在Python图像库中最重要的类是同名模块中定义的 Image 类。您可以利用以下方法创造该类的实例：从文件中导入图像、处理其他的图像以及从零开始创建图像。
站在用户的角度思考问题，与客户深入沟通，找到临猗网站设计与临猗网站推广的解决方案，凭借多年的经验，让设计与互联网技术结合，创造个性化、用户体验好的作品，建站类型包括：网站建设、做网站、企业官网、英文网站、手机端网站、网站推广、域名与空间、虚拟空间、企业邮箱。业务覆盖临猗地区。
从文件中导入图像，使用在 Image 模块中的 open() 函数：
如果成功。该函数返回一个 Image 对象。您现在可以使用实例的属性来检查文件内容了：
format 属性识别图像的来源。如果图像不是从图像中读取，则该属性设置为None。 size 属性是一个一个包含宽和高（像素）的二元组。 mode 属性定义图像频段的数量和名称，以及像素的类型和深度。常用的模式（mode）为表示灰色图像的“L”，表示真彩色图像的处理问题“RGB”，以及印前图像的画面“CMYK”。
如何图像不能被打开，则会报出 OSError 异常。
一旦您有 Image 类的实例，您可以使用类中定义的方法来处理和操作图像。比如，让我们显示导入的图像：
show() 的标准版本不是非常的高效，因为该函数会把图像保存到一个临时文件并调用实用程序来显示图像。如果您没有安装一个合适的实用程序，它甚至不会起作用。虽然当它不起作用时，调试和测试是非常方便的。
下面的章节概括了该库提供的不同函数。
该Python图像库支持大量的图像文件格式。为了从磁盘中阅读文件，使用在 Image 模块中的 open() 。您不需要知道打开文件的文件格式。该库能够自动地根据文件的内容决定格式。
为了保存一个文件，使用 Image 类中的 save() 方法。当保存文件时，名字非常重要。除非您指定格式，该库使用文件名的后缀来发现将要使用的文件存储格式。
提供给 save() 方法的第二个参数精准地制定了一个文件的格式。如果您使用了非标准的后缀，您必须一直使用以下方式指定格式：
值得注意的是，非必要情况该库不会解码或加载栅格数据（raster data）。当您打开一个文件时，文件头将被读取用于确定文件格式以及提取如模式、尺寸等其他解码文件需要的性质，但是文件余下的部分会稍后再处理。
这意味着打开一个图像是最后的操作，它与文件大小和压缩类型无关。这里有一种简单的脚本可以块度地识别图像文件集：
Image类包含允许您操作图像内区域的方法。为了从图像中提取子矩形，使用crop()方法。
一个区域是一个4元组，其中坐标为（左，上，右，下）。该Python图像库使用左上角坐标为（0，0）的坐标系统。同样值得注意的是，坐标是指像素间的位置，因此上例中的区域正好为300x300的像素。
该区域现在能以某种方法进行处理并粘贴回去。
当将区域粘贴回去时，区域的大小必须准确地匹配给定的区域。此外，区域不能拓展到图像之外。然而，原始图像和区域的模式不必相匹。如果相同，则区域会在被粘贴前自动地转换（有关详细信息，请参阅下面的 颜色转换 部分）。
这里有一个额外的例子：
对于更高级的技巧，paste方法可以将透明掩码（transparency mask）作为可选参数。在掩码中，数值255被粘贴的图像在该位置是不透明的（即，被粘贴的图像就是原图粘贴）。数值0表示被粘贴的图像是完全透明的。在0和255之间的数值表示不同级别的透明程度。例如，粘贴一个RGBA图像并将其作为掩码会粘贴图像的不透明部分，但不会粘贴其透明背景。
该Python图像库也允许您在多频段图像中的单个频段中进行工作，例如RGB图像。split方法创造了新的图像集，每一个都包含了来自原始多频段图像的一个频段。合并函数将一个模式和图像组作为输入，并将其组合为新图像。下面示例交换了一个RGB图像的三个频段：
值得注意的是，对一个单波段图像而言， split() 返回图像本身。要在单个颜色频段上工作，您可能需要首先将图像转换为"RGB"。
PIL.Image.Image 类包含调整（ resize() ）和旋转（ rotate() ）一个图像的方法。前者通过输入元组来确定新的图片大小，后者通过输入的角度以逆时间旋转图片。
若要90度旋转图像，您即可以使用 rotate() 方法，也可以使用 transpose() 方法。后者还可以在水平或垂直轴周围翻转图像。
