下面开始编写代码：
# 批量修改图片尺寸 import os from PIL import Image #读取图片目录 fileName = os.listdir('C:/Users/Administrator/Desktop/image01/') print(fileName) #设定尺寸 width = 350 height = 350 # 如果目录不存在，则创建目录 if not os.path.exists('C:/Users/Administrator/Desktop/NewImage/'): os.mkdir('C:/Users/Administrator/Desktop/NewImage/') # 循环读取每一张图片 for img in fileName: old_pic = Image.open('C:/Users/Administrator/Desktop/image01/' + img) new_image = old_pic.resize((width, height),Image.BILINEAR) print (new_image) new_image.save('C:/Users/Administrator/Desktop/NewImage/'+img)
输出结果如下所示：
['向日葵.jpg', '国宝.jpg', '矩形图.jpg', '蝴蝶.jpg'] <PIL.Image.Image image mode=RGB size=350x350 at 0x2B9E670> <PIL.Image.Image image mode=RGB size=350x350 at 0x31D0C90> <PIL.Image.Image image mode=RGB size=350x350 at 0x2B90DB0> <PIL.Image.Image image mode=RGB size=350x350 at 0x31D0C90>
NewImage 目录的内容如下：
图4：处理完成的图片
Pillow图像分离与合并
我们知道，图像（指数字图像）由许多像素点组成，像素是组成图像的基本单位，而每一个像素点又可以使用不同的颜色，最终呈现出了绚丽多彩的图像。在《Pillow Image对象属性》一节，我们介绍一些图片模式，它们的本质就是图片呈现颜色时需要遵循的规则，比如 RGB、RGBA、CYMK 等，而图像的分离与合并，指的就是图像颜色的分离和合并。
Image 类提供了用于分离图像和合并图像的方法 split() 和 merge() 方法，通常情况下，这两个方法会一起使用。
split()
split() 的使用方法比较简单，用来分离颜色通道。我们使用它来处理蝴蝶图片：
图1：pilow 图像处理操作
代码如下所示：
im=Image.open("C:/Users/Administrator/Desktop/1.jpg") #修改图像大小，以适应图像处理 image=im.resize((450,400)) image.save("C:/Users/Administrator/Desktop/2.jpg") #分离颜色通道，产生三个 Image对象 r,g,b = image.split() r.show() g.show() b.show()
输出的结果，依次展示如下：
图2：分离结果预览
merge()
Image 类提供的 merge() 方法可以实现图像的合并操作。注意，图像合并，可以是单个图像合并，也可以合并两个以上的图像。
merge() 方法的语法格式如下：
Image.merge(mode, bands)
参数说明如下：
- mode：指定输出图片的模式
- bands：参数类型为元组或者列表序列，其元素值是组成图像的颜色通道，比如 RGB 分别代表三种颜色通道，可以表示为 (r,g,b)。
注意，该函数会返回一个新的 Image 对象。
下面对图像合并的两种类型分别进行介绍：
一. 单个图像的合并指的是将颜色通道进行重新组合，从而得到不一样的图片效果，代码如下所示：
from PIL import Image im=Image.open("C:/Users/Administrator/Desktop/1.jpg") #修改图像大小，以适应图像处理 image=im.resize((450,400)) image.save("C:/Users/Administrator/Desktop/2.jpg") #分离颜色通道，产生三个 Image对象 r,g,b = image.split() #重新组合颜色通道，返回先的Image对象 image_merge=Image.merge('RGB',(b,g,r)) image_merge.show() #保存图像至桌面 image_merge.save("C:/Users/Administrator/Desktop/3.jpg")
新合成的图像入如下所示：
图3：图像合并操作
两张图片的合并操作也并不复杂，但是要求两张图片的模式、图像大小必须要保持一致，否则不能合并。因此，对于那些模式、大小不同的图片要进行预处理。
下面我们将蝴蝶图与向日葵图进行合并，向日葵原图如下：
图4：向日葵原图
示例代码如下：
