图像处理—Image类
Image类是PIL中的核心类，有很多种方式来对它进行初始化，比如从文件中加载一张图像，处理其他形式的图像，或者是从头创造一张图像等。下面是PIL Image类中常用的方法:
open(filename,mode)(打开一张图像)。下面的代码演示了如何从文件打开一张图像:
>>> from PIL import Image
>>> Image.open("dog.jpg","r")<PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=296x299 at 0x7F62BDB5B0F0>
>>> im = Image.open("dog.jpg","r")>>> print(im.size,im.format,im.mode)
(296, 299) JPEG RGB
Image.open返回一个Image对象，该对象有size,format,mode等属性，其中size表示图像的宽度和高度(像素表示);format表示图像的格式,常见的包括JPEG,PNG等格式;mode表示图像的模式，定义了像素类型还有图像深度等，常见的有RGB,HSV等。一般来说'L'(luminance)表示灰度图像,'RGB'表示真彩图像,'CMYK'表示预先压缩的图像。一旦得到了打开的Image对象之后，就可以使用其众多的方法对图像进行处理了，比如使用im.show()可以展示上面得到的图像。
save(filename,format)(保存指定格式的图像)
>>> im.save("dog.png",'png')
上面的代码将图像重新保存成png格式。
thumbnail(size,resample)(创建缩略图)
>>> im.thumbnail((50,50),resample=Image.BICUBIC)
>>> im.show()
上面的代码可以创建一个指定大小(size)的缩略图,需要注意的是，thumbnail方法是原地操作，返回值是None。第一个参数是指定的缩略图的大小，第二个是采样的，有Image.BICUBIC，PIL.Image.LANCZOS，PIL.Image.BILINEAR，PIL.Image.NEAREST这四种采样方法。默认是Image.BICUBIC。
crop(box)(裁剪矩形区域)
>>> im = Image.open("dog.jpg","r")
>>> box = (100,100,200,200)
>>> region = im.crop(box)
>>> region.show()
im.crop()
上面的代码在im图像上裁剪了一个box矩形区域，然后显示出来。box是一个有四个数字的元组(upper_left_x,upper_left_y,lower_right_x,lower_right_y),分别表示裁剪矩形区域的左上角x,y坐标,右下角的x,y坐标,规定图像的最左上角的坐标为原点(0,0),宽度的方向为x轴，高度的方向为y轴，每一个像素代表一个坐标单位。crop()返回的仍然是一个Image对象。
transpose(method)(图像翻转或者旋转)
>>> im_rotate_180 =im.transpose(Image.ROTATE_180)
>>> im_rotate_180.show()
上面的代码将im逆时针旋转180°，然后显示出来,method是transpose的参数，表示选择什么样的翻转或者旋转方式，可以选择的值有:
- Image.FLIP_LEFT_RIGHT,表示将图像左右翻转
- Image.FLIP_TOP_BOTTOM,表示将图像上下翻转
- Image.ROTATE_90,表示将图像逆时针旋转90°
- Image.ROTATE_180,表示将图像逆时针旋转180°
- Image.ROTATE_270,表示将图像逆时针旋转270°
- Image.TRANSPOSE,表示将图像进行转置(相当于顺时针旋转90°)
- Image.TRANSVERSE,表示将图像进行转置,再水平翻转
paste(region,box,mask)(将一个图像粘贴到另一个图像)
>>> im.paste(region,(100,100),None)
>>> im.show()
上面的代码将region图像粘贴到左上角为(100,100)的位置。region是要粘贴的Image对象,box是要粘贴的位置，可以是一个两个元素的元组，表示粘贴区域的左上角坐标,也可以是一个四个元素的元组，表示左上角和右下角的坐标。如果是四个元素元组的话,box的size必须要和region的size保持一致，否则将会被convert成和region一样的size。
split()(颜色通道分离)
>>> r,g,b = im.split()
>>> r.show()
>>> g.show()
>>> b.show()
split()方法可以原来图像的各个通道分离,比如对于RGB图像，可以将其R,G,B三个颜色通道分离。
merge(mode,channels)(颜色通道合并)
>>> im_merge = Image.merge("RGB",[b,r,g])
>>> im_merge.show()
merge方法和split方法是相对的，其将多个单一通道的序列合并起来，组成一个多通道的图像，mode是合并之后图像的模式，比如"RGB",channels是多个单一通道组成的序列。
resize(size,resample,box)
>>> im_resize = im.resize((200,200))
>>> im_resize
<PIL.Image.Image image mode=RGB size=200x200at 0x7F62B9E23470>
>>> im_resize.show()
>>> im_resize_box = im.resize((100,100),box= (0,0,50,50))
>>> im_resize_box.show()
resize方法可以将原始的图像转换大小,size是转换之后的大小,resample是重新采样使用的方法，仍然有Image.BICUBIC，PIL.Image.LANCZOS，PIL.Image.BILINEAR，PIL.Image.NEAREST这四种采样方法，默认是PIL.Image.NEAREST,box是指定的要resize的图像区域，是一个用四个元组指定的区域(含义和上面所述box一致)。
convert(mode,matrix,dither,palette,colors)(mode转换)
>>> im_L = im.convert("L")
>>> im_L.show()
>>> im_rgb = im_L.convert("RGB")
