《Python数据可视化编程实战》—— 1.6 安装图像处理工具:Python图像库(PIL)

1.6 安装图像处理工具:Python图像库(PIL)

Python数据可视化编程实战
Python图像库(PIL)为Python提供了图像处理能力。PIL支持的文件格式相当广泛,在图像处理领域提供了相当强大的功能。

快速数据访问、点运算(point operations)、滤波(filtering)、图像缩放、旋转、任意仿射转换(arbitrary affine transforms)是PIL中一些应用非常广泛的特性。例如,图像的统计数据即可通过histogram方法获得。

PIL同样可以应用在其他方面,如批量处理、图像压缩、生成缩略图、图像格式转换以及图像打印。

PIL可以读取多种图像格式,而图像写入支持的格式范围限定在图像交换和展示方面最通用的格式(有意为之)。

1.6.1 操作步骤

最容易也是最值得推荐的方式,是通过操作系统平台的包管理工具进行安装。

在Debian/Ubuntu系统中安装的命令如下。

$ sudo apt-get build-dep python-imaging
$ sudo pip install http://effbot.org/downloads/Imaging-1.1.7.tar.gz

1.6.2 安装过程说明

我们通过apt-get系统工具安装PIL所需的所有依赖软件,并通过pip安装PIL的最新稳定版本。一些老版本的Ubuntu系统通常不会提供PIL的最新发布版本。

在RedHat/SciLinux系统中,安装命令如下。

# yum install python-imaging
# yum install freetype-devel
# pip install PIL

1.6.3 补充说明

如果需要在虚拟环境下使用PIL,可手动将PIL.pth文件和位于C:Python27` `Libsite-packages``下的PIL目录复制到virtualenv的site-packages目录下。

时间: 2024-09-19 10:13:02

《Python数据可视化编程实战》—— 1.6 安装图像处理工具:Python图像库(PIL)的相关文章

《Python数据可视化编程实战》—— 1.2 安装matplotlib、Numpy和Scipy库

1.2 安装matplotlib.Numpy和Scipy库 Python数据可视化编程实战 本章介绍了matplotlib及其依赖的软件在Linux平台上的几种安装方法. 1.2.1 准备工作 这里假设你已经安装了Linux系统且安装好了Python(推荐使用Debian/Ubuntu或RedHat/SciLinux).在前面提到的Linux系统发行版中,Python通常是默认安装的.如果没有,使用标准的软件安装方式安装Python也是非常简便的.本书假设你安装的Python版本为2.7或以上.

《Python数据可视化编程实战》—— 1.5 在Windows上安装matplotlib

1.5 在Windows上安装matplotlib Python数据可视化编程实战在本节中,我们将演示如何安装Python和matplotlib.假设系统中没有预先安装Python. 1.5.1 准备工作 在Windows上安装matplotlib有两种方式.较简单的方式是安装预打包的Python环境,如EPD.Anaconda和Python(x,y).这是本书推荐的安装方式,尤其对于初学者来说更是如此. 第二种方式,是使用预编译的二进制文件来安装matplotlib和依赖软件包.需要注意安装的

《Python数据可视化编程实战》—— 1.7 安装requests模块

1.7 安装requests模块 Python数据可视化编程实战我们需要的大部分数据都可以通过HTTP或类似协议获得,因此我们需要一些工具来实现数据访问.Python的requests库能让这部分工作变得轻松起来. 虽然Python提供的urllib2模块提供了访问远程资源的能力以及对HTTP协议的支持,但使用该模块完成基础任务的工作量还是很大的. Request模块提供新的API,减轻了使用web服务的痛苦,使其变得更直接.Requests封装了很多HTTP 1.1的内容,仅在需要实现非默认行

《Python数据可视化编程实战》—— 1.3 安装virtualenv和virtualenvwrapper

1.3 安装virtualenv和virtualenvwrapper Python数据可视化编程实战如果同时工作在多个项目上,或是需要在不同项目间频繁切换,将所有的软件都安装在操作系统层级上也许不是一个好主意.当需要在不同系统(产品环境)上运行软件时,这种方式会带来问题.如果到此时才发现缺少特定的软件包,或是产品环境已经安装的软件包存在版本冲突,这将是非常痛苦的.为避免这种情况发生,可以选择使用virtualenv. virtualenv是由Ian Bicking创建的开放源代码项目.通过这个项

《Python数据可视化编程实战》—— 1.4 在Mac OS X上安装matplotlib

1.4 在Mac OS X上安装matplotlib Python数据可视化编程实战在Mac OS X上获取matplotlib最简便的方式是使用预打包的python发布版本,例如Enthought Python Distribution (EPD).读者可以直接访问EPD网站,下载安装操作系统对应的最新稳定版. 倘若EPD软件不满足要求,或者因为其他一些原因(如版本问题)而无法使用,也可以用手动(麻烦点)的方式安装Python.matplotlib和依赖软件. 1.4.1 准备工作 对于App

《Python数据可视化编程实战》—— 1.9 为项目设置matplotlib参数

1.9 为项目设置matplotlib参数 Python数据可视化编程实战本节介绍matplotlib使用的各种配置文件的位置,以及使用这些配置文件的意义.同时还将介绍配置文件中的具体配置项. 1.9.1 准备工作 如果不想在每次使用matplotlib时都在代码开始部分进行配置(像前一节我们做的那样),就需要为不同的项目设定不同的默认配置项.本节将介绍如何做到这一点.这种配置方式使得配置项与代码分离,从而使代码更加整洁.此外,你可以很容易在同事间甚至项目间分享配置模板. 1.9.2 配置方法

《Python数据可视化编程实战》—— 导读

前言 Python数据可视化编程实战最好的数据是我们能看到并理解的数据.作为一个开发人员,我们想创造并构建出最全面且容易理解的可视化图形.然而这并非总是很简单,我们需要找出数据,读取它.清理它.揣摩它,然后使用恰当的工具将其可视化.本书通过简单(和不那么简单)直接的方法解释了如何读取.清理和可视化数据的流程. 本书对怎样读取本地数据.远程数据.CSV.JSON以及关系型数据库中的数据,都进行了讲解. 通过matplotlib,我们能用一行简单的Python代码绘制出一些简单的图表,但是进行更高级

《Python数据可视化编程实战》—— 1.1 介绍

1.1 介绍 Python数据可视化编程实战本章向读者介绍必备的工具类库,以及如何进行安装与配置.作为本书后续部分的基础知识,掌握这部分内容十分必要.如果你没有使用Python进行数据处理.图像处理以及数据可视化的经验,建议不要跳过本章.如略过本章,在需要安装配套工具软件或需要确定工程所支持的软件版本时,可返回本章阅读相关内容.

《Python数据可视化编程实战》—— 第 1 章 准备工作环境

第 1 章 准备工作环境 Python数据可视化编程实战本章包含以下内容. 安装matplotlib.NumPy和SciPy库安装virtualenv和virtualenvwrapper在Mac OS X上安装matplotlib在Windows上安装matplotlib安装Python图像处理库(Python Imaging Library,PIL)安装requests模块通过代码设置matplotlib的参数为项目设置matplotlib的参数