Image讀出來的是PIL的類型，而skimage.io讀出來的數據是numpy格式的

#Image和skimage讀圖片
import Image as img
import os
from matplotlib import pyplot as plot
from skimage import io,transform
img_file1 = img.open('./CXR_png/MCUCXR_0042_0.png')
img_file2 = io.imread('./CXR_png/MCUCXR_0042_0.png')

輸出可以看出Img讀圖片的大小是圖片的(width, height)；而skimage的是(height,width, channel), [這也是為什么caffe在單獨測試時要要在代碼中設置：transformer.set_transpose('data',(2,0,1))，因為caffe可以處理的圖片的數據格式是(channel,height,width)，所以要轉換數據]

#讀圖片后數據的大小：
print "the picture's size: ", img_file1.size
print "the picture's shape: ", img_file2.shape

the picture's size:  (4892, 4020)
the picture's shape:  (4020, 4892)

#得到像素：
print(img_file1.getpixel((500,1000)), img_file2[500][1000])
print(img_file1.getpixel((500,1000)), img_file2[1000][500])
print(img_file1.getpixel((1000,500)), img_file2[500][1000])

(0, 139)
(0, 0)
(139, 139)

Img讀出來的圖片獲得某點像素用getpixel((w,h))可以直接返回這個點三個通道的像素值
skimage讀出來的圖片可以直接img_file2[0][0]獲得，但是一定記住它的格式，并不是你想的(channel,height,width)

在圖片上面加文字

#新建繪圖對象
draw = ImageDraw.Draw(image)，
#獲取圖像的寬和高
width, height = image.size；
#** ImageFont模塊**
#選擇文字字體和大小
setFont = ImageFont.truetype('C:/windows/fonts/Dengl.ttf', 20)，
#設置文字顏色
fillColor = "#ff0000"
#寫入文字
draw.text((40, height - 100), u'廣告', font=setFont, fill=fillColor)

作者：刑素素
鏈接：http://www.lxweimin.com/p/c77315a5435f
來源：簡書
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。

圖片信息

如果我們想知道一些skimage圖片信息

from skimage import io, data
img = data.chelsea()
io.imshow(img)
print(type(img))  #顯示類型
print(img.shape)  #顯示尺寸
print(img.shape[0])  #圖片高度
print(img.shape[1])  #圖片寬度
print(img.shape[2])  #圖片通道數
print(img.size)   #顯示總像素個數
print(img.max())  #最大像素值
print(img.min())  #最小像素值
print(img.mean()) #像素平均值
print(img[0][0])#圖像的像素值

PIL image 查看圖片信息，可用如下的方法

print type(img)
print img.size  #圖片的尺寸
print img.mode  #圖片的模式
print img.format  #圖片的格式
print(img.getpixel((0,0)))#得到像素：
#img讀出來的圖片獲得某點像素用getpixel((w,h))可以直接返回這個點三個通道的像素值

# 獲取圖像的灰度值范圍
width = img.size[0]
height = img.size[1]

# 輸出圖片的像素值
count = 0 
for i in range(0, width):
    for j in range(0, height):
        if img.getpixel((i, j))>=0 and img.getpixel((i, j))<=255:
            count +=1
print count
print(height*width)

使用python進行數字圖片處理，還得安裝Pillow包。雖然python里面自帶一個PIL（python images library), 但這個庫現在已經停止更新了，所以使用Pillow, 它是由PIL發展而來的。

pil能處理的圖片類型
pil可以處理光柵圖片(像素數據組成的的塊)。

通道
一個圖片可以包含一到多個數據通道，如果這些通道具有相同的維數和深度，Pil允許將這些通道進行疊加

模式
1             1位像素，黑和白，存成8位的像素
L             8位像素，黑白
P             8位像素，使用調色板映射到任何其他模式
RGB           3×8位像素，真彩
RGBA          4×8位像素，真彩+透明通道
CMYK          4×8位像素，顏色隔離
YCbCr         3×8位像素，彩色視頻格式
I             32位整型像素
F             32位浮點型像素

