尺寸
通过图片对象的size属性可以得到图片的尺寸，结果这是一个二元组，包含水平和垂直方向上的像素数。

坐标
Pil采取左上角为(0,0)的坐标系统

调色板
mode("P")为每个像素定义具体的颜色值

图片信息
可以通过info属性读取一张图片的附加信息，这个与图片的格式有关。

滤镜
在对图片的几何操作中可能会将多个输入像素映射到单个的输出像素，pil提供4种不同的采样滤镜(在目前的版本中，后续的版本可能支持更多)

在RGB模式下，每个图片由三个通道叠加而成，每个模式下为一个灰度图，当有一个调色板来调色的时候，这三张灰度图的叠加即可合成3*8位(每个像素)的一个真彩图片。pil库中，图片之间的模式(mode)可以转化。下面给出一些简单的例子，例子中的所有图片均来自于国家地理的官网，为了使得文档比较短小，每个图片均使用Pil缩放成1/2大小，如有侵权嫌疑，请尽快联系，我会删除这些图片。

所有的图片操作必须有一个操作对象，Pil提供open(filename)进行这个过程

打开图片
1.导入pil的Image模块
2.使用open(filename)打开文件，返回一个image对象

Python代码  

1. im = Image.open('filename')  

此后，一切关于图片的操作均基于这个对象。

 

打开后，我们可以查看一些图片信息，如im.format, im.size, im.mode等。调用im.show()会在图片查看工具中显示当前操作的image对象，这个跟个人的系统有关系，我系统中默认是用Windows Picture and Fax Viewer打开的。这个方法用来查看临时的图片效果。

读写图片
pil中转换图片格式非常简单(转换图片模式是另一个概念，不要混淆)，只需要调用img.save(filename)即可比如有一个bmp(位图)图片，使用img = Image.open('file.bmp')打开后，只需要img.save('file.jpg')即可转换。不过一般情况下，save(filename)是不用做这个用途的，通常，save用以保存一个临时的image对象到硬盘。而转换工作由一个功能更为强大的convert()方法来完成。


拷贝，粘贴，合并

Python代码  

1. box = (100,100,500,500)#设置要拷贝的区域  
2.   
3. #将im表示的图片对象拷贝到region中，大小为(400*400)像素。这个region可以用来后续的操作(region其实就是一个Image对象)，box变量是一个四元组(左，上，右，下)。  
4. region = im.crop(box)  
5.   
6. region = region.transpose(Image.ROTATE_180)#从字面上就可以看出，先把region中的Image反转180度，然后再放回到region中。  
7. im.paste(region, box)#粘贴box大小的region到原先的图片对象中。  

前面说过，每一个RGB都是由三个通道的灰度图叠加的，所以pil提供了将这三个通道分离的方法

Python代码  

1. r,g,b = im.split()#分割成三个通道  
2. r.show()  
3. g.show()  
4. b.show()  
5. im = Image.merge("RGB", (b, g, r))#将b,r两个通道进行翻转。  

红色通道的灰度图

 绿色通道的灰度图

 蓝色通道的灰度图

 
 互换红蓝通道后的合成图

几何转变
几何转变提供resize,rotate等方法，用以重定义图片大小，对图片进行旋转等操作，在实际应用中比较广泛。

如

Python代码  

1. out = img.resize((128, 128))#resize成128*128像素大小。  
2. out = img.rotate(45)#逆时针旋转45度  

逆时针45度

 
 镜面效果，左右翻转

transpose()方法预定义了一些旋转方式，如
左右反转，上下翻转，逆时针旋转(90,180,270)度等，非常方便，rotate()和transpose()方法在表现上没有任何不同。

图片加强

滤镜
ImageFilter模块提供了很多预定义的图片加强滤镜。
比如一个常用的滤镜,细节(detail滤镜)

Python代码  

1. import ImageFilter  
2. out = im.filter(ImageFilter.DETAIL)  

 

直接操作像素点
不但可以对每个像素点进行操作，而且，每一个通道都可以独立的进行操作。比如，将每个像素点的亮度(不知道有没有更专业的词)增大20%

Python代码  

1. out = img.point(lambda i : i * 1.2)#注意这里用到一个匿名函数(那个可以把i的1.2倍返回的函数)  

