python将图片变成黑白色

可以使用Pillow库来将图片转换为黑白色。以下是示例代码：

from PIL import Image

# 打开图片
image = Image.open('example.jpg')

# 转换为黑白色
bw_image = image.convert('L')

# 保存黑白图片
bw_image.save('example_bw.jpg')

其中，`convert('L')`方法将图片转换为灰度图像，即黑白色。保存黑白图片使用`save()`方法，参数为保存路径。

相关问题

python将黑白图片变成彩色图片

将黑白图片变为彩色图片的过程称为“彩色化”，这是一种图像处理的技术。在Python中，可以使用深度学习框架TensorFlow或PyTorch来实现彩色化。

以下是使用TensorFlow实现彩色化的步骤：

1. 导入必要的库和模块：

import tensorflow as tf
import numpy as np
from PIL import Image

2. 下载并加载预训练的模型：

model_url = "https://github.com/richzhang/colorization/releases/download/v1.0/model.ckpt"
model_path = tf.keras.utils.get_file("colorize_ckpt", model_url)
model = tf.keras.models.load_model(model_path)

3. 加载待彩色化的黑白图片：

img_path = "path/to/bw_image.jpg"
img = Image.open(img_path).convert("L")
img = np.array(img)
img = np.expand_dims(img, axis=-1)
img = img.astype(np.float32) / 255.0

4. 对图片进行彩色化：

img_input = tf.keras.preprocessing.image.img_to_array(img)
img_input = tf.image.resize(img_input, (256, 256))
img_input = tf.keras.applications.inception_v3.preprocess_input(img_input * 255)
img_input = tf.expand_dims(img_input, axis=0)
img_colorized = model.predict(img_input)
img_colorized = tf.image.resize(img_colorized, img.shape[:2])
img_colorized = tf.squeeze(img_colorized)

5. 将彩色化后的图片保存：

img_colorized = np.array(img_colorized)
img_colorized = (img_colorized * 255).astype(np.uint8)
img_colorized = Image.fromarray(img_colorized, mode="RGB")
img_colorized.save("path/to/colorized_image.jpg")

以上代码仅提供了一个基本框架，具体实现还需要根据具体场景去调整参数和代码逻辑。此外，还可以尝试使用其他深度学习框架或者传统的图像处理算法来实现彩色化。

python把图片黑色变成白色的代码

以下是Python将图片黑色变成白色的代码：

from PIL import Image

# 打开图片
im = Image.open('image.jpg')

# 获取图片的大小
width, height = im.size

# 循环每个像素点
for x in range(width):
    for y in range(height):
        
        # 获取当前像素点的RGB值
        r, g, b = im.getpixel((x, y))
        
        # 判断当前像素点是否为黑色
        if r == 0 and g == 0 and b == 0:
            im.putpixel((x, y), (255, 255, 255)) # 将黑色像素点变成白色像素点
            
# 保存修改后的图片
im.save('new_image.jpg')

注意：该代码只能将纯黑色像素点变为白色，如果图片中存在浅色或灰色的像素点可能会出现意想不到的结果。