坐標
Pil采取左上角為(0,0)的坐標系統

圖片的打開與顯示

from PIL import Image
img=Image.open('d:/dog.png')
img.show()

雖然使用的是Pillow，但它是由PIL fork而來，因此還是要從PIL中進行import. 使用open()函數來打開圖片，使用show()函數來顯示圖片。

這種圖片顯示方式是調用操作系統自帶的圖片瀏覽器來打開圖片，有些時候這種方式不太方便，因此我們也可以使用另上一種方式，讓程序來繪制圖片。

from PIL import Image
import matplotlib.pyplot as plt
img=Image.open('d:/dog.png')
plt.figure("dog")
plt.figure(num=1, figsize=(8,5),)
plt.title('The image title')
plt.axis('off') # 不顯示坐標軸
plt.imshow(img)
plt.show()

這種方法雖然復雜了些，但推薦使用這種方法，它使用一個matplotlib的庫來繪制圖片進行顯示。matplotlib是一個專業繪圖的庫，相當于matlab中的plot,可以設置多個figure,設置figure的標題，甚至可以使用subplot在一個figure中顯示多張圖片。matplotlib 可以直接安裝.
figure默認是帶axis的，如果沒有需要，我們可以關掉

plt.axis('off')

圖像加標題

plt.title('The image title')

matplotlib標準模式

plt.figure(num=5, figsize=(8,5),)
#plt.figure(num='newimage', figsize=(8,5),)
plt.title('The image title', color='#0000FF')
plt.imshow(lena) # 顯示圖片
plt.axis('off') # 不顯示坐標軸
plt.show()

CSDN-markdown編輯器語法——字體、字號與顏色

PIL image 查看圖片信息，可用如下的方法

print type(img)
print img.size  #圖片的尺寸
print img.mode  #圖片的模式
print img.format  #圖片的格式

圖片的保存

img.save('d:/dog.jpg')

就一行代碼，非常簡單。這行代碼不僅能保存圖片，還是轉換格式，如本例中，就由原來的png圖片保存為了jpg圖片。

圖像通道\幾何變換\裁剪

PIL可以對圖像的顏色進行轉換，并支持諸如24位彩色、8位灰度圖和二值圖等模式，簡單的轉換可以通過Image.convert(mode)函數完 成，其中mode表示輸出的顏色模式，例如''L''表示灰度，''1''表示二值圖模式等。但是利用convert函數將灰度圖轉換為二值圖時，是采用 固定的閾 值127來實現的，即灰度高于127的像素值為1，而灰度低于127的像素值為0。

彩色圖像轉灰度圖

from PIL import Image
import matplotlib.pyplot as plt
img=Image.open('d:/ex.jpg')
gray=img.convert('L')
plt.figure("beauty")
plt.imshow(gray,cmap='gray')
plt.axis('off')
plt.title('The color image to gray image')
plt.show()

使用函數convert()來進行轉換，它是圖像實例對象的一個方法，接受一個 mode 參數，用以指定一種色彩模式，mode 的取值可以是如下幾種：

· 1 (1-bit pixels, black and white, stored with one pixel per byte)
· L (8-bit pixels, black and white)
· P (8-bit pixels, mapped to any other mode using a colour palette)
· RGB (3x8-bit pixels, true colour)
· RGBA (4x8-bit pixels, true colour with transparency mask)
· CMYK (4x8-bit pixels, colour separation)
· YCbCr (3x8-bit pixels, colour video format)
· I (32-bit signed integer pixels)
· F (32-bit floating point pixels)

通道分離與合并

from PIL import Image
import matplotlib.pyplot as plt
img=Image.open('d:/ex.jpg')  #打開圖像
gray=img.convert('L')   #轉換成灰度
r,g,b=img.split()   #分離三通道
pic=Image.merge('RGB',(r,g,b)) #合并三通道
plt.figure("beauty")
plt.subplot(2,3,1), plt.title('origin')
plt.imshow(img),plt.axis('off')
plt.subplot(2,3,2), plt.title('gray')
plt.imshow(gray,cmap='gray'),plt.axis('off')
plt.subplot(2,3,3), plt.title('merge')
plt.imshow(pic),plt.axis('off')
plt.subplot(2,3,4), plt.title('r')
plt.imshow(r,cmap='gray'),plt.axis('off')
plt.subplot(2,3,5), plt.title('g')
plt.imshow(g,cmap='gray'),plt.axis('off')
plt.subplot(2,3,6), plt.title('b')
plt.imshow(b,cmap='gray'),plt.axis('off')
plt.show()