>>> im_rgb.show()
>>> im_L.mode
'L'
>>> im_rgb.mode
'RGB'
convert方法可以改变图像的mode,一般是在'RGB'(真彩图)、'L'(灰度图)、'CMYK'(压缩图)之间转换。上面的代码就是首先将图像转化为灰度图，再从灰度图转化为真彩图。值得注意的是,从灰度图转换为真彩图，虽然理论上确实转换成功了，但是实际上是很难恢复成原来的真彩模式的(不唯一)。
filter(filter)(应用过滤器)
>>> im = Image.open("dog.jpg","r")
>>> from PIL import ImageFilter
>>> im_blur =im.filter(ImageFilter.BLUR)
>>> im_blur.show()
>>> im_find_edges =im.filter(ImageFilter.FIND_EDGES)
>>> im_find_edges.show()
>>> im_find_edges.save("find_edges.jpg")
>>> im_blur.save("blur.jpg")
filter方法可以将一些过滤器操作应用于原始图像，比如模糊操作，查找边、角点操作等。filter是过滤器函数，在PIL.ImageFilter函数中定义了大量内置的filter函数，比如BLUR(模糊操作),GaussianBlur(高斯模糊),MedianFilter(中值过滤器)，FIND_EDGES(查找边)等。
point(lut,mode)(对图像像素操作)
>>> im_point = im.point(lambda x:x*1.5)
>>> im_point.show()
>>> im_point.save("im_point.jpg")point方法可以对图像进行单个像素的操作，上面的代码对point方法传入了一个匿名函数,表示将图像的每个像素点大小都乘以1.5,mode是返回的图像的模式，默认是和原来图像的mode是一样的。
下面是一个结合了point函数,split函数,paste函数以及merge函数的小例子。
>>> source = im.split()
>>> R,G,B = 0,1,2
>>> mask = source[R].point(lambda x: x<100 and 255)
>>> # x<100,return 255,otherwise return 0
>>> out_G = source[G].point(lambda x:x*0.7)
>>> # 将out_G粘贴回来，但是只保留'R'通道像素值<100的部分
>>> source[G].paste(out_G,None,mask)
>>> # 合并成新的图像
>>> im_new = Image.merge(im.mode,source)
>>> im_new.show()
>>> im.show()
· ImageEnhance()(图像增强)
>>> from PIL import ImageEnhance
>>> brightness = ImageEnhanBce.Brightness(im)
>>> im_brightness = brightness.enhance(1.5)
>>> im_brightness.show()
>>> im_contrast = ImageEnhance.Contrast(im)
>>> im_contrast.enhance(1.5)
<PIL.Image.Image image mode=RGB size=296x299 at 0x7F62AE271AC8>
>>> im_contrast.enhance(1.5).show()
ImageEnhance是PIL下的一个子类，主要用于图像增强，比如增加亮度(Brightness),增加对比度(Contrast)等。上面的代码将原来图像的亮度增加50%,将对比度也增加了50%。
词云
词云的概念
词云：也叫文字云，是对文本中出现频率较高的“关键词”予以视觉化的展现，词云图过滤掉大量的低频低质的文本信息，使得浏览者只要一眼扫过文本就可领略文本的主旨。
应用场合：了解政府工作工作报告中的关键信息，把握政策导向，了解一篇文章中出现频率较高的词。
wordcloud词云库
（1）wordcloud词云库概述
wordcloud是优秀的词云展示第三方库，以词语为基本单位，通过图形可视化的方式，更加直观和艺术的展示文本。
（2）wordcloud库安装
网络正常情况下命令行输入：
pip installwordcloud
（3）wordcloud库基本使用及步骤
wordcloud中有一个WordCloud类，通过实例化一个WordCloud对象: wordcloud.WordCloud()代表一个文本对应的词云，然后根据文本中词语出现的频率等参数绘制词云。
步骤：配置对象函数——加载词云文本——输出词云文件
（4）WordCloud的常用方法
Ø .generate(txt)：向WordCloud对象中加载文本
Ø .to_file(filename)：将词云输出为图片文件
（5）WordCloud的主要参数
Ø width：生成词云图片的宽度
Ø height：生成词云图片的高度
Ø min_font_size：词云中字体的最小字号
Ø max_font_size：词云中字体的最大字号
Ø font_size：词云中字体的步进间隔
Ø font_path：词云中字体文件的路径
Ø max_words：设置词云中可显示的最大单词数量
Ø stop_words：词云的排除词列表
Ø mask：指定词云形状，并介绍imread（）函数
Ø background_color：指定词云图片的背景色
政府工作报告词云
（1）数据源：决胜全面建成小康社会夺取新时代中国特色社会主义伟大胜利（十九大报告）网址：https://www.python123.io/resources/pye/新时代中国特色社会主义.txt
（2）程序源代码
import jieba
import wordcloud
w = wordcloud.WordCloud( \
width = 1000, height = 700,\
background_color = "white",
font_path = "msyh.ttc" )
f = open("新时代中国特色社会主义.txt", "r")
t = f.read()
f.close()
ls = jieba.lcut(t)
txt = " ".join(ls)
w.generate(txt)
w.to_file("grwordcloud1.png")
讲解具体词云的生成步骤，加强对wordcloud的词云生成过程的理解，分析核心代码。
