python逐像素遍历

### Python 使用 PIL 和 NumPy 遍历图像的像素 在 Python 中，PIL (Pillow) 是处理图像的一个强大库。通过 Pillow 库读取图像并结合 NumPy 数组操作，可以高效地逐像素遍历图像。 以下是基于 PIL 和 NumPy 的示例代码： #### 示例代码 ```python from PIL import Image import numpy as np # 打开图像文件 image = Image.open("example.png") # 将图像转换为NumPy数组以便于计算 np_image = np.array(image) # 获取图像尺寸 height, width, _ = np_image.shape # 逐像素访问图像数据 for y in range(height): for x in range(width): pixel_value = image.getpixel((x, y)) # 使用getpixel方法获取单个像素值 print(f"Pixel at ({x}, {y}): {pixel_value}") # 如果需要修改像素值并将结果保存到新图像中 new_image = Image.new(image.mode, image.size) pixels = new_image.load() for y in range(height): for x in range(width): pixels[x, y] = tuple(np_image[y][x]) # 设置新的像素值 # 保存修改后的图像 new_image.save("output.png") ``` 上述代码展示了如何使用 `Image.getpixel()` 方法来逐像素访问原始图像的数据，并演示了如何创建一个新的图像对象并通过其 `.load()` 方法设置每个像素的新值[^1]。 如果希望进一步优化性能，可以直接利用 NumPy 对整个数组的操作代替嵌套循环。例如，对于简单的颜色变换操作，无需显式迭代每一个像素点。 --- #### 结合双线性插值进行图像缩放 当涉及到更复杂的场景比如图像缩放时，可以通过获取周围四个邻近像素的颜色值来进行双线性插值运算。下面是一个简化版的例子展示如何实现这一过程： ```python def bilinear_interpolation(x, y, image): """ 双线性插值函数 :param x: 插值目标位置横坐标 :param y: 插值目标位置纵坐标 :param image: 输入图像(PIL.Image对象) :return: 计算得到的目标像素RGB值 """ x_floor = int(np.floor(x)) y_floor = int(np.floor(y)) dx = x - x_floor dy = y - y_floor p1 = np.array(image.getpixel((x_floor, y_floor))) p2 = np.array(image.getpixel((x_floor + 1, y_floor))) p3 = np.array(image.getpixel((x_floor, y_floor + 1))) p4 = np.array(image.getpixel((x_floor + 1, y_floor + 1))) inter_y1 = (1-dx)*p1 + dx*p2 inter_y2 = (1-dx)*p3 + dx*p4 final_pixel = (1-dy)*inter_y1 + dy*inter_y2 return tuple(final_pixel.astype(int)) # 测试调用 resized_width = 800 resized_height = 600 new_image = Image.new('RGB', (resized_width, resized_height)) for i in range(resized_width): for j in range(resized_height): original_x = i * image.width / resized_width original_y = j * image.height / resized_height interpolated_color = bilinear_interpolation(original_x, original_y, image) new_image.putpixel((i,j), interpolated_color) new_image.show() ``` 该部分实现了基本的双线性插值逻辑用于调整大小后的图像重建。 --- #### GDAL 处理大图逐行扫描方式 除了 PIL/Numpy 组合外，在面对超大规模遥感影像或其他大型栅格数据集的情况下，GDAL 提供了一种高效的分块或按行加载机制以减少内存占用。以下是从 PNG 文件逐行读入数据片段的小例子: ```python from osgeo import gdal dataset = gdal.Open("large_image.png", gdal.GA_ReadOnly) band = dataset.GetRasterBand(1) rows = band.YSize cols = band.XSize for row in range(rows): scanline = band.ReadAsArray(0, row, cols, 1)[0] print(scanline[:5]) del dataset ``` 这里我们仅提取每行前五个样本打印出来验证效果[^2]。 ---