裁剪圖片

從原圖片中裁剪感興趣區域（roi),裁剪區域由4-tuple決定，該tuple中信息為(left, upper, right, lower)。 Pillow左邊系統的原點（0，0）為圖片的左上角。坐標中的數字單位為像素點。

from PIL import Image
import matplotlib.pyplot as plt
img=Image.open('d:/ex.jpg')  #打開圖像
plt.figure("beauty")
plt.subplot(1,2,1), plt.title('origin')
plt.imshow(img),plt.axis('off')
#box變量是一個四元組(左，上，右，下)。  
box=(80,100,260,300)
roi=img.crop(box)
plt.subplot(1,2,2)
plt.title('roi')
plt.imshow(roi)
plt.axis('off')
plt.show()

用plot繪制顯示出圖片后，將鼠標移動到圖片上，會在右下角出現當前點的坐標，以及像素值。

**幾何變換 **
Image類有resize()、rotate()和transpose()方法進行幾何變換。
圖像的縮放和旋轉

dst = img.resize((128, 128))
dst = img.rotate(45) # 順時針角度表示

轉換圖像

dst = im.transpose(Image.FLIP_LEFT_RIGHT) #左右互換
dst = im.transpose(Image.FLIP_TOP_BOTTOM) #上下互換
dst = im.transpose(Image.ROTATE_90)  #順時針旋轉
dst = im.transpose(Image.ROTATE_180)
dst = im.transpose(Image.ROTATE_270)

transpose()和rotate()沒有性能差別。

python圖像處理庫Image模塊

創建一個新的圖片

    Image.new(mode, size)  
    Image.new(mode, size, color)  

層疊圖片
層疊兩個圖片，img2和img2,alpha是一個介于[0,1]的浮點數，如果為0，效果為img1，如果為1.0，效果為img2。當然img1和img2的尺寸和模式必須相同。這個函數可以做出很漂亮的效果來，而圖形的算術加減后邊會說到。

Image.blend(img1, img2, alpha)  

composite可以使用另外一個圖片作為蒙板(mask)，所有的這三張圖片必須具備相同的尺寸，mask圖片的模式可以為“1”，“L”，“RGBA”

Image.composite(img1, img2, mask) 

添加水印

添加文字水印

from PIL import Image, ImageDraw,ImageFont
im = Image.open("d:/pic/lena.jpg").convert('RGBA')
txt=Image.new('RGBA', im.size, (0,0,0,0))
fnt=ImageFont.truetype("c:/Windows/fonts/Tahoma.ttf", 20)
d=ImageDraw.Draw(txt)
d.text((txt.size[0]-80,txt.size[1]-30), "cnBlogs",font=fnt, fill=(255,255,255,255))
out=Image.alpha_composite(im, txt)
out.show()

添加小圖片水印

from PIL import Image
im = Image.open("d:/pic/lena.jpg")
mark=Image.open("d:/logo_small.gif")
layer=Image.new('RGBA', im.size, (0,0,0,0))
layer.paste(mark, (im.size[0]-150,im.size[1]-60))
out=Image.composite(layer,im,layer)
out.show()

PIL Image 圖像互轉 numpy 數組

將 PIL Image 圖片轉換為 numpy 數組

im_array = np.array(im)
# 也可以用 np.asarray(im) 區別是 np.array() 是深拷貝，np.asarray() 是淺拷貝

