Pythonで画像処理の基本をマスター！NumPyとPillowで読み込み・演算・保存

from PIL import Image
import numpy as np

# 画像を読み込み
# 例: dummy_image.jpg がカレントディレクトリにあると仮定
# dummy_image.jpgがない場合は、下記をコメントアウトして、
# Image.new()でダミー画像を作成してください。
try:
    img_pil = Image.open('dummy_image.jpg')
except FileNotFoundError:
    # ダミー画像を生成 (赤色の500x300画像)
    img_pil = Image.new('RGB', (500, 300), color = 'red')
    img_pil.save('dummy_image.jpg') # 保存して次回以降使えるようにする
    img_pil = Image.open('dummy_image.jpg')


print(f"Pillowで読み込んだ画像情報: Mode={img_pil.mode}, Size={img_pil.size}")

# Pillow画像をNumPy配列に変換
# カラー画像の場合: (高さ, 幅, チャンネル数) の形状になる
# グレースケール画像の場合: (高さ, 幅) の形状になる
img_np = np.array(img_pil)
print(f"NumPy配列の形状: {img_np.shape}, データ型: {img_np.dtype}")

Pillowで読み込んだ画像情報: Mode=RGB, Size=(500, 300)
NumPy配列の形状: (300, 500, 3), データ型: uint8

# 明るさを調整 (例: 全ピクセル値に50を加算)
# np.clipで0-255の範囲に収める
bright_img_np = np.clip(img_np + 50, 0, 255).astype(np.uint8)
print("明るさ調整後の配列形状:", bright_img_np.shape)

# RGB画像をグレースケールに変換 (シンプルな平均法)
# カラー画像（高さ, 幅, 3）が前提
if img_np.ndim == 3 and img_np.shape[2] == 3:
    gray_img_np = (img_np[:,:,0] * 0.2989 + # 赤
                   img_np[:,:,1] * 0.5870 + # 緑
                   img_np[:,:,2] * 0.1140).astype(np.uint8) # 青
    print("グレースケール変換後の配列形状:", gray_img_np.shape)
else:
    print("既にグレースケールまたは非RGB画像です。")

# 画像を左右反転
flipped_img_np = img_np[:, ::-1, :]
print("左右反転後の配列形状:", flipped_img_np.shape)

# 明るさ調整後のNumPy配列をPillow画像に変換
bright_img_pil = Image.fromarray(bright_img_np)

# 画像をファイルに保存
bright_img_pil.save('bright_image.jpg')
print("明るさ調整後の画像を 'bright_image.jpg' として保存しました。")

# グレースケール変換後のNumPy配列をPillow画像に変換
# グレースケール画像はMode='L' (Luminance)で保存
if 'gray_img_np' in locals(): # gray_img_npが作成されているか確認
    gray_img_pil = Image.fromarray(gray_img_np, mode='L')
    gray_img_pil.save('grayscale_image.jpg')
    print("グレースケール画像を 'grayscale_image.jpg' として保存しました。")

# 左右反転後のNumPy配列をPillow画像に変換
flipped_img_pil = Image.fromarray(flipped_img_np)
flipped_img_pil.save('flipped_image.jpg')
print("左右反転画像を 'flipped_image.jpg' として保存しました。")