from PIL import Image #打开图2.jpg im_1 = Image.open("C:/Users/Administrator/Desktop/2.jpg") im_2= Image.open("C:/Users/Administrator/Desktop/向日葵.jpg") #因为两种图片的图片格式一致，所以仅需要处理图片的大小，让它们保持一致 #让 im_2 的图像尺寸与 im_1 一致,注意此处新生成了 Image 对象 image = im_2.resize(im_1.size) #接下来，对图像进行颜色分离操作 r1, g1 ,b1 = im_1.split() r2, g2 , b2 = image.split() # 合并图像 im_3 = Image.merge('RGB',[r2,g1,b2]) im_3.show() im_3.save("C:/Users/Administrator/Desktop/合成.jpg")
预览图像的合成结果：
图5：合成图像
扩展知识：blend() 混合图片
Image 类也提供了 blend() 方法来混合 RGBA 模式的图片（PNG 格式），函数的语法格式如下：
Image.blend(image1,image2, alpha)
参数说明如下：
- image1，image2：表示两个 Image 对象。
- alpha：表示透明度，取值范围为 0 到 1，当取值为 0 时，输出图像相当于 image1 的拷贝，而取值为 1 时，则是 image2 的拷贝，只有当取值为 0.5 时，才为两个图像的中合。因此改值的大小决定了两个图像的混合程度。
与 RGB 模式相比，RGBA 在 RGB 的基础上增加了透明度，通过 Alpha 取值来决定两个图像的混合程度。示例如下：
"""" 混合 rgba模式的图像 """ im1 = Image.open("C:/Users/Administrator/Desktop/c-net.png") image = Image.open("C:/Users/Administrator/Desktop/心形函数图像.png") im2=image.resize(im1.size) def blend_im(im1,im2): #设置 alpha 为 0.5 Image.blend(im1,im2,0.5).save("C:/Users/Administrator/Desktop/C语言中文网.png") #调用函数 blend_im(im1,im2)
输出结果如下：
图6：混合图像
Pillow图像裁剪、复制、粘贴操作
图像的剪裁、复制、粘贴是图像处理过程中经常使用的基本操作，Pillow Image 类提供了简单、易用的 API 接口，能够帮助您快速实现这些简单的图像处理操作。
图像裁剪操作
Image 类提供的 crop() 函数允许我们以矩形区域的方式对原图像进行裁剪，函数的语法格式如下：
crop(box=None)
box：表示裁剪区域，默认为 None，表示拷贝原图像。
注意：box 是一个有四个数字的元组参数 (x_左上,y_左下,x1_右上,y1_右下)，分别表示被裁剪矩形区域的左上角 x、y 坐标和右下角 x，y 坐标。默认 (0,0) 表示坐标原点，宽度的方向为 x 轴，高度的方向为 y 轴，每个像素点代表一个单位。
crop() 函数的会返回一个 Image 对象，使用示例如下：
""" 裁剪图像 """ im = Image.open("C:/Users/Administrator/Desktop/C语言中文网.png") box =(0,0,200,100) im_crop = im.crop(box) im_crop.show()
输出图像显示如下：
图1：图像裁剪
最终，在原图的基础上裁剪出一张像素为 200 * 100 的图像。
图像拷贝和粘贴
拷贝、粘贴操作几乎是成对出现的，Image 类提供了 copy() 和 paste() 方法来实现图像的复制和粘贴。其中复制操作（即 copy() 方法）比较简单，下面主要介绍 paste() 粘贴方法，语法格式如下所示：
paste(image, box=None, mask=None)
该函数的作用是将一张图片粘贴至另一张图片中。注意，粘贴后的图片模式将自动保持一致，不需要进行额外的转换。参数说明如下：
- image：指被粘贴的图片；
- box：指定图片被粘贴的位置或者区域，其参数值是长度为 2 或者 4 的元组序列，长度为 2 时，表示具体的某一点 (x,y)；长度为 4 则表示图片粘贴的区域，此时区域的大小必须要和被粘贴的图像大小保持一致。
- mask：可选参数，为图片添加蒙版效果。
下面复制一张原图像的副本，对副本进行裁剪、粘贴操作，代码如下所示：
im = Image.open("C:/Users/Administrator/Desktop/C语言中文网.png") #复制一张图片副本 im_copy=im.copy() #对副本进行裁剪 im_crop = im_copy.crop((0,0,200,100)) #创建一个新的图像作为蒙版，L模式，单颜色值 image_new = Image.new('L', (200, 100), 200) #将裁剪后的副本粘贴至副本图像上，并添加蒙版 im_copy.paste(im_crop,(100,100,300,200),mask=image_new) #显示粘贴后的图像 im_copy.show()
输出的显示结果，如下所示：
图2：图像复制粘贴
Pillow图像几何变换
图像的几何变换主要包括图像翻转、图像旋转和图像变换操作，Image 类提供了处理这些操作的函数 transpose()、rotate() 和 transform()，下面分别对它们进行讲解。
