使用Python-Pillow填充图像

种子填充也被称为洪水填充 ，是一种用于识别明确的封闭区域内的连接路径的算法。该算法有一系列的实际应用，例如–

• Optimized pathfinding
• 油漆桶工具是在几个图像处理软件包中发现的通用工具，在内部使用该算法
• 解决迷宫的方法是使用泛函（与广度优先、深度优先等遍历算法和A星、Dijkstra等寻路算法搭配）。
• 在图像处理中使用

有多种方法可以实现该算法，例如–

• Scanline Floodfill (row/column based floodfill)
• 四/八道防洪区
• 阈值减去淹没（只使用相同的像素值）。

我们将利用floodfill算法来完成图像处理任务。为了这个目的，我们将使用pillow库。要安装该库，请在命令行中执行以下命令：-

pip install pillow

注意：几个Linux发行版往往都预装了Python和Pillow。

语法: ImageDraw.floodfill(image, seed_pos, replace_val, border-None, thresh=0)

参数:
image – 打开的图像对象（通过Image.open、Image.fromarray等获得）。
seed_pos – 种子位置（将获得种子值的像素的坐标）。
replace_val – 填充颜色（将用于替换的颜色值）。
border – 可选的边界值（根据边界颜色修改路径选择）。
thresh – 可选的阈值（用于在泛滥中提供容忍度，以纳入类似价值的像素区域）。

返回: NoneType (在原地修改图像，而不是返回修改后的图像)

示例:

使用的图片:

# Importing the pillow library's
# desired modules
from PIL import Image, ImageDraw
  
# Opening the image (R prefixed to
# string in order to deal with '\'
# in paths)
img = Image.open(R"sample.png")
 
# Converting the image to RGB mode
img1 = img.convert("RGB")
 
# Coordinates of the pixel whose value
# would be used as seed
seed = (263, 70)
  
# Pixel Value which would be used for
# replacement
rep_value = (255, 255, 0)
  
# Calling the floodfill() function and
# passing it image, seed, value and
# thresh as arguments
ImageDraw.floodfill(img, seed, rep_value, thresh=50)
  
# Displaying the image
img.show()

输出:

解释:

• 在导入任务所需的必要模块后，我们首先创建一个图像对象（’PIL.Image.Image’）。这个图像对象作为图像文件的一个单独的核心副本，可以单独使用。
• 然后为种子变量指定一个坐标值（图像的内部尺寸）。坐标是手动挑选的，也就是说，用户应该输入有意挑选的坐标值（像素坐标的值可以通过使用img.getpixel(coord)来验证）。
• 从这些坐标得到的像素值将是在图像中被替换的像素。
• 然后给rep_value变量分配一个RGB颜色值（本例中为黄色）。该值被分配为一个RGB Tuple，这对于我们的特殊情况来说是特定的，因为我们的输入图像是RGB颜色空间（img.mode == ‘RGB’）。
  注意： rep_value变量将根据当前图像的图像模式包含数值，即如果img.mode == “L”，那么rep值将不会是有3个成分的元组，而是整数。
• 然后通过传递img、seed、rep_value和thresh作为参数，调用ImageDraw.floodfill()函数。由于ImageDraw.floodfill()函数在原地修改传递的图像对象，我们不需要存储该函数的返回值（Nonetype）。
• 最后，我们使用img.show()(Image.show())显示修改后的图片。