- 完成
hw1.py: 实现灰度图 - 完成
hw2.py: 实现局部灰度图 - 完成
hw3.py: 实现蓝屏特效 - 完成
hw4.py: 实现图片批量处理
首先请确定你的Pillow库已经被安装
注意: 所有代码都已经提供，可以尽情的尝试。
from PIL import Image #引入PIL包中的Image类
# 通过Image类的open方法读取图片 cat.png的内容，保存在img对象中
img = Image.open("cat.png");
img.show(); #通过调用img对象的show()方法显示图片
注意，Image类没有使用一般的实例化过程，而使用了类方法open产生了一个对象。是因为图片的处理需要一种技术叫做lazy initialization即懒惰初始化，感兴趣的同学可参看网页[https://zh.wikipedia.org/wiki/惰性初始模式]中的python部分代码。
#把 x.png 放大10倍
from PIL import Image
img = Image.open("x.png");
(x,y)=img.size #img.size会返回一个长和宽(单位是像素)的元组, 这里把长存到x, 宽存到y里
new_x=x*10
new_y=y*10
#把长和宽都乘以十倍之后，以元组的形式放入img的resize方法里
#resize的意思就是重新定义大小，该方法会返回一个新的变过大小之后的对象
#再次把新的对象存到img中，就OK了
img=img.resize((new_x, new_y))
#之所以有两个小括号，只是因为[new_x, new_y]写成了元组的形式(new_x, new_y)
#所以看起来好像用了两个小括号,实际上是外面的括号里面放了一个元组(new_x, new_y)
img.save("x_10.png", "PNG") #把结果保存到x_10.png文件中，指定保存的格式为png
注意: 元组是什么? 其实很简单，元组(1,2)其实就是列表[1,2]。只是元组有一个特性: 不能修改。别的就和列表没差别了。
#把 x.png 的左上角变成红色的
from PIL import Image
img = Image.open("x.png");
#把像素(0,0)变成红色的
pixels = img.load() #读取图片的像素坐标系，放入 pixels
pixels[0,0] = (255,0,0) #把像素矩阵第(0,0)点的RGB设置成(255,0,0)
#放大30倍, image_2中已经讲解
x,y=img.size
img=img.resize((x*30, y*30))
img.save("x_red.png", "PNG") #把结果保存到x_red.png文件中，指定保存的格式为png
注意, load方法会把整个x.png图片
每一个坐标系中都存有一个RGB值的元组，如图所示:
所以，代码pixels[0,0] = (255,0,0)就成功的把(0,0)处的RGB变成了(255,0,0)也就是红色
#把 cat.png 变成红通图
from PIL import Image
img = Image.open("cat.png");
pixels = img.load()
x,y=img.size
for i in range(x): # 扫描像素列表的每一行
for j in range(y): # 扫描某一行像素列表的每一列
(r,g,b)=pixels[i,j] # 获取第i行,第j列的像素的RGB
pixels[i,j] = (r, 0, 0) # 只保留R值
img.save("cat_red.png", "PNG") #把结果保存到cat_red.png文件中，指定保存的格式为png
如果你对for循环的嵌套不是太理解，可以看看下面这个例子:
l=[[1,2], [3,4]]
for i in range(2):
print(l[i])
这段代码会打印:
[1,2]
[3,4]
原因很简单:
- 当
i=0的时候l[0]即l的第一个元素是:[1,2] - 当
i=1的时候l[1]即l的第二个元素是:[3,4]
所以，如果想要单独访问1,2,3,4, 就需要在此基础上再加一个循环:
l=[[1,2], [3,4]]
for i in range(2):
for j in range(2):
print(l[i][j])
当i=0时，j从0开始计数，所以:
- 第1次
i=0,j=0, 打印:l[0][0]是1 - 第2次
i=0,j=1, 打印:l[0][1]是2 - 第3次
i=1,j=0, 打印:l[1][0]是3 - 第4次
i=1,j=1, 打印:l[1][1]是4
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent