生活不易且無趣，一起找點樂子吧。歡迎評論，和文章無關的也可以。

上次的那篇文章裡，我們最後說到了，Image的merge方法，合併。有些地方說的並不準確，我再重新說下。剩餘一些其他的方法，這裡也捎帶著一起說了。

一、filter方法：

過濾器，這個東西大家python裡面經常用吧。過濾掉，或者過濾出某些我們想要的東西。ImageFilter類裡有個DETAIL屬性，“細節”是吧。例子裡把它當做了引數：

    from PIL import Image
    from PIL import ImageFilter

    def filter(file):
        im = Image.open(file)
        out = im.filter(ImageFilter.DETAIL)
        out.save('filter.jpg')
 

簡單來說就是用過濾器細節處理，可能對某些圖片有不錯的效果，我這裡還是拿他做下效果吧。

這是原圖，接下來是處理後的：

感覺被騙了是不是，但其實你仔細看下，尤其的畫筆的邊緣描線，是比原圖要清晰的。（胡扯！）

二、point方法

我們知道圖片都是有一個個畫素點構成的，這個方法就是對一個個的畫素點進行處理的方法。

    def popa(file):#point paste
        im = Image.open(file)
        source = im.split()
        r,g,b = 0,1,2
        #select regions where red is less than 100
        mask = source[r].point(lambda i:i<100 and 255)
        #process the green band
        out = source[g].point(lambda i:i*0.7)
        #paste the processed band back, but only where red was < 100
        source[g].paste(out,None,mask)
        #build a new multiband image
        im = Image.merge(im.mode,source)
        im.save('popa.jpg')
 

我拿官網上的這個例子給大家說下，這裡也有我上次說的不那麼好的地方，所以這次努努力，說的還不如上一次，haaa。首先將Image物件split，這裡就是把色道分離出來，這張圖片得mode是RGB，也就是說單獨的把這三個色道分離出來，分離出來的色道圖片也是可以直接save的，我這裡就不做測試了，大家可以去試下。Image物件split玩後tuple元組型別，所以下面用index引用也就不難理解了吧。因為元組是有序的嘛，所以這裡的r，g，b變數的賦值，也只是為了可讀性，好理解。然後我們看下個語句：

mask = source[r].point(lambda i:i<100 and 255)

source【r】就是紅色道的圖片，point方法的引數是個函式或者說是個處理方法，簡單理解就是，要對點進行的處理。我們來看這裡的引數，是個lambda表示式，這個大家應該也不陌生，學基礎python的時候不可能沒用到過。我們看lambda表示式，表示式是i<100，也就是說滿足表示式的點才返回。後面的and 255，整個的這個式子，官方文件確切的有說明，就是如果表示式為假，就返回0，只有為真的時候才返回255。那就好理解了吧，整個語句是對，紅色道的所有點進行處理，找到畫素值小於100的點。看out：

out = source[g].point(lambda i:i*0.7)

這個應該就不難理解了，就是把綠色道的點的色素值調低百分之三十，這樣理解，比如你某個點的g=100，上篇說道，r，g，b的取值是0-255，或者說是00-ff的。那我們這裡處理完後就成了70了。之後的語句，paste，還記得吧。貼上，看引數，很好理解，對綠色道進行處理，貼上的是降低百分之30的out，貼上區域region是紅色道所有小於100的點的位置。這個語句執行完後，我們就得到了新的綠色道。能看懂嗎，沒看懂，在把paste的方法看一遍，再來理解下。

也就是說我們在紅色道里找到的我們需要處理的點的位置，而想要在這些位置上的g（green）的值降低30百分點。就是這個意思。那現在的source的g色道，就不同於原來的了。

然後我要說的是merge，這裡還是要理解成合並，和split是對立的，split是把一個個色道分離出來，可以單一處理，等你處理完，在把色道合併回去，就又成了彩色圖了。嗯，就是這個道理。

因為那張圖片大部分是紅色，所以處理綠色效果很不明顯：

    def mergelijie(file):
        im = Image.open(file)
        r,g,b = im.split()
        r = r.point(lambda i:i*0.1)
        im = Image.merge(im.mode,(r,g,b))
        im.save('popa.jpg')

那裡懂了這裡就很簡明瞭吧，我把紅色道單一拿出來，把所有的r值調到百分之十，看下效果：

r基本上就沒了，是吧。（幻想有個虛無的物件再聽我說話。）

三、Image.Enhance類

enhance增強的意思，有個方法，Contrast。翻譯是對比，意譯一下，就是對比度吧。這個方法的引數是要吞掉一個Image物件，然後用物件的方法進行處理：

    def contrast(file):#30% more contrast
        im = Image.open(file)
        enh = ImageEnhance.Contrast(im)
        enh.enhance(1.3).save('contrast.jpg')

物件的enhance方法對圖片進行對比度增強的效果，引數是對比度的倍數，也就是說把對比度提高了百分之30。我們看下效果：

處理完後：

這個比那個DETAIL明顯多了是吧。（血的顏色......黑紅黑紅......）

四、sequence圖片序列

這個不是方法，我只想拿他說明功能，處理我們這種靜態的圖片，我們更喜歡玩的是動態圖片，gif之類的。

這裡科普下，動態圖片本質上不是一張圖，他是好幾張圖片連續播放，讓你產生錯覺，嗯，沒聽錯，是錯覺，就是被你的眼睛欺騙之後的結果，可能也是種人類“低能”的表現之一，沒辦法短時間內處理那麼多圖片。這種現象被稱作視覺暫留是吧，起了個高大上的名字。

我們說回來，當我們用open方法開啟的是個.gif圖片是，這時返回的物件就是個序列，懂我意思吧，就是一張一張的。那怎樣去引用它呢。有點像字串，有兩個方法：

seek（），tell（）。

學字串的時候不陌生吧，seek的引數就是調到指定位置字元，tell就是返回當前“指標”（我不知道這裡說的準不準確哈）的位置。

那來看圖片：

    def sequences(file):
        im = Image.open(file)
        im.seek(1)#skip to the second frame
        try:
            while 1:
                im.save(str(im.tell())+'.gif')
                im.seek(im.tell()+1)
                #do something
        except EOFError:#the sequence ends
            pass

很好懂吧，除非你不會字串。這段程式就是把動態圖一張張拿出來而已，這裡說明下這個except，為何有except呢，因為我們的迴圈條件是1，也就是會一直迴圈，但是當到達最後一張圖片的時候，再seek下一個就會出錯了，這就是except存在的原因。

我有這樣一張圖：

網上搞得，希望不會有什麼問題哈。我們就拿這個圖片做例子吧，按上面那段程式碼執行下，一張張儲存下來：

就是醬紫的~~

五、ImageSequence的Iterator方法

這個沒有什麼特別的，sequence嘛，就是序列。iterator，迭代器。很顯然，就是圖片序列的迭代器，和（四）的整段程式碼的功能沒太大區別。

引數要吞掉一個Image物件，返回物件的序列:

    def iterator(file):
        im = Image.open(file)
        for frame in ImageSequence.Iterator(im):
            print(type(frame))

這裡小寫了一個類，這樣就可以迴圈遍歷，不用像“四”那樣，seek和telll了。

這次寫到這裡，後面如果還有需要寫的東西再繼續寫。

（我也是處在學習過程中，我哪裡寫的、理解的不對的歡迎大牛評論提出，我再改。希望別吝惜賜教。）

後記：

沒啥可寫的，好水啊。