transpose()翻转操作
该函数可以实现图像的垂直、水平翻转，语法格式如下：
Image.transpose(method)
method 参数决定了图片要如何翻转，参数值如下：
- Image.FLIP_LEFT_RIGHT：左右水平翻转；
- Image.FLIP_TOP_BOTTOM：上下垂直翻转；
- Image.ROTATE_90：图像旋转 90 度；
- Image.ROTATE_180：图像旋转 180 度；
- Image.ROTATE_270：图像旋转 270 度；
- Image.TRANSPOSE：图像转置；
- Image.TRANSVERSE：图像横向翻转。
使用示例如下：
im = Image.open("C:/Users/Administrator/Desktop/c-net.png") #返回一个新的Image对象 im_out=im.transpose(Image.FLIP_LEFT_RIGHT) im_out.show() im_out.save("C:/Users/Administrator/Desktop/水平翻转.png")
图像显示结果，如下所示：
图1：图像翻转操作
rotate()任意角度旋转
当我们想把图像旋转任意角度时，可以使用 rotate() 函数，语法格式如下：
Image.rotate(angle, resample=PIL.Image.NEAREST, expand=None, center=None, translate=None, fillcolor=None)
参数说明如下：
- angle：表示任意旋转的角度；
- resample：重采样滤波器，默认为 PIL.Image.NEAREST 最近邻插值方法；
- expand：可选参数，表示是否对图像进行扩展，如果参数值为 True 则扩大输出图像，如果为 False 或者省略，则表示按原图像大小输出；
- center：可选参数，指定旋转中心，参数值是长度为 2 的元组，默认以图像中心进行旋转；
- translate：参数值为二元组，表示对旋转后的图像进行平移，以左上角为原点；
- fillcolor：可选参数，填充颜色，图像旋转后，对图像之外的区域进行填充。
使用示例如下：
im = Image.open("C:/Users/Administrator/Desktop/c-net.png") #translate的参数值可以为负数，并将旋转图之外的区域填充为绿色 #返回同一个新的Image对象 im_out=im.rotate(45,translate=(0,-25),fillcolor="green") im_out.show() im_out.save("C:/Users/Administrator/Desktop/旋转图像.png")
输出结果：
图2：图像旋转
transform()图像变换
该函数能够对图像进行变换操作，通过指定的变换方式，产生一张规定大小的新图像，语法格式如下：
Image.transform(size, method, data=None, resample=0)
参数说明：
- size：指定新图片的大小；
- method：指定图片的变化方式，比如 Image.EXTENT 表示矩形变换；
- data：该参数用来给变换方式提供所需数据；
- resample：图像重采样滤波器，默认参数值为 PIL.Image.NEAREST。
使用示例如下：
from PIL import Image im = Image.open("C:/Users/Administrator/Desktop/c-net.png") #设置图像大小250*250，并根据data的数据截取原图像的区域，生成新的图像 im_out=im.transform((250,250),Image.EXTENT,data=[0,0,30 + im.width//4,im.height//3]) im_out.show() im_out.save("C:/Users/Administrator/Desktop/变换.png")
输出图像显示如下：
图3：图像矩形变换
Pillow图像降噪处理
由于成像设备、传输媒介等因素的影响，图像总会或多或少的存在一些不必要的干扰信息，我们将这些干扰信息统称为“噪声”，比如数字图像中常见的“椒盐噪声”，指的是图像会随机出现的一些白、黑色的像素点。图像噪声既影响了图像的质量，又妨碍人们的视觉观赏。因此，噪声处理是图像处理过程中必不可少的环节之一，我们把处理图像噪声的过程称为“图像降噪”。
随着数字图像技术的不断发展，图像降噪方法也日趋成熟，通过某些算法来构造滤波器是图像降噪的主要方式。滤波器能够有效抑制噪声的产生，并且不影响被处理图像的形状、大小以及原有的拓扑结构。
Pillow 通过 ImageFilter 类达到图像降噪的目的，该类中集成了不同种类的滤波器，通过调用它们从而实现图像的平滑、锐化、边界增强等图像降噪操作。常见的降噪滤波器如下表所示：
| 名称 | 说明 |
| ImageFilter.BLUR | 模糊滤波，即均值滤波 |
| ImageFilter.CONTOUR | 轮廓滤波，寻找图像轮廓信息 |
| ImageFilter.DETAIL | 细节滤波，使得图像显示更加精细 |
| ImageFilter.FIND_EDGES | 寻找边界滤波（找寻图像的边界信息） |