更多細節見python中的深拷貝與淺拷貝

numpy image 查看圖片信息，可用如下的方法

print img.shape  
print img.dtype 

將 numpy 數組轉換為 PIL 圖片
這里采用 matplotlib.image 讀入圖片數組，注意這里讀入的數組是 float32 型的，范圍是 0-1，而 PIL.Image 數據是 uinit8 型的，范圍是0-255，所以要進行轉換：

import matplotlib.image as mpimg
from PIL import Image
lena = mpimg.imread('lena.png') # 這里讀入的數據是 float32 型的，范圍是0-1
im = Image.fromarray(np.uinit8(lena*255))
im.show()

PIL image 查看圖片信息，可用如下的方法

print type(img)
print img.size  #圖片的尺寸
print img.mode  #圖片的模式
print img.format  #圖片的格式
print(img.getpixel((0,0))[0])#得到像素：
#img讀出來的圖片獲得某點像素用getpixel((w,h))可以直接返回這個點三個通道的像素值

圖像中的像素訪問

前面的一些例子中，我們都是利用Image.open（）來打開一幅圖像，然后直接對這個PIL對象進行操作。如果只是簡單的操作還可以，但是如果操作稍微復雜一些，就比較吃力了。因此，通常我們加載完圖片后，都是把圖片轉換成矩陣來進行更加復雜的操作。
打開圖像并轉化為矩陣，并顯示

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
img=np.array(Image.open('d:/lena.jpg'))  #打開圖像并轉化為數字矩陣
plt.figure("dog")
plt.imshow(img)
plt.axis('off')
plt.title('The image title')
plt.show()

調用numpy中的array（）函數就可以將PIL對象轉換為數組對象。

查看圖片信息，可用如下的方法

PIL image 查看圖片信息，可用如下的方法

print type(img)
print img.size  #圖片的尺寸
print img.mode  #圖片的模式
print img.format  #圖片的格式
print(img.getpixel((0,0))[0])#得到像素：
#img讀出來的圖片獲得某點像素用getpixel((w,h))可以直接返回這個點三個通道的像素值

numpy image 查看圖片信息，可用如下的方法

print img.shape  
print img.dtype 

如果是RGB圖片，那么轉換為array之后，就變成了一個rowscolschannels的三維矩陣,因此，我們可以使用

img[i,j,k]

來訪問像素值。
例1：打開圖片，并隨機添加一些椒鹽噪聲

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
img=np.array(Image.open('d:/ex.jpg'))

#隨機生成5000個椒鹽
rows,cols,dims=img.shape
for i in range(5000):
    x=np.random.randint(0,rows)
    y=np.random.randint(0,cols)
    img[x,y,:]=255
    
plt.figure("beauty")
plt.imshow(img)
plt.axis('off')
plt.show()

例2：將lena圖像二值化，像素值大于128的變為1，否則變為0

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
img=np.array(Image.open('d:/pic/lena.jpg').convert('L'))

rows,cols=img.shape
for i in range(rows):
    for j in range(cols):
        if (img[i,j]<=128):
            img[i,j]=0
        else:
            img[i,j]=1
            
plt.figure("lena")
plt.imshow(img,cmap='gray')
plt.axis('off')
plt.show()

如果要對多個像素點進行操作，可以使用數組切片方式訪問。切片方式返回的是以指定間隔下標訪問 該數組的像素值。下面是有關灰度圖像的一些例子：

img[i,:] = im[j,:] # 將第 j 行的數值賦值給第 i 行
img[:,i] = 100 # 將第 i 列的所有數值設為 100
img[:100,:50].sum() # 計算前 100 行、前 50 列所有數值的和
img[50:100,50:100] # 50~100 行，50~100 列（不包括第 100 行和第 100 列）
img[i].mean() # 第 i 行所有數值的平均值
img[:,-1] # 最后一列
img[-2,:] (or im[-2]) # 倒數第二行

直接操作像素點

不但可以對每個像素點進行操作，而且，每一個通道都可以獨立的進行操作。比如，將每個像素點的亮度(不知道有沒有更專業的詞)增大20%

out = img.point(lambda i : i * 1.2)
#注意這里用到一個匿名函數(那個可以把i的1.2倍返回的函數)  

argument * scale + offset  
e.g  
out = img.point(lambda i: i*1.2 + 10)

圖像直方圖

我們先來看兩個函數reshape和flatten:

假設我們先生成一個一維數組：

vec=np.arange(15)
print vec

如果我們要把這個一維數組，變成一個3*5二維矩陣，我們可以使用reshape來實現

mat= vec.reshape(3,5)
print mat

現在如果我們返過來，知道一個二維矩陣，要變成一個一維數組，就不能用reshape了，只能用flatten. 我們來看兩者的區別

a1=mat.reshape(1,-1)  #-1表示為任意，讓系統自動計算
print a1
a2=mat.flatten()
print a2

可以看出，用reshape進行變換，實際上變換后還是二維數組，兩個方括號，因此只能用flatten.