对每个点都做20%的增强

如上边的那个例子，我们可以将一个RGB模式的图分离成三个通道的层

Python代码  

1. r,g,b = img.split()#神奇而又强大的python语法  

然后对一个通道进行加强或减弱操作，完成后我们又可以使用Merge将通道合并，从而改变图片的色调(冷暖色调的互换)等。

更高级的图片加强，可以使用ImageEnhance模块，其中包含了大量的预定义的图片加强方式。

Python代码  

1. import ImageEnhance  
2. enh = ImageEnhance.Contrast(im)  
3. enh.ehhance(1.5).show("50% more contrast")  

读写图片的更多方式
通常，我们使用open方法进行图片的打开操作。但是这不是唯一的方式。完全可以跟python的IO整合起来。如

Python代码  

1. fp = open("file.jpg", "rb")  
2. im = Image.open(fp)  

甚至，你可以从一个字符串中读出图片数据来(python真是神奇啊)。

Python代码  

1. import StringIO  
2. img = Image.open(StringIO.StringIO(buffer))  

(文中很多内容来自pil的handbook，但是原手册比较学院派，没有一张图片来进行说明，因此不免枯燥，我给每个小例子都加上一个真实的图片作为说明，希望看起来不那没抽象。)

当然，PIL的功能远不止这些，由于篇幅原因，我这次先写这么多吧，后面会给出PIL中各个模块中函数的详细使用说明，同时尽量配以实图来说明。

  JSON是JavaScript Object Notation的缩写，SJON是一种轻量级的数据交换格式。易于人阅读和编写。同时也易于机器解析和生成。

它基于JavaScript Programming Language, Standard ECMA-262 3rd Edition - December 1999的一个子集。

   JSON建构于两种结构：

“名称/值”对的集合（A collection of name/value pairs）。不同的语言中，它被理解为对象（object），纪录（record），结构（struct），字典（dictionary），哈希表（hash table），有键列表（keyed list），或者关联数组 （associative array）。
值的有序列表（An ordered list of values）。在大部分语言中，它被理解为数组（array）。
这些都是常见的数据结构。事实上大部分现代计算机语言都以某种形式支持它们。这使得一种数据格式在同样基于这些结构的编程语言之间交换成为可能。

        print json.dumps(['foo',{'bar':('baz',None,1.0,2)}])
        print json.dumps("\"foo\bar")
        print json.dumps(u'\u1234')
        print json.dumps('\\')
        print json.dumps({"c":0,"b":0,"a":0},sort_keys=True)

["foo", {"bar": ["baz", null, 1.0, 2]}]
"\"foo\bar"
"\u1234"
"\\"
{"a": 0, "b": 0, "c": 0}

#json主要是作为一种数据通信的格式存在的，而网络通信是很在乎数据的大小的，无用的空格会占据很多通信带宽，所以适当时候也要对数据进行压缩。separator参数可以起到这样的作用，该参数传递是一个元组，包含分割对象的字符串。
print json.dumps([1,2,3,{'4':5,'6':7}],separators=(',',':'))
#indent参数是缩进的意思，它可以使得数据存储的格式变得更加优雅。
print json.dumps([1,2,3,{'4':5,'6':7}],separators=(',',':'),indent = 4)

print json.loads('["foo",{"bar":["baz",null,1.0,2]}]')
print json.loads('"\\"foo\\bar"')

[u'foo', {u'bar': [u'baz', None, 1.0, 2]}]
"foar

def as_complex(dct):
if '__complex__' in dct:
return complex(dct['real'],dct['imag'])
return dct

print json.loads('{"__complex__":true,"real":1,"imag":2}',object_hook=as_complex)

(1+2j)

   Python的threading module是在建立在thread module基础之上的一个module，在threading module中，暴露了许多thread module中的属性。在thread module中，python提供了用户级的线程同步工具“Lock”对象。而在threading module中，python又提供了Lock对象的变种: RLock对象。RLock对象内部维护着一个Lock对象，它是一种可重入的对象。对于Lock对象而言，如果一个线程连续两次进行acquire操作，那么由于第一次acquire之后没有release，第二次acquire将挂起线程。这会导致Lock对象永远不会release，使得线程死锁。RLock对象允许一个线程多次对其进行acquire操作，因为在其内部通过一个counter变量维护着线程acquire的次数。而且每一次的acquire操作必须有一个release操作与之对应，在所有的release操作完成之后，别的线程才能申请该RLock对象。修改共享数据的代码成为“临界区”。必须将所有“临界区”都封闭在同一个锁对象的acquire和release之间。

