本文是接上一篇 ❤️【Python从入门到精通】（二十六）用Python的PIL库（Pillow）处理图像真的得心应手❤️ 进一步介绍Pillow库的使用， 本文将重点介绍一些高级特性：比如如何利用Pillow画图形（圆形，正方形），介绍通过Pillow库给图片添加水印；同时对上一篇文章未介绍的常用知识点进行补充说明。希望对读者朋友们有所帮助。
网站建设哪家好，找创新互联建站！专注于网页设计、网站建设、微信开发、小程序定制开发、集团企业网站建设等服务项目。为回馈新老客户创新互联还提供了明溪免费建站欢迎大家使用！
上一篇文章已经介绍了Image模块，但是介绍的还不够全面，例如如何从网页中读取图片没有介绍到，如何裁剪图片都没有介绍到。
读取网页中的图片的基本实现方式是：首先利用requests库读取当前图片链接的内容，接着将内容转成二进制数据，在通过open方法将该二进制数据，最后通过save方法进行保存。
读取结果是：
通过crop方法可以从图片中裁剪出一个指定大小的区域。裁取的区域范围是 (left, upper, right, lower) 比如从某个宽高都是400的图片中裁剪一个是宽高都是100的正方形区域，只需要指定裁剪区域的坐标是: (0, 0, 100, 100)
有裁剪还有一个方法就是重新设置图片大小的方法 resize，比如将前面400 400的图片 修改成 300 200，只需要调用resize方法
通过 convert方法进行图片模式的转换
前面介绍的ImageDraw库，只是介绍了利用它来向图片写入文本，其实ImageDraw模块还有一个更有用的途径，就是可以通过它来画各种图形。
首先创建一个600*600的画布。然后再画布中画出一个正方形，画直线的方法是 line方法。
ImageDraw.line(xy, fill=None, width=0, joint=None)
在xy的坐标之间画一条直线
xy-- 在两个坐标点之间画一条直线，坐标点的传入方式是[(x, y), (x, y), ...]或者[x, y, x, y, ...]
fill-- 直线的颜色
width-- 直线的宽度
画一个边框宽度为2px，颜色为蓝色的，面积为400*400的正方形。
ImageDraw.arc(xy, start, end, fill=None, width=0)
在给定的区域范围内，从开始角到结束角之间绘制一条圆弧
xy-- 定义边界框的两个点，传入的格式是[ (x0, y0), (x1, y1)] 或者 [x0, y0, x1, y1] ，其中 x1=x0,y1=y0
start -- 起始角度，以度为单位，从3点钟开始顺时针增加
end-- 结束角度，以度为单位
fill-- 弧线的颜色
width--弧线的宽度
这里就是画了一个半圆，如果结束角度是360度的话则就会画一个完整的圆。
画圆通过ImageDraw.ellipse(xy, fill=None, outline=None, width=1) 方法，该方法可以画出一个给定范围的圆
xy-- 定义边界框的两个点，传入的格式是[ (x0, y0), (x1, y1)] 或者 [x0, y0, x1, y1] ，其中 x1=x0,y1=y0
outline-- 轮廓的颜色
fill --- 填充颜色
width-- 轮廓的宽度
ImageDraw.chord(xy, start, end, fill=None, outline=None, width=1) 方法用来画半圆，跟arc()方法不同的是它会用直线将起始点和结束点连接起来
xy-- 定义边界框的两个点，传入的格式是[ (x0, y0), (x1, y1)] 或者 [x0, y0, x1, y1] ，其中 x1=x0,y1=y0
outline-- 轮廓的颜色
fill --- 填充颜色
width-- 轮廓的宽度
ImageDraw.pieslice(xy, start, end, fill=None, outline=None, width=1)
类似于arc()方法，不过他会在端点和圆点之间画直线
xy-- 定义边界框的两个点，传入的格式是[ (x0, y0), (x1, y1)] 或者 [x0, y0, x1, y1] ，其中 x1=x0,y1=y0
start -- 起始角度，以度为单位，从3点钟开始顺时针增加
end-- 结束角度，以度为单位
fill-- 弧线的颜色
width--弧线的宽度
ImageDraw.rectangle(xy, fill=None, outline=None, width=1)
xy-- 在两个坐标点之间画一条直线，坐标点的传入方式是[(x, y), (x, y), ...]或者[x, y, x, y, ...]
outline-- 轮廓的颜色
fill-- 填充的颜色
width-- 轮廓线的宽度
ImageDraw.rounded_rectangle(xy, radius=0, fill=None, outline=None, width=1) 该方法可以画一个圆角矩形
xy-- 在两个坐标点之间画一条直线，坐标点的传入方式是[(x, y), (x, y), ...]或者[x, y, x, y, ...]