transpose(ROTATE)也可以和 rotate() 执行的结果相同，前提是rotate()中的expand标志设置为真，用以提供图像尺寸的相同更改。
图像转换的一种更一般的形式是通过 transform() 方法执行。
该Python图像库允许您使用convert()方法在不同的像素表示间转换图像。
该库可以在每个支持的模式和“L”以及“RGB”模式间进行转换。为了在其他模式间进行转换，您可能会使用到一个中间图像（通常为“RGB”图像）。
该Python图像库提供了大量的方法和模块用于增强图像。
ImageFilter 模块包含了许多能和 filter() 方法一起使用的预定义的增强过滤器。
point() 方法用于翻译图像的像素值（如图像对比度操作）。在多数情况下，一个函数对象期望一个传递给方法的参数。每一个像素都按照函数进行处理：
使用以上方法，您可以快速地在图像上应用任何简单的表达式。您还可以通过结合 point() 和 paste() 方法来有选择性地修改图像：
以下语法用于创造掩码：
Python仅评估确定结果所需的逻辑表达部分，并返回作为表达结果检查的最后值。因此，如果以上表达式为假（0），Python不再查看第二个操作数，并返回0。相反地，返回255。
对更先进的图像增强，您可以使用 ImageEnhance 模块中的类。一旦从图像创建，增强对象可用于快速尝试不同的设置。
您可以通过这种方式调整对比度、亮度、颜色平衡和锐度。
该Python图像库包含一些对图像序列（也称为动画支持）的基础支持。支持的序列格式包括FLI/FLC，GIF，以及一些实验格式。TIgFF文件还可以包含多个帧。
当您打开一个序列文件，PIL自动地导入序列的第一帧。您可以使用seek并告诉方法在不同帧之间移动：
如例所见，当序列结束时，您会得到一个 EOFError 异常。
下列类允许您使用for语句循环序列：
该Python图像库包含在PostScript打印机上打印图像、文本以及图形的功能。下面是一个简单的示例：
如早前描述的一样， Image 模块中的 open() 函数用于打开图像文件。在大部分情况下，您简单地传入文件名作为一个参数。Image.open能作为文本管理器：
您可以使用一个类文件对象来代替文件名。这个对戏必须实现必须实现file.read、file.seek和file.tell方法，且必须以二进制模式打开。
要从二进制数据中读取图像，请使用 Bytes10 类：
请注意，库在阅读图像头部之前会倒带文件（使用seek(0)）。此外，当读取图像数据时（通过load方法），还将使用seek。如果图像文件嵌入到较大的文件中，例如tar文件，您可以使用 ContainerIO 或 TarIO 模块来访问它。
一些解码器允许您在从文件中读取图像时对其进行操作。这通常被用于创建缩略图（当速度远大于质量时）和打印到单色激光打印机（当只需要图像的灰度版本时）的解码过程。
draft()方法操纵打开但尚未加载的图像，以便尽可能与给定的模式和大小匹配。这是通过重新配置图像解码器来完成的。
这只适用于JPEG和MPO文件。
打印结果如下：
值得注意的是，生成的图像可能不会精确地匹配要求的模式和尺寸。为了确保图像不大于给定的尺寸，请使用thumbnail方法。
建立工具栏之后，在程序运行添加一张图片运行。
选择图片添加之后，在图片编辑程序里运用函数导入完成。
我们可以用python实现很多功能，那么如何用python读取一个图像呢？下面我给大家分享一下。
工具/材料
CMD命令行
01
首先按下Win+R组合键打开运行界面，输入CMD，如下图所示
02
接下来在弹出的CMD界面中导入Python的图像处理模块PIL,如下图所示
03
接下来利用PIL模块的open方法读取图像，只要在括号里传入图像地址即可，如下图所示
04
最后执行程序我们就可以看到程序自动调用图像识别软件进行图像的读取了，如下图所示
为避免中文显示出错，需导入matplotlib.pylab库
1.2.1 确定数据
1.2.2 创建画布
1.2.3 添加标题
1.2.4 添加x，y轴名称
1.2.5 添加x，y轴范围
1.2.6 添加x，y轴刻度
1.2.7 绘制曲线、图例, 并保存图片
保存图片时，dpi为清晰度，数值越高越清晰。请注意，函数结尾处，必须加plt.show()，不然图像不显示。
绘制流程与绘制不含子图的图像一致，只需注意一点：创建画布。
合理调整figsize、dpi，可避免出现第一幅图横轴名称与第二幅图标题相互遮盖的现象.