| ImageFilter.EMBOSS | 浮雕滤波，以浮雕图的形式显示图像 |
| ImageFilter.EDGE_ENHANCE | 边界增强滤波 |
| ImageFilter.EDGE_ENHANCE_MORE | 深度边缘增强滤波 |
| ImageFilter.SMOOTH | 平滑滤波 |
| ImageFilter.SMOOTH_MORE | 深度平滑滤波 |
| ImageFilter.SHARPEN | 锐化滤波 |
| ImageFilter.GaussianBlur() | 高斯模糊 |
| ImageFilter.UnsharpMask() | 反锐化掩码滤波 |
| ImageFilter.Kernel() | 卷积核滤波 |
| ImageFilter.MinFilter(size) | 最小值滤波器，从 size 参数指定的区域中选择最小像素值，然后将其存储至输出图像中。 |
| ImageFilter.MedianFilter(size) | 中值滤波器，从 size 参数指定的区域中选择中值像素值，然后将其存储至输出图像中。 |
| ImageFilter.MaxFilter(size) | 最大值滤波器 |
| ImageFilter.ModeFilter() | 模式滤波 |
从上述表格中选取几个方法进行示例演示，下面是等待处理的原始图像：
图1：pilow图像处理
模糊处理
# 导入Image类和ImageFilter类 from PIL import Image,ImageFilter im = Image.open("C:/Users/Administrator/Desktop/国宝.jpg") #图像模糊处理 im_blur=im.filter(ImageFilter.BLUR) im_blur.show() im_blur.save("C:/Users/Administrator/Desktop/模糊.png")
输出图像如下：
图2：图像模糊
轮廓图
from PIL import Image,ImageFilter im = Image.open("C:/Users/Administrator/Desktop/国宝.jpg") #生成轮廓图 im2=im.filter(ImageFilter.CONTOUR) im2.show() im2.save("C:/Users/Administrator/Desktop/轮廓图.png")
输出图像，显示如下：
图3：图像轮廓图
边缘检测
from PIL import Image,ImageFilter im = Image.open("C:/Users/Administrator/Desktop/国宝.jpg") #边缘检测 im3=im.filter(ImageFilter.FIND_EDGES) im3.show() im3.save("C:/Users/Administrator/Desktop/边缘检测.png")
输出图像结果：
图4：图像边缘检测
浮雕图
from PIL import Image,ImageFilter im = Image.open("C:/Users/Administrator/Desktop/国宝.jpg") #浮雕图 im4=im.filter(ImageFilter.EMBOSS) im4.show() im4.save("C:/Users/Administrator/Desktop/浮雕图.png")
输出图像如下：
图5：浮雕图
平滑图像
#生成平滑图像 from PIL import Image,ImageFilter im = Image.open("C:/Users/Administrator/Desktop/国宝.jpg") #平滑图smooth im5=im.filter(ImageFilter.SMOOTH) im5.show() im5.save("C:/Users/Administrator/Desktop/平滑图.png")
输出图像如下：
图6：平滑图
如果您使用过 PhotoShop（简称 Ps，一款专业的图像处理软件）、Fireworks（简称 Fw，一款专业的图像处理软件） 或者手机美图软件的话，其实不难发现，上述操作就是给图片添加一个“滤镜”，通过添加滤镜来改变图片的外观，从而影响了我们对于图片的感官体验。
Pillow图像颜色处理
Pillow 提供了颜色处理模块 ImageColor，该模块支持不同格式的颜色，比如 RGB 格式的颜色三元组、十六进制的颜色名称（#ff0000）以及颜色英文单词（“red”）。同时，它还可以将 CSS（层叠样式表，用来修饰网页）风格的颜色转换为 RGB 格式。
注意，在 ImageColor 模块对颜色的大小并不敏感，比如 “Red” 也可以写为 " red"。
颜色命名
ImageColor 支持多种颜色模式的的命名（即使用固定的格式对颜值进行表示），比如我们熟知的 RGB 色彩模式，除此之外，还有 HSL （色调-饱和度-明度）、HSB （又称 HSV，色调-饱和度-亮度）色彩模式。下面对 HSL 做简单介绍：
- H：即 Hue 色调，取值范围 0 -360，其中 0 表示“red”，120 表示 “green”，240 表示“blue”；
- S：即 Saturation 饱和度，代表色彩的纯度，取值 0~100%，其中 0 代表灰色（gry），100% 表示色光最饱和；
