Python自建库，在爬虫等基础应用中更加简单好记，做整理以备自查。
目录
Image模块
open类、Save类、format类、Mode类、convert类、Size类、Info类、new类、Copy类、Crop类、Paste类、Filter类、Blend类、Split类、Composite类、Eval类、Merge类、Draft类、Getbands类、Getbbox类、Getdata类、Getextrema类、Histogram类、Load类、Paste类、Putdata类、Resize类、Rotate类、Seek类、Tell类、Thumbnail类、Transpose类
Image模块
from PIL import Image
open类
Image.open()
Save类
im.save(outfile, format, options…)
outfile是路径
例子：area.save('test2.png', im.format)
format类
im.format ⇒ string or None
返回图片格式，如果图像不是从文件读取它的值就是None。
Mode类
im.mode ⇒ string
返回图像的模式，常见的mode 有
“L” (luminance) 表示灰度图像！
“RGB”表示真彩色图像，
“CMYK” 表示出版图像，表明图像所使用像素格式。
convert类
im.convert(“P”,**options) ⇒ image
可供选择的选项为：
Dither=. 控制颜色抖动。默认是FLOYDSTEINBERG，与邻近的像素一起承担错误。不使能该功能，则赋值为NONE。
Palette=. 控制调色板的产生。默认是WEB，这是标准的216色的“web palette”。要使用优化的调色板，则赋值为ADAPTIVE。
Colors=. 当选项palette为ADAPTIVE时，控制用于调色板的颜色数目。默认是最大值，即256种颜色
当前图像转换为其他模式，并且返回新的图像。实际上一种矩阵变换，可以自己定义，不常用
Size类
im.size ⇒ (width, height)
输出：(750,500)
输出元组，爬虫中很重要
Info类
im.info ⇒ dictionary
存储图像相关数据的字典。文件句柄使用该字典传递从文件中读取的各种非图像信息。不直观，不常用
new类
创建空白画布，类似plt；少数几个非对象函数
Image.new(mode, size,color) ⇒ image
Mode:同上，常见三种
Size:是给定的宽/高二元组，这是按照像素数来计算的。
color:对于单通道图像，变量color只给定一个值；对于多通道图像，变量color给定一个元组（每个通道对应一个值）。
注释：颜色两种表示
"red"
"#FF0000"
Copy类
im.copy() ⇒ image
open时加个.copy，不影响原图
Crop类
m.crop(box) ⇒ image
截图。众所周知，左上的坐标-右下的坐标，故变量box是一个四元int元组
Paste类
im.paste(image,box)
简称PS。变量box或者是一个给定左上角的2元组，或者是定义了左，上，右和下像素坐标的4元组，或者为空（与（0，0）一样）
注：如果模式不匹配，被粘贴的图像将被转换为当前图像的模式。
Filter类
opencv在filter等基础图像处理中更有优势，相关处理不推荐PIL
im.filter(filter) ⇒ image
返回一个使用给定滤波器处理过的图像的拷贝。具体参考图像滤波在ImageFilter 模块的应用，在该模块中，预先定义了很多增强滤波器，可以通过filter( )函数使用，预定义滤波器包括：BLUR、CONTOUR、DETAIL、EDGE_ENHANCE、EDGE_ENHANCE_MORE、EMBOSS、FIND_EDGES、SMOOTH、SMOOTH_MORE、SHARPEN。其中BLUR就是均值滤波，CONTOUR找轮廓，FIND_EDGES边缘检测，使用该模块时，需先导入。
Blend类
Image.blend(image1,image2, alpha) ⇒ image
透明度，不重要
Split类
im.split() ⇒ sequence
和图片Mode有关，RGB可以spilt三个，L模式不能spilt
from PIL import Image
im = Image.open("E:\mywife.jpg")
r,g,b = im.split()
Composite类
Image.composite(image1,image2, mask) ⇒ image
融合，没用
Eval类
Image.eval(image,function) ⇒ image