2.2.1 rc参数类型
2.2.2 方法1：使用rcParams设置
2.2.3 方法2：plot内设置
2.2.4 方法3：plot内简化设置
方法2中，线条形状，linestyle可简写为ls；线条宽度，linewidth可简写为lw；线条颜色，color可简写为c，等等。
答: 如下所示。
可利用opencv-Python接口，使用imread()函数，那么导入名为example的图片的例子如下所示。
import cv2
image = cv2.imread('./example.png')
也可以使用matplotlib.pyplot中的pyplot模块，具体例子如下所示。
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import numpy as np
image = mpimg.imread('./example.png')
print image.shape
plt.imshow(image) #调用imshow函数
在这里只是说了两种方法，希望能够帮助到你。
今天开始琢磨用Python画图，没使用之前是一脸懵的，我使用的开发环境是Pycharm，这个输出的是一行行命令，这个图画在哪里呢？
搜索之后发现，它会弹出一个对话框，然后就开始画了，比如下图
第一个常用的库是Turtle，它是Python语言中一个很流行的绘制图像的函数库，这个词的意思就是乌龟，你可以想象下一个小乌龟在一个x和y轴的平面坐标系里，从原点开始根据指令控制，爬行出来就是绘制的图形了。
它最常用的指令就是旋转和移动，比如画个圆，就是绕着圆心移动；再比如上图这个怎么画呢，其实主要就两个命令：
turtle.forward(200)
turtle.left(170)
第一个命令是移动200个单位并画出来轨迹
第二个命令是画笔顺时针转170度，注意此时并没有移动，只是转角度
然后呢？ 循环重复就画出来这个图了
好玩吧。
有需要仔细研究的可以看下这篇文章 ，这个牛人最后用这个库画个移动的钟表，太赞了。
Turtle虽好玩，但是我想要的是我给定数据，然后让它画图，这里就找到另一个常用的画图的库了。
Matplotlib是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地行制图。其中，matplotlib的pyplot模块一般是最常用的，可以方便用户快速绘制二维图表。
使用起来也挺简单，
首先import matplotlib.pyplot as plt 导入画图的图。
然后给定x和y，用这个命令plt.plot(x, y)就能画图了，接着用plt.show()就可以把图形展示出来。
接着就是各种完善，比如加标题，设定x轴和y轴标签，范围，颜色，网格等等，在 这篇文章里介绍的很详细。
现在互联网的好处就是你需要什么内容，基本上都能搜索出来，而且还是免费的。
我为什么要研究这个呢？当然是为了用，比如我把比特币的曲线自己画出来可好？
假设现在有个数据csv文件，一列是日期，另一列是比特币的价格，那用这个命令画下：
这两列数据读到pandas中，日期为df['time']列，比特币价格为df['ini']，那我只要使用如下命令
plt.plot(df['time'], df['ini'])
plt.show()
就能得到如下图：
自己画的是不是很香，哈哈！
然后呢，我在上篇文章 中介绍过求Ahr999指数，那可不可以也放到这张图中呢？不就是加一条命令嘛
plt.plot(df['time'], df['Ahr999'])
图形如下：
但是，Ahr999指数怎么就一条线不动啊， 原来两个Y轴不一致，显示出来太怪了，需要用多Y轴，问题来了。
继续谷歌一下，把第二个Y轴放右边就行了，不过呢得使用多图，重新绘制
fig = plt.figure() # 多图
ax1 = fig.add_subplot(111)
ax1.plot(df['time'], df['ini'], label="BTC price") # 绘制第一个图比特币价格
ax1.set_ylabel('BTC price') # 加上标签
# 第二个直接对称就行了
ax2 = ax1.twinx()# 在右边增加一个Y轴
ax2.plot(df['time'], df['Ahr999'], 'r', label="ahr999") # 绘制第二个图Ahr999指数，红色
ax2.set_ylim([0, 50])# 设定第二个Y轴范围
ax2.set_ylabel('ahr999')
plt.grid(color="k", linestyle=":")# 网格
fig.legend(loc="center")#图例
plt.show()
跑起来看看效果，虽然丑了点，但终于跑通了。
这样就可以把所有指数都绘制到一张图中，等等，三个甚至多个Y轴怎么加？这又是一个问题，留给爱思考爱学习的你。
有了自己的数据，建立自己的各个指数，然后再放到图形界面中，同时针对异常情况再自动进行提醒，比如要抄底了，要卖出了，用程序做出自己的晴雨表。