- L：即 Lightness 明度，取值为 0~100%，其中 0 表示“black”黑色，50% 表示正常颜色，100% 则表示白色。
下面使用 HSL 色彩模式表示红色，格式如下：
HSL(0,100%,50%)
此时的颜色为“纯红色”，等同于 RGB (255,0,0)。如果想了解有关 HSL/HSB 的更多知识，点击链接前往。
ImageColor 模块比较简单，只提供了两个常用方法，分别是 getrgb() 和 getcolor() 函数。
getrgb()方法
顾名思义，该函数用来得到颜色的 RGB 值，语法格式如下：
PIL.ImageColor.getrgb(color)
使用示例如下：
from PIL import Image,ImageColor # getrgb()方法 color1=ImageColor.getrgb("blue") print(color1) color2=ImageColor.getrgb('#DCDCDC') print(color2) #使用HSL模式红色 color3=ImageColor.getrgb('HSL(0,100%,50%)') print(color3)
输出结果如下：
(0, 0, 255) (220, 220, 220) (255, 0, 0)
通过 new() 方法可以新建图像，此时也可以使用 ImageColor.getrgb()，如下所示：
#使用new()绘制新的图像 im= Image.new("RGB", (200, 200), ImageColor.getrgb("#EEB4B4")) im.save("C:/Users/Administrator/Desktop/xin.jpg")
显示图片如下：
图1：新建图像
getcolor()
该方法与 getrgb() 类似，同样用来获取颜色值，不过它多了一个mode参数，因此该函数可以获取指定色彩模式的颜色值。语法格式如下：
PIL.ImageColor.getcolor(color, mode)
参数说明如下：
- color：一个颜色名称，字符串格式，可以是颜色的英文单词，或者十六进制颜色名。如果是不支持的颜色，会报 ValueError 错误；
- mode：指定色彩模式，如果是不支持的模式，会报 KeyError 错误。
使用示例如下：
color4=ImageColor.getcolor('#EEA9B8','L') print(color4) color5=ImageColor.getcolor('yellow','RGBA') print(color5)
输出结果：
191 (255, 255, 0, 255)
Pillow为图片添加水印
为图片添加水印能够在一定程度上避免其他人滥用您的图片，这是保护图片版权的一种有效方式。因此，当您在微博、或者博客等一些公众平台分享图片的时候，建议您为自己的图片添加一个水印，来证明这张图片属于您。
添加水印的方式的有很多种，比如通过一些图像处理软件，或者手机美图软件都可以实现添加水印的操作，但是这种操作比较复杂，甚至有些软件还不是免费的。
Pillow 库提供了添加水印的方法，操作简单，易学、易用。下面我们讲解如何使用 PIilow 给图片添加水印。
我们知道，水印是附着在原图片上一段文字信息，因此添加水印的过程中会涉及两个问题：
- 第一、如何使文字信息附着在图片上；
- 第二、如何绘制文字信息。
只要解决了这两个问题就可以成功添加水印。Pillow 提供的ImageDraw和ImageFont模块成功解决了上述问题。
ImageDraw
PIL.ImageDraw 模块提供了一系列的绘图方法，通过该模块可以创建一个新的图形，或者在现有的图像上再绘制一个图形，从而起到对原图注释和修饰的作用。
下面创建一个 ImageDraw 对象，并对该对象的使用方法做简单介绍：
draw = ImageDraw.Draw(im)
上述方法会返回一个 ImageDraw 对象，参数 im 表示 Image 对象。这里我们可以把 Image 对象理解成画布，通过调用 ImageDraw 对象的一些方法，实现了在画布上绘制出新的图形目的。ImageDraw 对象的常用方法如下表所示：
| 方法 | 说明 |
| text | 在图像上绘制文字 |
| line | 绘制直线、线段 |
| eclipse | 绘制椭圆形 |
| rectangle | 绘制矩形 |
| polygon | 绘制多边形 |
表格中第一个方法 text() 需要与 ImageFont 模块一起使用，在下面会做详细介绍。
绘制矩形图的语法格式如下：
draw.rectangle(xy, fill=None, outline=None)
参数说明如下：
- xy：元组参数值，以图像的左上角为坐标原点，表示矩形图的位置、图形大小的坐标序列，形如 ((x1,y1,x2,y2))；
- fill：矩形图的背景填充色；
- outline：矩形图的边框线条颜色。
下面看一组简单的示例：
from PIL import Image,ImageDraw #创建 Image 对象，当做背景图 im = Image.new('RGB',(200,200),color='gray') #创建 ImageDraw 对象 draw = ImageDraw.Draw(im) #以左上角为原点，绘制矩形。元组坐标序列表示矩形的位置、大小；fill设置填充色为红色，outline设置边框线为黑色 draw.rectangle((50,100,100,150),fill=(255,0,0),outline=(0,0,0)) #查看原图片 im.show() #保存图片 im.save("C:/Users/Administrator/Desktop/添加矩形图.png")
