01、图像的数据结构概述

使用Python第三方图像处理库Pillow处理图像时，通常是调用模块中提供的函数和对象来实现图像的基本处理。

实际上，在“底层”图像是由像素点组成的二维数组，每个像素点的位置表示为两个整数的元组，像素的值根据图像模式由对应的元组组成（例如，RGB模式表示为三个整数值组成的元组，分别表示构成颜色的红、蓝、绿的值，范围为0到255）。

图像处理的算法（例如，复制、旋转、裁剪和平滑图像等）根本上就是使用嵌套循环模式对这些像素进行处理。PIL.Image模块中的Image类的方法getpixel()和putpixel()可以用于读取和修改特定位置（loc）的像素的颜色值（pix）。其语法格式如下：

im.getpixel(loc) #返回位于位置loc的像素的颜色。

im.putpixel(loc, pix) #把位于位置loc的颜色替换为pix。

02、拷贝图像

拷贝图像的算法可以通过打开原始图像，创建一个新的大小相同的空白图像，然后将旧图像中的像素颜色复制到新图像相应的像素中。即使用嵌套循环，把旧图像位置(i, j)的像素复制到新图像的位置(i, j)。

【例1】实现图像拷贝函数copy()，输入原始图像对象，返回拷贝后的图像对象。

#模块：c:\pythonpa\cs\image_process.py
import PIL.Image
def copy(im):
    """返回拷贝后的图像对象"""
    # 创建与原始图像相同模式和大小的新图像对象
    im_new = PIL.Image.new(im.mode, im.size)
    width, height = im.size
    # 使用嵌套循环，把旧图像位置(i, j)的像素复制到新图像的位置(i, j)
    for i in range(0, width):
        for j in range(0, height):
            pix = im.getpixel((i,j))
            im_new.putpixel((i,j), pix)
    return im_new
#测试代码
if __name__ == "__main__":
    im = PIL.Image.open("c:/pythonpa/cs/img/mandrill.jpg")
    copy(im).show()

03、剪裁图像

剪裁图像的算法可以通过打开原始图像，指定一个四元组的剪裁框，创建一个与剪裁框大小相同的空白图像，然后将旧图像中剪裁框内的像素颜色复制到新图像中。同样可以使用嵌套循环实现像素复制。

【例2】实现图像剪裁函数crop()，输入原始图像对象，返回剪裁后的图像对象。

#模块：c:\pythonpa\cs\image_process.py
import PIL.Image
def crop(im, box):
    """返回使用矩形框剪切后的图像对象"""
    # 剪切框定义左上角和右下角坐标位置
    x1,y1,x2,y2 = box
    # 计算新图像的宽度width和高度height，并创建新图像
    width,height = x2-x1, y2-y1
    im_new = PIL.Image.new(im.mode, (width, height))
    # 使用嵌套循环，把旧图像剪切框内的像素拷贝到新图像
    for i in range(width):
        for j in range(height):
            pix = im.getpixel((x1+i,y1+j))
            im_new.putpixel((i,j), pix)
    return im_new
#测试代码
if __name__ == "__main__":
    im = PIL.Image.open("c:/pythonpa/cs/img/mandrill.jpg")
    crop(im).show()

04、水平或垂直翻转图像

水平或垂直翻转的算法可以通过打开原始图像，创建一个新的大小相同的空白图像，然后将旧图像中的像素颜色复制到新图像相应的像素中。水平翻转时，原始图像的像素(i,j)映射到目标图像的位置(width-i-1,j)；垂直翻转时，原始图像的像素(i,j)映射到目标图像的位置(i,height-j-1)。

【例3】实现图像水平或垂直翻转函数flip()，输入原始图像对象，返回水平或垂直翻转后的图像对象。

#模块：c:\pythonpa\cs\image_process.py
import PIL.Image
def flip(im, orient="H"):
    """返回水平或垂直翻转后的图像对象"""

