# 方法1
pip install Pillow
# 方法2
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ Pillow
from PIL import Image
Image.open(fp, mode='r')
Image.new(mode, size, color=0)
参数:
mode：图片模式。
size：一个二元组，包含(宽度，高度)像素。
color：图像颜色，默认黑色。
Image.copy()
Image.paste(im, box=None, mask=None)
Image.save(fp, format=None, **params)
# 创建新图片
def create_new_image(image):
width, height = image.size
if width > height:
new_image = Image.new(image.mode, (width, width), color='white')
new_image.paste(image, (0, int((width - height) / 2)))
else:
new_image = Image.new(image.mode, (height, height), color='white')
new_image.paste(image, (int((height - width) / 2), 0))
return new_image
# 生成9个子图
def get_9_images(image):
width, height = image.size
new_image_width = int(width / 3)
boxs = []
for i in range(0, 3):
for j in range(0, 3):
box = (j * new_image_width, i * new_image_width, (j + 1) * new_image_width, (i + 1) * new_image_width)
boxs.append(box)
images = [image.crop(box) for box in boxs]
return images
# 保存图片
def save_images(images, file_path):
if not os.path.exists(file_path):
os.mkdir(file_path)
for index,image in enumerate(images):
new_image = os.path.join(file_path, str(index) + '.jpg') image.save(new_image)
以上就是本期为大家整理的全部内容了，喜欢的朋友可以点赞、点在看
也可以分享让更多人知道。
往期推荐
源码下载 | 【01-50】Pthon可视化系列文章资源(源码+数据)
可视化 | Flask+Mysql+Echarts 豆瓣电影Top250数据分析系统
53 | 基于Lasso回归和随机森林的上海链家二手房房价预测
52 | 基于KNN近邻和随机森林模型对用户转化进行分析与预测
Pandas+Pyecharts | 全国热门旅游景点数据分析可视化
可视化 | 分享一套Flask+Pyecharts可视化模板
用Python分析了3W+《独行月球》影评数据，看看观众们怎么说~
