Module ImageChops de Pillow

ImageChops est un sous-module de Python PIL (Python Imaging Library), spécifiquement utilisé pour les opérations sur les canaux d'image (abrégé en « Channel Operations »).

Le module ImageChops fournit une série de méthodes qui peuvent effectuer des opérations mathématiques et logiques sur des images, couramment utilisées dans des scénarios tels que la composition d'images et le traitement d'effets spéciaux.

Fonctionnalités du module

  • Toutes les méthodes acceptent deux images comme paramètres et opèrent sur leurs pixels correspondants.
  • Renvoie un nouvel objet image.
  • La plupart des méthodes exigent que les images d'entrée aient la même taille et le même mode.
  • Particulièrement adapté à la composition d'images, au mélange et au traitement d'effets spéciaux.

Méthodes courantes d'ImageChops

Voici les méthodes les plus couramment utilisées du module ImageChops et leurs descriptions :

Nom de la méthode Description Expression mathématique
add(image1, image2, scale=1.0, offset=0) Additionne deux images. out = ((image1 + image2) / scale + offset)
subtract(image1, image2, scale=1.0, offset=0) Soustrait deux images. out = ((image1 - image2) / scale + offset)
lighter(image1, image2) Compare deux images et prend la valeur la plus claire de chaque pixel. out = max(image1, image2)
darker(image1, image2) Compare deux images et prend la valeur la plus sombre de chaque pixel. out = min(image1, image2)
multiply(image1, image2) Multiplie deux images. out = image1 * image2 / 255
screen(image1, image2) Applique une fusion écran à deux images. out = 255 - (255 - image1) * (255 - image2) / 255
overlay(image1, image2) Superpose deux images. Choisit l'opération multiply ou screen en fonction des valeurs des pixels.
difference(image1, image2) Renvoie la différence absolue entre deux images. out = abs(image1 - image2)
invert(image) Inverser une image (effet négatif). out = 255 - image
logical_and(image1, image2) Effectuer une opération ET logique sur deux images. out = image1 & image2
logical_or(image1, image2) Effectuer une opération OU logique sur deux images. out = image1 | image2
logical_xor(image1, image2) Effectuer une opération XOR logique sur deux images. out = image1 ^ image2
blend(image1, image2, alpha) Mélanger deux images avec une transparence fixe. out = image1 * (1.0 - alpha) + image2 * alpha
composite(image1, image2, mask) Composer deux images à l'aide d'une image de masque. Sélectionner les pixels de image1 ou image2 en fonction d'un masque.
offset(image, xoffset, yoffset=None) Décaler l'image. Décaler l'image du nombre de pixels spécifié dans les directions x et y.

Exemples d'utilisation

Utilisation de base

Exemple

from PIL import Image, ImageChops

# Ouvrir deux images
image1 = Image.open("image1.jpg")
image2 = Image.open("image2.jpg")

# S'assurer que les deux images ont la même taille
if image1.size == image2.size:
    # Ajouter les deux images
    added_image = ImageChops.add(image1, image2)
    added_image.save("added.jpg")
   
    # Obtenir la différence entre deux images
    diff_image = ImageChops.difference(image1, image2)
    diff_image.save("difference.jpg")

Création d'un négatif d'image

Exemple

from PIL import Image, ImageChops

# Ouvrir une image
original = Image.open("photo.jpg")

# Créer un négatif
inverted = ImageChops.invert(original)
inverted.save("negative.jpg")

Mélange d'images

Exemple

from PIL import Image, ImageChops

# Ouvrir deux images
foreground = Image.open("foreground.png")
background = Image.open("background.jpg")

# S'assurer qu'elles ont la même taille
if foreground.size == background.size:
    # Mélanger les images (alpha=0.5 signifie que chacune compte pour 50%)
    blended = ImageChops.blend(foreground, background, 0.5)
    blended.save("blended.jpg")

Notes

  1. Mode d'image: La plupart des méthodes ImageChops nécessitent que les images d'entrée aient le même mode (par ex., RGB, L, etc.)
  2. Dimensions de l'image: Les deux images sur lesquelles on opère doivent avoir les mêmes dimensions.
  3. Valeur de retour: Toutes les méthodes renvoient un nouvel objet Image et ne modifient pas les images d'origine.
  4. Considérations de performance: Pour les grandes images, ces opérations peuvent consommer une quantité importante de mémoire.
  5. Modes spéciaux: Certaines méthodes (comme les opérations logiques) sont généralement utilisées pour les images 1 bit (mode "1").

En utilisant correctement le module ImageChops, vous pouvez facilement obtenir divers effets de traitement d'image, de la simple composition d'images aux effets spéciaux complexes.

Autres extensions