,0))
(226, 137, 125)
>>> lena_L.show()
>>> lena_L.save("lena_l.bmp")
>>>

对于第一个像素点,原始图像lena为(197, 111, 78),其转换为灰色值为:

197 *299/1000 + 111 * 587/1000 + 78 * 114/1000= 132.952,PIL中只取了整数部分,即为132。

转换后的图像lena_L如下:

Python图像处理库PIL中图像格式转换的实现

模式P:

模式“P”为8位彩色图像,它的每个像素用8个bit表示,其对应的彩色值是按照调色板查询出来的。

下面我们使用默认的调色板将lena图像转换为“P”图像。

example:

>>> lena_P = lena.convert("P")
>>> lena_P.mode
'P'
>>> lena_P.getpixel((0,0))

结果:

Python图像处理库PIL中图像格式转换的实现

模式“RGBA”:

模式“RGBA”为32位彩色图像,它的每个像素用32个bit表示,其中24bit表示红色、绿色和蓝色三个通道,另外8bit表示alpha通道,即透明通道。

下面我们将模式为“RGB”的lena图像转换为“RGBA”图像。

>>> lena_rgba = lena.convert("RGBA")
>>> 
>>> 
>>> 
>>> lena_rgba.mode
'RGBA'
>>> lena_rgba.getpixel((0,0))
(226, 137, 125, 255)
>>> lena_rgba.getpixel((0,1))
(226, 137, 125, 255)
>>> lena_rgba.show()

Python图像处理库PIL中图像格式转换的实现

模式“CMYK”:

模式“CMYK”为32位彩色图像,它的每个像素用32个bit表示。模式“CMYK”就是印刷四分色模式,它是彩色印刷时采用的一种套色模式,利用色料的三原色混色原理,加上黑色油墨,共计四种颜色混合叠加,形成所谓“全彩印刷”。

四种标准颜色是:C:Cyan =青色,又称为‘天蓝色'或是‘湛蓝'M:Magenta =品红色,又称为‘洋红色';Y:Yellow =黄色;K:Key Plate(blacK) =定位套版色(黑色)。

下面我们将模式为“RGB”的lena图像转换为“CMYK”图像。

>>> lena_cmyk = lena.convert("CMYK")
>>> lena_cmyk.mode
'CMYK'
>>> lena_cmyk.getpixel((0,0))
(29, 118, 130, 0)
>>> lena_cmyk.getpixel((0,1))
(29, 118, 130, 0)
>>> lena_cmyk.show()

从实例中可以得知PIL中“RGB”转换为“CMYK”的公式如下:

C = 255 - R
M = 255 - G
Y = 255 - B
K = 0

由于该转换公式比较简单,转换后的图像颜色有些失真。

转换后的图像lena_cmyk如下:

Python图像处理库PIL中图像格式转换的实现

模式“YCbCr”:

模式“YCbCr”为24位彩色图像,它的每个像素用24个bit表示。YCbCr其中Y是指亮度分量,Cb指蓝色色度分量,而Cr指红色色度分量。人的肉眼对视频的Y分量更敏感,因此在通过对色度分量进行子采样来减少色度分量后,肉眼将察觉不到的图像质量的变化。

模式“RGB”转换为“YCbCr”的公式如下:

Y= 0.257*R+0.504*G+0.098*B+16
Cb = -0.148*R-0.291*G+0.439*B+128
Cr = 0.439*R-0.368*G-0.071*B+128

下面我们将模式为“RGB”的lena图像转换为“YCbCr”图像。

>>> lena_ycbcr = lena.convert("YCbCr")
>>> lena_ycbcr.mode
'YCbCr'
>>> lena_ycbcr.getpixel((0,0))
(162, 107, 173)
>>> lena.getpixel((0,0))
(226, 137, 125)
>>>

按照公式,Y =0.257*197+0.564*111+0.098*78+16= 136.877

Cb=-0.148*197-0.291*111+0.439*78+128= 100.785
Cr = 0.439*197-0.368*111-0.071*78+128 = 168.097

由此可见,PIL中并非按照这个公式进行“RGB”到“YCbCr”的转换。

转换后的图像lena_ycbcr如下:

Python图像处理库PIL中图像格式转换的实现

模式“I”

模式“I”为32位整型灰色图像,它的每个像素用32个bit表示,0表示黑,255表示白,(0,255)之间的数字表示不同的灰度。在PIL中,从模式“RGB”转换为“I”模式是按照下面的公式转换的:

I = R * 299/1000 + G * 587/1000 + B * 114/1000

下面我们将模式为“RGB”的lena图像转换为“I”图像。

>>> lena_I = lena.convert("I")
>>> lena_I.mode
'I'
>>> lena_I.getpixel((0,0))
>>> lena_I.getpixel((0,1))
>>> lena_L = lena.convert("L")
>>> lena_L.getpixel((0,0))
>>> lena_L.getpixel((0,1))

从实验的结果看,模式“I”与模式“L”的结果是完全一样,只是模式“L”的像素是8bit,而模式“I”的像素是32bit。 

模式“F”