radius-- 角的半径
outline-- 轮廓的颜色
fill-- 填充的颜色
width-- 轮廓线的宽度
这里有个问题，就是画好的图形如何从Image中扣出来呢？
ImageEnhance模块主要是用于设置图片的颜色对比度亮度锐度等啥的，增强图像。
原始图像
ImageFilter模块主要用于对图像进行过滤，增强边缘，模糊处理，该模块的使用方式是 im.filter(ImageFilter) 。
其中ImageFilter按照需求传入指定的过滤值。
下面一个个试下效果
4.边缘增强
ImageGrab模块主要用于对屏幕进行截图，通过grab方法进行截取，如果不传入任何参数则表示全屏幕截图，否则是截取指定区域的图像。其中box格式是：(x1,x2,y1,y2)
利用Pillow库可以轻易的对图像增加水印
首先，用PIL的Image函数读取图片
接着，新建一张图(尺寸和原图一样)
然后，在新建的图象上用PIL的ImageDraw把字给画上去，字的颜色从原图处获取。
原图
添加文字后的效果图
本文详细介绍了Pillow库的使用，希望对读者朋友们有所帮助。
Pillow官方文档
需要获取源码的小伙伴可以关注下方的公众号，回复【python】
参考链接：
箱线图，又称箱形图（boxplot）或盒式图，不同于一般的折线图、柱状图或饼图等传统图表，只是数据大小、占比、趋势等等的呈现，其包含一些统计学的均值、分位数、极值等等统计量，因此，该图信息量较大，不仅能够分析不同类别数据平均水平差异（需在箱线图中加入均值点），还能揭示数据间离散程度、异常值、分布差异等等。
在python中常用matplotlib的boxplot来绘制，最简单绘制的如下：
importnumpyasnpimportmatplotlib.pyplotaspltimportpandasaspdnp.random.seed(2)#设置随机种子df = pd.DataFrame(np.random.rand(5,4),columns=['A','B','C','D'])#先生成0-1之间的5*4维度数据，再装入4列DataFrame中df.boxplot()#也可用plot.box()plt.show()
Paste_Image.png
从图形可以看出，A、B、C、D四组数A、D数据较集中（大部分在上下四分位箱体内），但都有异常值，C的离散程度最大（最大值与最小值之间距离），以均值为中心，B分布都有明显右偏（即较多的值分布在均值的右侧），A、C则有明显左偏。
（2）
从分析的角度来说，上面boxplot最初始图形已经够用，但是在matplotlib库下boxplot函数中包含n多参数，涉及到对框的颜色及形状、线段线型、均值线、异常点的形状大小等等设置，由于大多并不常用，用了几个常用参数，作图如下：
df.boxplot(sym='r*',vert=False,patch_artist=True,meanline=False,showmeans=True)plt.show()
Paste_Image.png
其中，sym='r*',表示异常点的形状，
vert=False，表示横向还是竖向（True），,
patch_artist=True,（上下四分位框内是否填充，True为填充）
meanline=False,showmeans=True，是否有均值线及其形状，meanline=True时，均值线也像中位数线一样是条红色线段，这样容易与中位数线混淆。
另外，还有其他参数，比如notch表示中间箱体是否缺口，whis为设置数据的范围，showcaps、showbox是否显示边框，可以参见
，如该网页中图形：
Paste_Image.png
左上图是默认图形，中上、右上是显示均值点及形状，左下是是否显示箱体边框，中下是带缺口的箱体，右下是是否显示异常值。
（3）
前边说过，很多参数使用很少，但对于图形来说，可能还能用到的就是美化，比如各条线的颜色，粗细程度等等。这里可用for循环来构造。
f=df.boxplot(sym='r*',patch_artist=True)forboxinf['boxes']:# 箱体边框颜色box.set( color='#7570b3', linewidth=2)# 箱体内部填充颜色box.set( facecolor ='#1b9e77')forwhiskerinf['whiskers']: whisker.set(color='r', linewidth=2)forcapinf['caps']: cap.set(color='g', linewidth=3)formedianinf['medians']: median.set(color='DarkBlue', linewidth=3)forflierinf['fliers']: flier.set(marker='o', color='y', alpha=0.5)plt.show()
Paste_Image.png
其中，boxes, 是25分位值和75分位值构成的box,
medians, 是中位值的横线, 每个median是一个Line2D对象
whiskers, 是指从box 到error bar之间的竖线.
fliers, 是指error bar线之外的离散点.
caps, 是指error bar横线.
