- Python Pillow 教程
- Python Pillow - 首页
- Python Pillow - 概述
- Python Pillow - 环境设置
- 基本图像操作
- Python Pillow - 图像处理
- Python Pillow - 调整图像大小
- Python Pillow - 翻转和旋转图像
- Python Pillow - 裁剪图像
- Python Pillow - 为图像添加边框
- Python Pillow - 识别图像文件
- Python Pillow - 合并图像
- Python Pillow - 剪切和粘贴图像
- Python Pillow - 滚动图像
- Python Pillow - 在图像上写入文本
- Python Pillow - ImageDraw 模块
- Python Pillow - 连接两张图像
- Python Pillow - 创建缩略图
- Python Pillow - 创建水印
- Python Pillow - 图像序列
- Python Pillow 颜色转换
- Python Pillow - 图像上的颜色
- Python Pillow - 使用颜色创建图像
- Python Pillow - 将颜色字符串转换为 RGB 颜色值
- Python Pillow - 将颜色字符串转换为灰度值
- Python Pillow - 通过更改像素值来更改颜色
- 图像处理
- Python Pillow - 降噪
- Python Pillow - 更改图像模式
- Python Pillow - 图像合成
- Python Pillow - 使用 Alpha 通道
- Python Pillow - 应用透视变换
- 图像滤镜
- Python Pillow - 为图像添加滤镜
- Python Pillow - 卷积滤镜
- Python Pillow - 模糊图像
- Python Pillow - 边缘检测
- Python Pillow - 浮雕图像
- Python Pillow - 增强边缘
- Python Pillow - 锐化蒙版滤镜
- 图像增强和校正
- Python Pillow - 增强对比度
- Python Pillow - 增强锐度
- Python Pillow - 增强颜色
- Python Pillow - 校正色彩平衡
- Python Pillow - 去噪
- 图像分析
- Python Pillow - 提取图像元数据
- Python Pillow - 识别颜色
- 高级主题
- Python Pillow - 创建动画 GIF
- Python Pillow - 批量处理图像
- Python Pillow - 转换图像文件格式
- Python Pillow - 为图像添加填充
- Python Pillow - 颜色反转
- Python Pillow - 使用 NumPy 进行机器学习
- Python Pillow 与 Tkinter BitmapImage 和 PhotoImage 对象
- Image 模块
- Python Pillow - 图像混合
- Python Pillow 有用资源
- Python Pillow - 快速指南
- Python Pillow - 函数参考
- Python Pillow - 有用资源
- Python Pillow - 讨论
Python Pillow - ImageChops.difference() 函数
PIL.ImageChops.difference 函数计算两张图像逐像素差的绝对值。它返回一个新图像,其中每个像素表示输入图像中对应像素之间差异的绝对值。
操作定义如下:
$$\mathrm{out\:=\:abs(image1\:-\:image2)}$$
语法
以下是函数的语法:
PIL.ImageChops.difference(image1, image2)
参数
以下是该函数参数的详细信息:
image1 - 第一个输入图像。
image2 - 第二个输入图像。
返回值
此函数的返回类型为 Image。
示例
示例 1
在此示例中,我们将使用 getpixel() 函数来观察在对两个输入图像应用 ImageChops.difference() 函数后得到的像素值。
from PIL import Image, ImageChops import numpy as np # Create two random RGB images image1 = Image.fromarray(np.array([(235, 64, 3), (255, 0, 0), (255, 255, 0), (255, 255, 255), (164, 0, 3)]), mode="RGB") print("Pixel values of image1 at (0, 0):", image1.getpixel((0, 0))) image2 = Image.fromarray(np.array([(25, 14, 3), (25, 222, 0), (255, 155, 0), (255, 55, 100), (180, 0, 78)]), mode="RGB") print("Pixel values of image2 at (0, 0):", image2.getpixel((0, 0))) # Compute the absolute pixel-wise difference between the two images result = ImageChops.difference(image1, image2) print("Pixel value in result at (0, 0) after difference:", result.getpixel((0, 0)))
输出
Pixel values of image1 at (0, 0): (235, 0, 0) Pixel values of image2 at (0, 0): (25, 0, 0) Pixel value in result at (0, 0) after difference: (210, 0, 0)
示例 2
在此示例中,ImageChops.difference() 函数用于计算两个 JPEG 图像(image1 和 image2)之间的绝对像素差。
from PIL import Image, ImageChops import numpy as np # Open two image files image1 = Image.open('Images/butterfly.jpg') image2 = Image.open('Images/flowers.jpg') # Compute the absolute pixel-wise difference between the two images result = ImageChops.difference(image1, image2) # Display the input and resulting images image1.show() image2.show() result.show()
输出
输入图像 1
输入图像 2
输出图像
示例 3
在此示例中,ImageChops.difference() 函数用于两个 JPEG 图像文件,以计算这两个图像之间的绝对像素差。
from PIL import Image, ImageChops # Open two image files image1 = Image.open('Images/pillow-logo.png') image2 = Image.open('Images/test_img.png') # Compute the absolute pixel-wise difference between the two images result = ImageChops.difference(image1, image2) # Display the input and resulting images image1.show() image2.show() result.show() # Print the pixel values at a specific location (e.g., (100, 100)) print("Pixel value in image1 at (100, 100):", image1.getpixel((100, 100))) print("Pixel value in image2 at (100, 100):", image2.getpixel((100, 100))) print("Pixel value in result at (100, 100) after difference:", result.getpixel((100, 100)))
输出
输入图像 1
输入图像 2
输出图像
Pixel value in image1 at (100, 100): (183, 84, 131, 255) Pixel value in image2 at (100, 100): (174, 65, 9, 255) Pixel value in result at (100, 100) after difference: (9, 19, 122, 0)
python_pillow_function_reference.htm
广告