图形显示结果如下：
图1：绘制红色矩形
ImageFont
PIL.ImagreFont 模块通过加载不同格式的字体文件，从而在图像上绘制出不同类型的文字，比如 TrueType 和 OpenType 类型的字体。
创建字体对象的语法格式如下：
font = ImageFont.truetype(font='字体文件路径', size=字体大小)
如果想要在图片上添加文本，还需要使用 ImageDraw.text() 方法，语法格式如下：
d.text((x,y), "text", font, fill)
参数说明如下：
- (x,y)：图像左上角为坐标原点，(x,y) 表示添加文本的起始坐标位置；
- text：字符串格式，要添加的文本内容；
- font：ImageFont 对象；
- fill：文本填充颜色。
下面看一组使用示例，如下所示：
from PIL import Image,ImageFont,ImageDraw #打开图片，返回 Image对象 im = Image.open("C:/Users/Administrator/Desktop/c-net.png") #创建画布对象 draw = ImageDraw.Draw(im) #加载计算机本地字体文件 font=ImageFont.truetype('C:/Windows/Fonts/msyh.ttc',size=36) #在原图像上添加文本 draw.text(xy=(80,50),text='C语言中文网',fill=(255,0,0),font=font) im.show() im.save("C:/Users/Administrator/Desktop/c.png")
图像显示结果如下：
图2：添加文本
添加图片水印
通过上述知识的学习，我们对ImageDraw和ImageFont模块有了大体的认识，并且也解决了如何给图片添加水印的两个关键问题。以下示例展示了为图片添加水印的详细过程，代码如下所示：
""" 添加水印（函数式编程） """ from PIL import Image,ImageFont,ImageDraw font=ImageFont.truetype('C:/Windows/Fonts/msyh.ttc',size=30) def creating\_watermark(im,text,font=font): #给水印添加透明度，因此需要转换图片的格式 im_rgba=im.convert('RGBA') im_text_canvas=Image.new('RGBA',im_rgba.size,(255,255,255,0)) print(im_rgba.size[0]) draw = ImageDraw.Draw(im_text_canvas) #设置文本文字大小 text_x_width,text_y_height = draw.textsize(text,font=font) print(text_x_width,text_y_height) text_xy = (im_rgba.size[0] - text_x_width, im_rgba.size[1] - text_y_height) print(text_xy) #设置文本颜色（绿色）和透明度（半透明） draw.text(text_xy,text,font=font,fill=(255,255,255,128)) #将原图片与文字复合 im_text=Image.alpha_composite(im_rgba,im_text_canvas) return im_text image = Image.open("C:/Users/Administrator/Desktop/c-net.png") image.show() image_water = creating_watermark(image,'@c语言中文网') image_water.show() image_water.save("C:/Users/Administrator/Desktop/c语言中文网.png")
添加水印后的效果图：
图3：添加水印后效果
Pillow和ndarray数组
NumPy 是 Python 科学计算的基础数据包，它被大量的应用于机器学习领域，比如图像识别、自然语言处理、数据挖掘等。想了解学习 NumPy，可跳转至《NumPy快速入门教程》。
ndarray 是 NumPy 中的数组类型，也称为 ndarray 数组，该数组可以与 Pillow 的 PIL.Image 对象实现相互转化。
ndarray数组创建图像
下面通过 ndarray 数组构建一个 Image 对象，并将图像显示出来。示例如下：
#导入相关的包 from PIL import Image #使用numpy之前需要提前安装 import numpy as np #创建 300\*400的图像，3个颜色通道 array = np.zeros([300,400,3],dtype=np.uint8) #rgb色彩模式 array[:,:200]=[255,0,0] array[:,200:]=[255,255,0] img = Image.fromarray(array) img.show() img.save("C:/Users/Administrator/Desktop/数组生成图像.png")
