深度学习实验：图像处理入门教程（一）- Python Imaging Library（PIL）库使用指南

文章目录

一、实验介绍

二、实验环境

1. 配置虚拟环境

2. 库版本介绍

三、实验内容

0. 安装 PIL 库

1. 图像读取和写入

a. 图像读取

b. 图像写入

c. 构建新图像

2. 图像复制粘贴

a. 图像复制

b. 图像局部复制

c. 图像粘贴

3. 几何变换

a. 图像调整大小

b. 图像旋转

c. 图像翻转

4. 图像增强

a. 图像亮度增强

b. 图像颜色增强

c. 图像对比度增强

d. 图像锐度增强

5. 图像滤波

a. 图像滤波 – 浮雕

b. 图像滤波 – 轮廓

​

一、实验介绍

  图像处理在深度学习领域中起到了至关重要的作用，Python Imaging Library（PIL）作为一种主流的图像处理库，为图像的读取、处理和增强提供了丰富的功能。

  本实验将介绍 PIL 的基本用法，主要包括图像读取、写入、复制、粘贴、几何变换以及图像增强、图像滤波等方面。

Pillow v2.4.0 (PIL fork)

二、实验环境

  本系列实验使用了PyTorch深度学习框架，相关操作如下：

1. 配置虚拟环境

conda create -n DL python=3.7 

conda activate DL

pip install torch==1.8.1+cu102 torchvision==0.9.1+cu102 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

conda install matplotlib

 conda install scikit-learn

2. 库版本介绍

软件包	本实验版本	目前最新版
matplotlib	3.5.3	3.8.0
numpy	1.21.6	1.26.0
python	3.7.16
scikit-learn	0.22.1	1.3.0
torch	1.8.1+cu102	2.0.1
torchaudio	0.8.1	2.0.2
torchvision	0.9.1+cu102	0.15.2

三、实验内容

0. 安装 PIL 库

  可以使用以下命令：

pip install pillow

1. 图像读取和写入

  下面，我将介绍如何使用 PIL 的 Image.open 方法读取图像，并使用 display 方法显示图像。展示了如何使用 save 方法将图像保存到设备上、使用 Image.new 构建新的图像。

a. 图像读取

from PIL import Image

# we can use open api to load image data 
img = Image.open('qomolangma.jpg')
print(img.format,img.size)
# show your image
display(img)

b. 图像写入

import os

# we can utilize save() to write current image to device.
file_name = 'qomolangmah.jpg'
img.save(file_name)
print(os.path.join(os.getcwd(),file_name))

c. 构建新图像

image_new = Image.new('RGB', (50, 50), 'red')
display(image_new)
file_name = 'new.png'
image_new.save(file_name)
print(os.path.join(os.getcwd(), file_name))

2. 图像复制粘贴

  PIL 提供了灵活的图像复制和粘贴功能，下面我将介绍全局级别和局部级别的图像复制，以及使用 crop 方法进行局部图像复制。此外，还有图像的粘贴和合并操作。

a. 图像复制

img = Image.open('qomolangma.jpg')
img_copy = img.copy()
display(img_copy)

b. 图像局部复制

rect = (0, 0, 100, 100)
img_copy_local = img.crop(rect)
display(img_copy_local)

c. 图像粘贴

img_new = Image.open('new.png')
box = (10, 10, 60, 60)
img.paste(img_new, box)
display(img)

3. 几何变换

  图像的几何变换是图像处理中的重要任务之一，下面我将详细介绍图像的调整大小、旋转和翻转操作。

a. 图像调整大小

img = Image.open('qomolangma.jpg')
print(img.size)
img_resize = img.resize((512, 224))
print(img_resize.size)

b. 图像旋转

img_rotate = img.rotate(45)
display(img_rotate)

或使用：

img_rotate = img.transpose(Image.ROTATE_90)
img_rotate = img.transpose(Image.ROTATE_180)
img_rotate = img.transpose(Image.ROTATE_270)
display(img_rotate)

c. 图像翻转

img_flip = img.transpose(Image.FLIP_LEFT_RIGHT)
display(img_flip)

4. 图像增强

  PIL 提供了 ImageEnhance 和 ImageFilter等 模块，用于图像的亮度、颜色、对比度和锐度的增强。下面，我将通过示例演示如何使用这些模块进行图像增强。

a. 图像亮度增强

from PIL import ImageEnhance

img = Image.open('qomolangma.jpg')
img_bri = ImageEnhance.Brightness(img)
img_bri_enh = img_bri.enhance(factor=0.5) # factor is from 0 to 1. 
display(img_bri_enh)

b. 图像颜色增强

img_col = ImageEnhance.Color(img)
img_col_enh = img_col.enhance(factor=1.5)  # factor is from 0 to postive infinity
display(img_col_enh)

c. 图像对比度增强

img_con = ImageEnhance.Contrast(img)
img_con_enh = img_con.enhance(factor=1.5)  # factor is from 0 to postive infinity
display(img_con_enh)

d. 图像锐度增强

img_sha = ImageEnhance.Sharpness(img)
img_sha_enh = img_sha.enhance(factor=1.5)  # factor is from 0 to 2
display(img_sha_enh)

5. 图像滤波

  PIL 的 ImageFilter 模块提供了多种滤波操作，如浮雕（EMBOSS）和轮廓（CONTOUR）等。

a. 图像滤波 – 浮雕

from PIL.ImageFilter import EMBOSS, CONTOUR

img_1 = img.filter(EMBOSS)
display(img_1)

b. 图像滤波 – 轮廓

img_2 = img.filter(CONTOUR)
display(img_2)

作者：QomolangmaH