我們要對圖像求直方圖，就需要先把圖像矩陣進行flatten操作，使之變為一維數組，然后再進行統計

畫灰度圖直方圖
繪圖都可以調用matplotlib.pyplot庫來進行，其中的hist函數可以直接繪制直方圖。
調用方式：

n, bins, patches = plt.hist(arr, bins=50, normed=1, facecolor='green', alpha=0.75)

hist的參數非常多，但常用的就這五個，只有第一個是必須的，后面四個可選

arr: 需要計算直方圖的一維數組
bins: 直方圖的柱數，可選項，默認為10
normed: 是否將得到的直方圖向量歸一化。默認為0
facecolor: 直方圖顏色
alpha: 透明度

返回值 ：

n: 直方圖向量，是否歸一化由參數設定
bins: 返回各個bin的區間范圍
patches: 返回每個bin里面包含的數據，是一個list

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
img=np.array(Image.open('d:/pic/lena.jpg').convert('L'))

plt.figure("lena")
arr=img.flatten()
n, bins, patches = plt.hist(arr, bins=256, normed=1, facecolor='green', alpha=0.75)  
plt.title('The image title')
plt.show()

彩色圖片直方圖
實際上是和灰度直方圖一樣的，只是分別畫出三通道的直方圖，然后疊加在一起。

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
src=Image.open('d:/ex.jpg')
r,g,b=src.split()
plt.figure("lena")
ar=np.array(r).flatten()
plt.hist(ar, bins=256, normed=1,facecolor='r',edgecolor='r',hold=1)
ag=np.array(g).flatten()
plt.hist(ag, bins=256, normed=1, facecolor='g',edgecolor='g',hold=1)
ab=np.array(b).flatten()
plt.hist(ab, bins=256, normed=1, facecolor='b',edgecolor='b')
plt.title('The image title')
plt.show()

由此可見，matplotlib的畫圖功能是非常強大的，直方圖只是其中非常小的一部分，更多的請參看官方文檔：
http://matplotlib.org/api/pyplot_summary.html

Python如何讀取指定文件夾下的所有圖像

'''
Load the image files form the folder
input:
    imgDir: the direction of the folder
    imgName:the name of the folder
output:
    data:the data of the dataset
    label:the label of the datset
'''
def load_Img(imgDir,imgFoldName):
    imgs = os.listdir(imgDir+imgFoldName)
    imgNum = len(imgs)
    data = np.empty((imgNum,1,12,12),dtype="float32")
    label = np.empty((imgNum,),dtype="uint8")
    for i in range (imgNum):
        img = Image.open(imgDir+imgFoldName+"/"+imgs[i])
        arr = np.asarray(img,dtype="float32")
        data[i,:,:,:] = arr
        label[i] = int(imgs[i].split('.')[0])
    return data,label

調用方式

craterDir = "./data/CraterImg/Adjust/"
foldName = "East_CraterAdjust12"
data, label = load_Img(craterDir,foldName)

Python圖形圖像處理庫ImageEnhance模塊圖像增強

可以使用ImageEnhance模塊，其中包含了大量的預定義的圖片加強方式
加強器包括，色彩平衡，亮度平衡，對比度，銳化度等。通過使用這些加強器，可以很輕松的做到圖片的色彩調整，亮度調整，銳化等操作，google picasa中提供的一些基本的圖片加強功能都可以實現。