输出结果如下所示：
图1：NumPy数组创建图像
图像转化为ndarray数组
下面将图像以 ndarray 数组的形式进行输出，示例如下：
from PIL import Image import numpy as np img = Image.open("C:/Users/Administrator/Desktop/大熊猫.png") img.show() #Image图像转换为ndarray数组 img_2 = np.array(img) print(img_2) #ndarray转换为Image图像 arr_img = Image.fromarray(img_2) #显示图片 arr_img.show() #保存图片 arr_img.save("C:/Users/Administrator/Desktop/arr\_img.png")
图片展示结果：
图2：显示原图
组成图片的像素点数组如下所示：
[[[113 108 105] [118 113 110] [139 131 128] ... [139 148 155] [137 146 153] [139 148 155]] [[ 97 92 89] [124 118 115] [137 129 126] ... [143 152 159] [140 149 156] [140 149 156]] [[102 97 94] [123 118 115] [135 128 125] ... [144 153 160] [142 151 158] [143 152 159]] ... [[168 175 134] [175 183 142] [151 162 120] ... [ 99 143 66] [111 155 77] [131 175 98]] [[152 164 118] [147 160 114] [140 156 109] ... [123 167 87] [126 171 90] [120 165 84]] [[136 154 104] [127 145 95] [156 176 125] ... [168 213 130] [142 187 104] [ 69 114 31]]]
Pillow生成GIF动态图
GIF（Graphics Interchange Format，图形交换格式）是一种“位图”图像格式，它以.gif作为图像的扩展名。GIF 图片非常适合在互联网中使用，这是因为它采用了图像预压缩技术，该技术的应用，在一定程度上减少了图像传播、加载所消耗的时间。
与其他格式的图片相比，GIF 还有一项非常重要的应用，那就是生成动态图。我们知道，Pillow 能够处理多种图像格式，包括 GIF 格式，它可以将静态格式图片（png、jpg）合成为 GIF 动态图。
注意：Pillow 总是以灰度模式（L）或调色板模式（P）来读取 GIF 文件。
下面看一组示例：如何使用 Pillow 生成 GiF 动态图。（示例中所用图片素材，点击链接下载，提取码：n1v2）
import os import random from PIL import Image def png_to_gif(png_path,gif_name): """png合成gif图像""" frames = [] # 返回文件夹内的所有静态图的列表 png_files = os.listdir(png_path) # 打印返回的列表 print(png_files) # 读取文件内的静态图 for frame_id in range(1,len(png_files)+1): frame = Image.open(os.path.join(png_path,'image%d.png'%frame_id)) frames.append(frame) # 以第一张图片作为开始，将后续5张图片合并成 gif 动态图 # 参数说明： # save_all 保存图像;transparency 设置透明背景色;duration 单位毫秒，动画持续时间， # loop=0 无限循环;disposal=2 恢复原背景颜色。参数详细说明，请参阅官方文档，网址见文章末尾处。 frames[0].save(gif_name,save_all=True,append_images=frames[1:],transparency=0,duration=2000,loop=0,disposal=2) #调用函数，传入对应的参数 png_to_gif("C:/Users/Administrator/Desktop/image",'C:/Users/Administrator/Desktop/t.gif')
动态效果图，如下所示：
想要了解关于 Pillow 的更多的知识，请参考官方文档：点击前往
一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
二、学习软件
工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。
三、入门学习视频
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