    # 获取图像的宽度width和高度height，并创建新图像
    width,height = im.size
    im_new = PIL.Image.new(im.mode, im.size)
    # 使用嵌套循环，把旧图像的像素拷贝到新图像对应位置
    for i in range(width):
        for j in range(height):
            pix = im.getpixel((i,j))
            if orient == "H": #水平翻转时
                # 原始图像的像素(i,j)映射到目标图像的位置(width-i-1,j)
                im_new.putpixel((width-i-1,j), pix)
            else: #垂直翻转时
                # 原始图像的像素(i,j)映射到目标图像的位置(i,height-j-1)
                im_new.putpixel((i,height-j-1), pix)
    return im_new
#测试代码
if __name__ == "__main__":
    im = PIL.Image.open("c:/pythonpa/cs/img/mandrill.jpg")
    flip(im, orient="H").show()
    flip(im, orient="V").show()

05、逆时针或顺时针旋转图像90度

逆时针或顺时针旋转图像90度的算法可以通过打开原始图像（width×height），创建一个新的height×width大小的空白图像，然后将旧图像中的像素颜色复制到新图像中相应的像素中。逆时针旋转图像90度时，原始图像的像素(i,j)映射到目标图像的位置(j,width-i-1)；顺时针旋转图像90度，原始图像的像素(i,j)映射到目标图像的位置(height-j-1,i)。

【例4】实现图像逆时针或顺时针旋转90度的函数rotate()，输入原始图像对象，返回逆时针或顺时针旋转90度后的图像对象。

#模块：c:\pythonpa\cs\image_process.py
import PIL.Image
def rotate(im, orient="CC"):
    """返回逆时针或顺时针旋转90度后的图像对象"""

    # 获取图像的宽度width和高度height，并创建新图像
    width,height = im.size
    im_new = PIL.Image.new(im.mode, im.size)
    # 使用嵌套循环，把旧图像的像素拷贝到新图像对应位置
    for i in range(0, width):
        for j in range(0, height):
            pixel = im.getpixel((i,j))
            if orient == "CC": #逆时针针旋转90度时
                # 原始图像的像素(i,j)映射到目标图像的位置(j,width-i-1)
                im_new.putpixel((j, width-i-1), pixel)
            else: #顺时针旋转90度时
                # 原始图像的像素(i,j)映射到目标图像的位置(height-j-1,i)
                im_new.putpixel((height-j-1, i), pixel)
    return im_new
#测试代码
if __name__ == "__main__":
    im = PIL.Image.open("c:/pythonpa/cs/img/mandrill.jpg")
    rotate(im, orient="H").show()
    rotate(im, orient="V").show()

06、平滑图像过滤器

图像过滤器是原始图像中靠近位置(i, j)的多个像素颜色以某种方式组合运算形成的新的图像对象。

例如，简单的平滑过滤器算法可以通过打开原始图像，创建一个新的大小相同的空白图像，然后将将新图像中的每个像素(i, j)的颜色设置为原始像素(i, j)及其相邻像素的颜色的平均值。不位于图像边界上像素(i, j)有8个相邻像素，其相邻像素位于从列i – 1到列i + 1和行j + 1到行j + 1范围。故可以通过下列代码计算新图像中像素(i, j)的颜色：原始图像中像素(i, j)和它的邻居像素的颜色的平均值。注意，如果像素位于边缘，在i-1可能小于0，故可以使用max(i-1, 0)作为下限；同样，可以使用min(i+1, width)作为上限。

【例5】实现平滑图像过滤器函数smooth()，输入原始图像对象，返回平滑过滤后的图像对象。

#模块：c:\pythonpa\cs\image_process.py
import PIL.Image
def smooth(im):
    """返回拷贝后的图像对象"""
    # 创建与原始图像相同模式和大小的新图像对象
    im_new = PIL.Image.new(im.mode, im.size)
    width, height = im.size
    # 使用嵌套循环，把旧图像位置(i, j)的像素复制到新图像的位置(i, j)
    for i in range(0, width):
        for j in range(0, height):
            pix = im.getpixel((i,j))
            im_new.putpixel((i,j), pix)
    return im_new
#测试代码
if __name__ == "__main__":
    im = PIL.Image.open("c:/pythonpa/cs/img/mandrill.jpg")
    smooth(im).show()