顏色加強color用于調整圖片的色彩平衡，相當于彩色電視機的色彩調整。這個類實現了上邊提到的接口的enhance方法。

ImageEnhance.Color(img)#獲得色彩加強器實例  

然后即可使用enhance(factor)方法進行調整。

亮度加強brightness用于調整圖片的明暗平衡。

ImageEnhance.Brightness(img)#獲得亮度加強器實例  

factor=1返回一個黑色的圖片對象，0返回原始圖片對象

對比度加強contrast用于調整圖片的對比度，相當于彩色電視機的對比度調整。

ImageEnhance.Contrast(image) #獲得對比度加強器實例  

import ImageEnhance  
enh = ImageEnhance.Contrast(im)  
enh.ehhance(1.5).show("50% more contrast")

銳化度加強sharpness用于銳化/鈍化圖片。

ImageEnhance.Sharpness(image) #返回銳化加強器實例  

應該注意的是銳化操作的factor是一個0-2的浮點數，當factor=0時，返回一個完全模糊的圖片對象，當factor=1時，返回一個完全銳化的圖片對象，factor=1時，返回原始圖片對象

Python圖像處理庫ImageChops模塊

這個模塊主要包括對圖片的算術運算，叫做通道運算(channel operations)。這個模塊可以用于多種途徑，包括一些特效制作，圖片整合，算數繪圖等等方面。
Invert:

ImageChops.invert(image) 

圖片反色，類似于集合操作中的求補集，最大值為Max，每個像素做減法，取出反色.
公式

out = MAX - image

lighter:

ImageChops.lighter(image1, image2)  

darker:

ImageChops.darker(image1, image2)  

difference

ImageChops.difference(image1, image2)

求出兩張圖片的絕對值，逐像素的做減法
multiply

ImageChops.multiply(image1, image2)

將兩張圖片互相疊加，如果用純黑色與某圖片進行疊加操作，會得到一個純黑色的圖片。如果用純白色與圖片作疊加，圖片不受影響。
計算的公式如下公式

out = img1 * img2 / MAX

screen:

ImageChops.screen(image1, image2)  

先反色，后疊加。
公式

out = MAX - ((MAX - image1) * (MAX - image2) / MAX)

add:

ImageChops.add(img1, img2, scale, offset)  

對兩張圖片進行算術加法，按照一下公式進行計算
公式

out = (img1+img2) / scale + offset

如果尺度和偏移被忽略的化，scale=1.0, offset=0.0即
out = img1 + img2
subtract:

ImageChops.subtract(img1, img2, scale, offset)  

對兩張圖片進行算術減法：
公式

out = (img1-img2) / scale + offset

Python圖形圖像處理庫ImageFilter模塊圖像濾鏡

ImageFilter是PIL的濾鏡模塊，通過這些預定義的濾鏡，可以方便的對圖片進行一些過濾操作，從而去掉圖片中的噪音(部分的消除)，這樣可以降低將來處理的復雜度(如模式識別等)。

濾鏡名稱                      含義
ImageFilter.BLUR          模糊濾鏡
ImageFilter.CONTOUR       輪廓
ImageFilter.EDGE_ENHANCE    邊界加強
ImageFilter.EDGE_ENHANCE_MORE    邊界加強(閥值更大)
ImageFilter.EMBOSS                 浮雕濾鏡
ImageFilter.FIND_EDGES         邊界濾鏡
ImageFilter.SMOOTH                       平滑濾鏡
ImageFilter.SMOOTH_MORE      平滑濾鏡(閥值更大)
ImageFilter.SHARPEN                    銳化濾鏡

要使用PIL的濾鏡功能，需要引入ImageFilter模塊

import Image, ImageFilter  
  
def inHalf(img):  
    w,h = img.size  
    return img.resize((w/2, h/2))  
  
def filterDemo():  
    img = Image.open("sandstone_half.jpg")  
    #img = inHalf(img)  
    imgfilted = img.filter(ImageFilter.SHARPEN)  
    #imgfilted.show()  
    imgfilted.save("sandstone_sharpen.jpg")  
  
if __name__ == "__main__":  
    filterDemo()  

參考文獻
用python簡單處理圖片
python圖形處理庫PIL（Python Image Library）