python图片合成的示例

python的PIL库简直好用的不得了，PIL下面的Image库更是封装了很多对图片处理的函数，关于Image库的介绍和使用，看这里：http://effbot.org/imagingbook/image.htm 这里用我半个月前看到的一篇博客写的demo作为背景，做一下图片的合成 图片可以看作是很多像素点组成的，每个像素点都是一个RGB颜色，(red, green, blue), 那么合成两张照片就有办法了，我们可以在一张新的RGB色的图片里一个像素点取图片一的对应位置的像素，下一个像素点取图片二的像素，直到遍历完成，代码如下： from PIL import Image ##这里采用传入 Python中的PIL库，全称为Python Imaging Library，是Python中用于图像处理的重要库。它提供了丰富的功能，包括图像打开、创建、保存、显示以及各种图像处理操作。在本示例中，我们将关注如何使用PIL的`Image`模块进行图片合成。 我们要了解图片是由像素点组成的，每个像素点由红、绿、蓝（RGB）三种颜色分量组成。在进行图片合成时，我们可以根据一定的规则来合并两个图像的像素点。有两种基本的合成方法： 1. **按像素点交替合并**： 在这种方法中，我们创建一个新的RGB图片，宽度和高度取两张图片的最小值。然后，遍历新图片的每一个像素点。如果坐标(y)是偶数，我们就取第一张图片的对应像素点；如果坐标(y)是奇数，我们取第二张图片的像素点。这样，新图片的每个像素点都会包含一张图片的像素信息。 ```python from PIL import Image def merge1(img1_address, img2_address): # ... for x in range(width): for y in range(height): if y % 2 == 0: pixel = img1.getpixel((x, y)) else: pixel = img2.getpixel((x, y)) img_new.putpixel((x, y), pixel) # ... ``` 2. **按比例混合像素**： 在这种方法中，我们可以自定义每张图片在合成结果中的贡献比例。遍历每个像素点，分别取两张图片的RGB值，然后根据指定比例计算新像素的R、G、B值。如果两个比例之和不等于1，调整第二个比例以保持总和为1。这样，我们可以创建一个混合了两种图片特征的新图片。 ```python def merge2(img1_address, img2_address, percent1=0.50, percent2=0.50): # ... for x in range(width): for y in range(height): r1, g1, b1 = img1.getpixel((x, y)) r2, g2, b2 = img2.getpixel((x, y)) r = int(percent1 * r1 + percent2 * r2) g = int(percent1 * g1 + percent2 * g2) b = int(percent1 * b1 + percent2 * b2) img_new.putpixel((x, y), (r, g, b)) # ... ``` 以上两种方法都可以通过`Image.open()`函数读取图片，并使用`putpixel()`和`getpixel()`方法操作像素。可以通过`save()`方法将合成后的图片保存到磁盘。 完整的代码包括了上述两种方法，并提供了保存图片的功能： ```python from PIL import Image def merge1(img1_address, img2_addess, direct): # ... def merge2(img1_address, img2_address, percent1=0.50, percent2=0.50): # ... def save_image(image, filename): image.save(filename) # 使用示例 merged1, status1 = merge1("image1.jpg", "image2.jpg") if status1 == 100: merged1.save("merged1.jpg") merged2, status2 = merge2("image1.jpg", "image2.jpg", 0.6, 0.4) if status2 == 100: merged2.save("merged2.jpg") ``` 通过这些示例，我们可以了解到Python的PIL库在图片处理方面的强大功能，以及如何利用它来实现图片的合成。无论是简单的交替合并还是按比例混合，都展示了PIL库在处理图像时的灵活性和实用性。