means, 是均值的横线,
（4）
还可以做子图，如我们在最开始的DataFrame数据中加入分类数据列：
df['E'] = np.random.choice(['X','Y'], size=20)#加入以X、Y随机分类的E列print(df)plt.figure()df.boxplot(by='E')plt.show()
Paste_Image.png
这样我们就可以比较，不同类别X、Y在同一列下的数据分布情况及其差异。
链接：
来源：
1. 简介。
图像处理是一门应用非常广的技术，而拥有非常丰富第三方扩展库的 Python 当然不会错过这一门盛宴。PIL （Python Imaging Library）是 Python 中最常用的图像处理库，目前版本为 1.1.7，我们可以 在这里 下载学习和查找资料。
Image 类是 PIL 库中一个非常重要的类，通过这个类来创建实例可以有直接载入图像文件，读取处理过的图像和通过抓取的方法得到的图像这三种方法。
2. 使用。
导入 Image 模块。然后通过 Image 类中的 open 方法即可载入一个图像文件。如果载入文件失败，则会引起一个 IOError ；若无返回错误，则 open 函数返回一个 Image 对象。现在，我们可以通过一些对象属性来检查文件内容，即：
1 import Image
2 im = Image.open("j.jpg")
3 print im.format, im.size, im.mode
4 JPEG (440, 330) RGB
这里有三个属性，我们逐一了解。
format : 识别图像的源格式，如果该文件不是从文件中读取的，则被置为 None 值。
size : 返回的一个元组，有两个元素，其值为象素意义上的宽和高。
mode : RGB（true color image），此外还有，L（luminance），CMTK（pre-press image）。
现在，我们可以使用一些在 Image 类中定义的方法来操作已读取的图像实例。比如，显示最新载入的图像：
1 im.show()
2
输出原图：
3. 函数概貌。
3.1 Reading and Writing Images : open( infilename ) , save( outfilename )
3.2 Cutting and Pasting and Merging Images :
crop() : 从图像中提取出某个矩形大小的图像。它接收一个四元素的元组作为参数，各元素为（left, upper, right, lower），坐标系统的原点（0, 0）是左上角。
paste() :
merge() :
1 box = (100, 100, 200, 200)
2 region = im.crop(box)
3 region.show()
4 region = region.transpose(Image.ROTATE_180)
5 region.show()
6 im.paste(region, box)
7 im.show()
其效果图为：
旋转一幅图片：
1 def roll(image, delta):
2 "Roll an image sideways"
3
4 xsize, ysize = image.size
5
6 delta = delta % xsize
7 if delta == 0: return image
8
9 part1 = image.crop((0, 0, delta, ysize))
10 part2 = image.crop((delta, 0, xsize, ysize))
11 image.paste(part2, (0, 0, xsize-delta, ysize))
12 image.paste(part1, (xsize-delta, 0, xsize, ysize))
13
14 return image
3.3 几何变换。
3.3.1 简单的几何变换。
1 out = im.resize((128, 128)) #
2 out = im.rotate(45) #逆时针旋转 45 度角。
3 out = im.transpose(Image.FLIP_LEFT_RIGHT) #左右对换。
4 out = im.transpose(Image.FLIP_TOP_BOTTOM) #上下对换。
5 out = im.transpose(Image.ROTATE_90) #旋转 90 度角。
6 out = im.transpose(Image.ROTATE_180) #旋转 180 度角。
7 out = im.transpose(Image.ROTATE_270) #旋转 270 度角。
各个调整之后的图像为：
图片1：
图片2：
图片3：
图片4：
3.3.2 色彩空间变换。
convert() : 该函数可以用来将图像转换为不同色彩模式。
3.3.3 图像增强。
Filters : 在 ImageFilter 模块中可以使用 filter 函数来使用模块中一系列预定义的增强滤镜。
1 import ImageFilter
2 imfilter = im.filter(ImageFilter.DETAIL)
3 imfilter.show()
3.4 序列图像。
即我们常见到的动态图，最常见的后缀为 .gif ，另外还有 FLI / FLC 。PIL 库对这种动画格式图也提供了一些基本的支持。当我们打开这类图像文件时，PIL 自动载入图像的第一帧。我们可以使用 seek 和 tell 方法在各帧之间移动。
1 import Image
2 im.seek(1) # skip to the second frame
3
4 try:
5 while 1:
6 im.seek( im.tell() + 1)
7 # do something to im
8 except EOFError:
9 pass
3.5 更多关于图像文件的读取。
最基本的方式：im = Image.open("filename")
类文件读取：fp = open("filename", "rb"); im = Image.open(fp)
字符串数据读取：import StringIO; im = Image.open(StringIO.StringIO(buffer))
从归档文件读取：import TarIO; fp = TarIo.TarIO("Image.tar", "Image/test/lena.ppm"); im = Image.open(fp)
基本的 PIL 目前就练习到这里。其他函数的功能可点击 这里 进一步阅读。
你好，Button1.bind(sequence='Button-1', func=trans1)的语法应该是Button1.bind'ComboboxSelected', handler)，针对不同的选项绑定不同的事件，可以通过event分发来实现，下面是一个例子代码：
import tkinter as tk
from tkinter import ttk
values = ['mustang', 'focus', 'tesla']
def method_mustang():
label.configure(text="mustang selected")
def method_focus():
label.configure(text="focus selected")
def method_tesla():
label.configure(text="tesla selected")
def method_unknown():
label.configure(text="unknown selected")
def handler(event):
current = combobox.current()
value = values[current]
print("current:", current, "value:", value)
func_map = {
"mustang": method_mustang,
"focus": method_focus,
"tesla": method_tesla
}
func = func_map.get(value, method_unknown)
func()
root = tk.Tk()
combobox = ttk.Combobox(root, values=values)
combobox.bind('ComboboxSelected', handler)
label = ttk.Label(root, width=20)
combobox.pack(side="top", anchor="w")
label.pack(side="top", fill="x", pady=4)
root.mainloop()