模式“F”为32位浮点灰色图像,它的每个像素用32个bit表示,0表示黑,255表示白,(0,255)之间的数字表示不同的灰度。在PIL中,从模式“RGB”转换为“F”模式是按照下面的公式转换的:

F = R * 299/1000+ G * 587/1000 + B * 114/1000

下面我们将模式为“RGB”的lena图像转换为“F”图像。

>>> lena_F = lena.convert("F")
>>> lena_F.mode
'F'
>>> lena_F.getpixel((0,0))
162.2429962158203
>>> lena_F.getpixel((0,1))
162.2429962158203
>>>

Python图像处理库PIL中图像格式转换的实现

模式“F”与模式“L”的转换公式是一样的,都是RGB转换为灰色值的公式,但模式“F”会保留小数部分,如实验中的数据.

以上就是Python图像处理库PIL中图像格式转换的实现的详细内容,更多关于PIL 图像格式转换的资料请关注三水点靠木其它相关文章!

Python 相关文章推荐
python使用cStringIO实现临时内存文件访问的方法
Mar 26 Python
Python爬虫包 BeautifulSoup  递归抓取实例详解
Jan 28 Python
python+selenium实现京东自动登录及秒杀功能
Nov 18 Python
scrapy爬虫实例分享
Dec 28 Python
python实现事件驱动
Nov 21 Python
python3+opencv3识别图片中的物体并截取的方法
Dec 05 Python
详解python列表生成式和列表生成式器区别
Mar 27 Python
Python常见数据类型转换操作示例
May 08 Python
python实现批量视频分帧、保存视频帧
May 31 Python
python解析yaml文件过程详解
Aug 30 Python
详解Python list和numpy array的存储和读取方法
Nov 06 Python
python3的UnicodeDecodeError解决方法
Dec 20 Python
Python基础之字典常见操作经典实例详解
Feb 26 #Python
python3使用Pillow、tesseract-ocr与pytesseract模块的图片识别的方法
Feb 26 #Python
python解释器pycharm安装及环境变量配置教程图文详解
Feb 26 #Python
Python如何使用turtle库绘制图形
Feb 26 #Python
Python解释器以及PyCharm的安装教程图文详解
Feb 26 #Python
Python定时器线程池原理详解
Feb 26 #Python
python ImageDraw类实现几何图形的绘制与文字的绘制
Feb 26 #Python
You might like
怎样辨别一杯好咖啡
2021/03/03 新手入门
如何删除多级目录
2006/10/09 PHP
PHP如何将XML转成数组
2016/04/04 PHP
PHP设计模式之工厂模式实例总结
2017/09/01 PHP
PHP实现基于3DES算法加密解密字符串示例
2018/08/24 PHP
PHP日志LOG类定义与用法示例
2018/09/06 PHP
ThinkPHP5 框架引入 Go AOP,PHP AOP编程项目详解
2020/05/12 PHP
在JS中解析HTML字符串示例代码
2014/04/16 Javascript
jquery表单对象属性过滤选择器实例分析
2015/05/18 Javascript
js预加载图片方法汇总
2015/06/15 Javascript
JS在onclientclick里如何控制onclick的执行
2016/05/30 Javascript
jquery插入兄弟节点的操作方法
2016/12/07 Javascript
jQuery Validate让普通按钮触发表单验证的方法
2016/12/15 Javascript
微信小程序学习(4)-系统配置app.json详解
2017/01/12 Javascript
vue.js或js实现中文A-Z排序的方法
2018/03/08 Javascript
Vue中在新窗口打开页面及Vue-router的使用
2018/06/13 Javascript
在js代码拼接dom对象到页面上的模板总结
2018/10/21 Javascript
angular4自定义表单控件[(ngModel)]的实现
2018/11/23 Javascript
JavaScript变速动画函数封装添加任意多个属性
2019/04/03 Javascript
JS中的算法与数据结构之链表(Linked-list)实例详解
2019/08/20 Javascript
详解nuxt 微信公众号支付遇到的问题与解决
2019/08/26 Javascript
vant实现购物车功能
2020/06/29 Javascript
python求列表交集的方法汇总
2014/11/10 Python
Python计算已经过去多少个周末的方法
2015/07/25 Python
PyCharm鼠标右键不显示Run unittest的解决方法
2018/11/30 Python
Python 基于wxpy库实现微信添加好友功能(简洁)
2019/11/29 Python
python+selenium+Chrome options参数的使用
2020/03/18 Python
美国时装品牌:Nautica(诺帝卡)
2016/08/28 全球购物
P/Invoke是什么
2015/07/31 面试题
法人委托书范本
2014/04/04 职场文书
我的中国梦演讲稿500字
2014/08/19 职场文书
领导干部学习“三严三实”思想汇报
2014/09/15 职场文书
教师节班会开场白
2015/06/01 职场文书
董事长致辞
2015/07/29 职场文书
读《推着妈妈去旅行》有感1500字
2019/10/15 职场文书
python 命令行传参方法总结
2021/05/25 Python