使用变量function对应的函数（该函数应该有一个参数）处理变量image所代表图像中的每一个像素点。如果变量image所代表图像有多个通道，那变量function对应的函数作用于每一个通道。注意：变量function对每个像素只处理一次，所以不能使用随机组件和其他生成器。
from PIL import Image
im = Image.open("E:\mywife.jpg")
def fun01(x):
return x*0.3
def fun02(y):
return y*2.0
im1_eval = Image.eval(im, fun01)
im2_eval = Image.eval(im, fun02)
im1_eval.show()
im2_eval.show()
Merge类
Image.merge(mode,bands) ⇒ image
Draft类
im.draft(mode,size)
Getbands类
im.getbands()⇒ tuple of strings
Getbbox类
im.getbbox() ⇒ 4-tuple or None
Getdata类
im.getdata() ⇒ sequence
Getextrema类
im.getextrema() ⇒ 2-tuple
Getpixel类
im.getpixel(xy) ⇒ value or tuple
Histogram类
im.histogram()⇒ list
返回一个图像的直方图。这个直方图是关于像素数量的list，图像中的每个象素值对应一个成员。如果图像有多个通道，所有通道的直方图会连接起来（例如，“RGB”图像的直方图有768个值)。二值图像（模式为“1”）当作灰度图像（模式为“L”）处理。
Load类
im.load()
为图像分配内存并从文件中加载它（或者从源图像，对于懒操作）。正常情况下，用户不需要调用这个方法，因为在第一次访问图像时，Image类会自动地加载打开的图像。在1.1.6及以后的版本，方法load()返回一个用于读取和修改像素的像素访问对象。这个访问对象像一个二维队列，如：
pix = im.load()
print pix[x, y]
pix[x, y] =value
通过这个对象访问比方法getpixel()和putpixel()快很多。
Paste类
im.paste(image,box, mask)
使用变量mask对应的模板图像来填充所对应的区域。可以使用模式为“1”、“L”或者“RGBA”的图像作为模板图像。模板图像的尺寸必须与变量image对应的图像尺寸一致。如果变量mask对应图像的值为255，则模板图像的值直接被拷贝过来；如果变量mask对应图像的值为0，则保持当前图像的原始值。变量mask对应图像的其他值，将对两张图像的值进行透明融合,如果变量image对应的为“RGBA”图像，即粘贴的图像模式为“RGBA”，则alpha通道被忽略。用户可以使用同样的图像作为原图像和模板图像。
Putdata类
im.putdata(data)
im.putdata(data, scale, offset)
从sequence对象中拷贝数据到当前图像，从图像的左上角（0，0）位置开始。变量scale和offset用来调整sequence中的值：
pixel = value*scale + offset
如果变量scale忽略，则默认为1.0。如果变量offset忽略，则默认为0.0。
Resize类
im.resize(size) ⇒ image
im.resize(size, filter) ⇒ image
返回改变尺寸的图像的拷贝。变量size是所要求的尺寸，是一个二元组：（width, height）。变量filter为NEAREST、BILINEAR、BICUBIC或者ANTIALIAS之一。如果忽略，或者图像模式为“1”或者“P”，该变量设置为NEAREST。在当前的版本中bilinear和bicubic滤波器不能很好地适应大比例的下采样（例如生成缩略图）。用户需要使用ANTIALIAS，除非速度比质量更重要。
Rotate类
im.rotate(angle) ⇒ image
im.rotate(angle,filter=NEAREST, expand=0) ⇒ image
返回一个按照给定角度顺时钟围绕图像中心旋转后的图像拷贝。变量filter是NEAREST、BILINEAR或者BICUBIC之一。如果省略该变量，或者图像模式为“1”或者“P”，则默认为NEAREST。变量expand，如果为true，表示输出图像足够大，可以装载旋转后的图像。如果为false或者缺省，则输出图像与输入图像尺寸一样大。
Seek类
im.seek(frame)
在给定的文件序列中查找指定的帧。如果查找超越了序列的末尾，则产生一个EOFError异常。当文件序列被打开时，PIL库自动指定到第0帧上。
