如何用python把图片弄成像素

用Python将图片转换为像素图的步骤包括：读取图像、调整图像大小、转换图像为像素矩阵、绘制像素图。通过使用Pillow库读取和处理图像、用matplotlib库绘制图像、调整图像尺寸来达到像素化效果。

要将图片转换为像素图，首先需要读取图像并调整其大小。读取图像可以使用Pillow库，它是一个强大的图像处理库。调整图像大小可以通过设置图像的新宽度和高度来实现，这样可以确保图像以指定的像素大小显示。接下来，需要将图像转换为像素矩阵，并使用matplotlib库绘制像素图。这些步骤可以通过编写Python代码来实现。在下文中，将详细介绍这些步骤，并提供示例代码。

一、读取图像

读取图像是图像处理的第一步。可以使用Pillow库中的Image模块来读取图像文件，并将其转换为PIL图像对象。

from PIL import Image
读取图像
image_path = 'example.jpg'
image = Image.open(image_path)

在上面的代码中，Image.open函数用于打开指定路径的图像文件，并返回一个PIL图像对象。可以使用该对象对图像进行进一步的处理。

二、调整图像大小

调整图像大小是将图像转换为像素图的重要一步。可以通过设置图像的新宽度和高度来调整图像的大小，以确保图像显示为指定的像素大小。

# 调整图像大小
new_width = 50
new_height = 50
resized_image = image.resize((new_width, new_height), Image.NEAREST)

在上面的代码中，resize方法用于调整图像的大小，并将其新宽度和高度设置为50像素。Image.NEAREST是一个插值方法，用于在调整图像大小时使用最邻近的像素值。

三、转换图像为像素矩阵

将图像转换为像素矩阵是图像像素化的关键步骤。可以使用Pillow库中的load方法来获取图像的像素矩阵。

# 获取像素矩阵
pixels = resized_image.load()

在上面的代码中，load方法返回一个像素矩阵，可以通过该矩阵访问图像的每个像素值。

四、绘制像素图

绘制像素图是图像像素化的最后一步。可以使用matplotlib库中的imshow方法来显示像素图。

import matplotlib.pyplot as plt
创建一个新图像
pixel_image = Image.new('RGB', resized_image.size)
绘制像素图
for y in range(new_height):
    for x in range(new_width):
        pixel_image.putpixel((x, y), pixels[x, y])
显示像素图
plt.imshow(pixel_image)
plt.axis('off')  # 不显示坐标轴
plt.show()

在上面的代码中，首先创建了一个新的RGB图像，并使用putpixel方法将每个像素值设置为像素矩阵中的值。最后，使用imshow方法显示像素图，并关闭坐标轴。

五、完整示例

以下是将上述步骤结合在一起的完整示例代码：

from PIL import Image
import matplotlib.pyplot as plt
读取图像
image_path = 'example.jpg'
image = Image.open(image_path)
调整图像大小
new_width = 50
new_height = 50
resized_image = image.resize((new_width, new_height), Image.NEAREST)
获取像素矩阵
pixels = resized_image.load()
创建一个新图像
pixel_image = Image.new('RGB', resized_image.size)
绘制像素图
for y in range(new_height):
    for x in range(new_width):
        pixel_image.putpixel((x, y), pixels[x, y])
显示像素图
plt.imshow(pixel_image)
plt.axis('off')  # 不显示坐标轴
plt.show()

六、扩展功能

在上述步骤的基础上，还可以添加一些扩展功能，以进一步增强图像的像素化效果。例如，可以添加颜色调色板、调整像素尺寸、应用滤镜等。

1、添加颜色调色板

可以使用预定义的颜色调色板来替换像素矩阵中的颜色值，从而创建更加有趣的像素化效果。

# 定义颜色调色板
palette = [
    (0, 0, 0),       # 黑色
    (255, 255, 255), # 白色
    (255, 0, 0),     # 红色
    (0, 255, 0),     # 绿色
    (0, 0, 255)      # 蓝色
]
替换像素矩阵中的颜色值
for y in range(new_height):
    for x in range(new_width):
        original_color = pixels[x, y]
        closest_color = min(palette, key=lambda color: sum((a-b)2 for a, b in zip(color, original_color)))
        pixel_image.putpixel((x, y), closest_color)

在上面的代码中，定义了一个颜色调色板，并使用最小化欧几里得距离的方法找到与原始颜色最接近的调色板颜色。

2、调整像素尺寸

可以通过设置不同的像素尺寸来调整图像的像素化效果，从而创建不同风格的像素图。

# 调整像素尺寸
pixel_size = 10
resized_image = image.resize((new_width // pixel_size, new_height // pixel_size), Image.NEAREST)
resized_image = resized_image.resize((new_width, new_height), Image.NEAREST)

在上面的代码中，首先将图像调整为较小的尺寸，然后再将其调整为原始尺寸，从而创建更大的像素块。

3、应用滤镜

可以使用Pillow库中的滤镜功能来应用不同的滤镜效果，从而增强图像的像素化效果。

from PIL import ImageFilter
应用滤镜
filtered_image = resized_image.filter(ImageFilter.EMBOSS)

在上面的代码中，使用了ImageFilter.EMBOSS滤镜来创建浮雕效果的像素图。

完整示例代码

以下是结合上述扩展功能的完整示例代码：

from PIL import Image, ImageFilter
import matplotlib.pyplot as plt
读取图像
image_path = 'example.jpg'
image = Image.open(image_path)
调整图像大小
new_width = 50
new_height = 50
resized_image = image.resize((new_width, new_height), Image.NEAREST)
获取像素矩阵
pixels = resized_image.load()
定义颜色调色板
palette = [
    (0, 0, 0),       # 黑色
    (255, 255, 255), # 白色
    (255, 0, 0),     # 红色
    (0, 255, 0),     # 绿色
    (0, 0, 255)      # 蓝色
]
替换像素矩阵中的颜色值
for y in range(new_height):
    for x in range(new_width):
        original_color = pixels[x, y]
        closest_color = min(palette, key=lambda color: sum((a-b)2 for a, b in zip(color, original_color)))
        resized_image.putpixel((x, y), closest_color)
应用滤镜
filtered_image = resized_image.filter(ImageFilter.EMBOSS)
创建一个新图像
pixel_image = Image.new('RGB', filtered_image.size)
绘制像素图
for y in range(new_height):
    for x in range(new_width):
        pixel_image.putpixel((x, y), filtered_image.getpixel((x, y)))
显示像素图
plt.imshow(pixel_image)
plt.axis('off')  # 不显示坐标轴
plt.show()