Tell类
im.tell() ⇒ integer
返回当前帧所处位置，从0开始计算。
Thumbnail类
im.thumbnail(size)
im.thumbnail(size, filter)
修改当前图像，使其包含一个自身的缩略图，该缩略图尺寸不大于给定的尺寸。这个方法会计算一个合适的缩略图尺寸，使其符合当前图像的宽高比，调用方法draft()配置文件读取器，最后改变图像的尺寸。变量filter应该是NEAREST、BILINEAR、BICUBIC或者ANTIALIAS之一。如果省略该变量，则默认为NEAREST。注意：在当前PIL的版本中，滤波器bilinear和bicubic不能很好地适应缩略图产生。用户应该使用ANTIALIAS，图像质量最好。如果处理速度比图像质量更重要，可以选用其他滤波器。这个方法在原图上进行修改。如果用户不想修改原图，可以使用方法copy()拷贝一个图像。这个方法返回空。
Transform类
im.transform(size,method, data) ⇒ image
im.transform(size, method, data, filter) ⇒ image
使用给定的尺寸生成一张新的图像，与原图有相同的模式，使用给定的转换方式将原图数据拷贝到新的图像中。在当前的PIL版本中，参数method为EXTENT（裁剪出一个矩形区域），AFFINE（仿射变换），QUAD（将正方形转换为矩形），MESH（一个操作映射多个正方形）或者PERSPECTIVE。变量filter定义了对原始图像中像素的滤波器。在当前的版本中，变量filter为NEAREST、BILINEAR、BICUBIC或者ANTIALIAS之一。如果忽略，或者图像模式为“1”或者“P”，该变量设置为NEAREST。
im.transform(size,EXTENT, data) ⇒ image
im.transform(size, EXTENT, data, filter) ⇒ image
从图像中裁剪一个区域。变量data为指定输入图像中两个坐标点的4元组(x0,y0,x1,y1)。输出图像为这两个坐标点之间像素的采样结果。例如，如果输入图像的(x0,y0)为输出图像的（0，0）点，(x1,y1)则与变量size一样。这个方法可以用于在当前图像中裁剪，放大，缩小或者镜像一个任意的长方形。它比方法crop()稍慢，但是与resize操作一样快。
im.transform(size, AFFINE, data) ⇒ image
im.transform(size, AFFINE,data, filter) ⇒ image
对当前的图像进行仿射变换，变换结果体现在给定尺寸的新图像中。变量data是一个6元组(a,b,c,d,e,f)，包含一个仿射变换矩阵的第一个两行。输出图像中的每一个像素（x，y），新值由输入图像的位置（ax+by+c, dx+ey+f）的像素产生，使用最接近的像素进行近似。这个方法用于原始图像的缩放、转换、旋转和裁剪。
im.transform(size,QUAD, data) ⇒ image
im.transform(size, QUAD, data, filter) ⇒ image
输入图像的一个四边形（通过四个角定义的区域）映射到给定尺寸的长方形。变量data是一个8元组(x0,y0,x1,y1,x2,y2,x3,y3)，它包括源四边形的左上，左下，右下和右上四个角。
im.transform(size,PERSPECTIVE, data) ⇒ image
im.transform(size, PERSPECTIVE, data, filter) ⇒ image
对当前图像进行透视变换，产生给定尺寸的新图像。变量data是一个8元组(a,b,c,d,e,f,g,h)，包括一个透视变换的系数。对于输出图像中的每个像素点，新的值来自于输入图像的位置的(a x + b y + c)/(g x + h y + 1), (d x+ e y + f)/(g x + h y + 1)像素，使用最接近的像素进行近似。这个方法用于原始图像的2D透视。
wocao!!!gakki不见了！！！
Transpose类
im.transpose(method)⇒ image
返回当前图像的翻转或者旋转的拷贝。变量method的取值为：FLIP_LEFT_RIGHT，FLIP_TOP_BOTTOM，ROTATE_90，ROTATE_180，或ROTATE_270。
---------------------
作者：YZXnuaa
来源：CSDN
原文：https://blog.csdn.net/YZXnuaa/article/details/92802636
版权声明：本文为博主原创文章，转载请附上博文链接！