常见的编码转换分为以下几种情况：
1.自动识别字符串编码：

#coding:utf8
#chartdet官方下载网站http://pypi.python.org/pypi/chardet

import urllib
import chardet

rawdata = urllib.urlopen('http://www.google.cn/').read()
print chardet.detect(rawdata)

输出：

#confidence是可信度，encoding是编码
{'confidence': 0.99, 'encoding': 'utf-8'}

2.unicode转换为其他编码

#coding:utf8

a = u'中文'
a_gb2312 = a.encode('gb2312')
print a_gb2312

输出：

中文

3.其他编码转换为unicode

#coding:utf8

a = u'中文'
a_gb2312 = a.encode('gb2312')
print a_gb2312

#a为gb2312编码，要转为unicode. unicode(a, 'gb2312')或a.decode('gb2312')
print [unicode(a_gb2312,'gb2312')]
print [a_gb2312.decode('gb2312')]

输出：

中文
[u'\u4e2d\u6587']
[u'\u4e2d\u6587']

4.非unicode编码之间的相互转化

#coding:utf8

a = u'中文'
a_gb2312 = a.encode('gb2312')
print a_gb2312

#编码1转换为编码2可以先转为unicode再转为编码2
a_unicode = a_gb2312.decode('gb2312')
print [a_unicode]
a_utf8 = a_unicode.encode('utf8')

#dos不识别utf8编码，直接输出会是乱码
print [a_utf8]

输出：

中文
[u'\u4e2d\u6587']
['\xe4\xb8\xad\xe6\x96\x87']

5.判断字符串编码

#coding:utf8

#isinstance(s, str) 用来判断是否为一般字符串 
#isinstance(s, unicode) 用来判断是否为unicode 3
#如果一个字符串已经是unicode了，再执行unicode转换有时会出错(并不都出错) 

def u(s,encoding):
    if isinstance(s,unicode):
        return s
    else:
        return unicode(s,encoding)

6.汉字转化为unicode编码

#coding:utf8

#该方法没看懂，先留下了
name = '中国' 
name = name.decode('utf8')
print name
tmpname = ""

for c in name:
    c = "%%u%04X" % ord(c)
    tmpname += c

print tmpname

输出结果：

中国
%u4E2D%u56FD

yield 用法说明

yield 简单说来就是一个生成器，生成器是这样一个函数，它记住上一次返回时在函数体中的位置。对生成器函数的第二次（或第 n 次）调用跳转至该函数中间，而上次调用的所有局部变量都保持不变。

• 生成器 是 一个函数

函数的所有参数都会保留

• 第二次调用 此函数 时

使用的参数是前一次保留下的.

• 生成器还“记住”了它在流控制构造

生成器不仅“记住”了它数据状态。 生成器还“记住”了它在流控制构造（在命令式编程中，这种构造不只是数据值）中的位置。由于连续性使您在执行框架间任意跳转，而不总是返回到直接调用者的上下文（如同生成器那样），因此它仍是比较一般的。

当你问生成器要一个数时，生成器会执行，直至出现 yield 语句，生成器把 yield 的参数给你，之后生成器就不会往下继续运行。 当你问他要下一个数时，它会从上次的状态开始运行，直至出现yield语句，把参数给你，之后停下。如此反复直至退出函数。

def addlist(alist):
    for i in alist:
       yield i+2
alist = [1,2,3,4]
for x in addlist(alist):
    #对alist的每个list数据进行i+2操作
    print x

3
4
5
6

def h():
print 'hello'
yield 5
print 'word'

c = h()
#执行到yield处
c.next()
print 'flag'
#因为后面没有yield了，而导致程序出错
c.next()

hello
flag
word
Traceback (most recent call last):
File "test.py", line 9, in <module>
c.next()
StopIteration

#coding:utf8
def h():
print 'hello'
m = yield 5
print m
d = yield 12
print 'word'


c = h()
#c.next()相当于c.send(None)
c.next()
print 'flag'
#(yield 5)被赋值了,yield接收了send的值
c.send('!')

#coding:utf8
def h():
print 'hello'
m = yield 5
print m
d = yield 12
print 'word'


m = c.next()
print 'flag'
d = c.send('!')
#m,d的值为5,12可见send和next的返回值就是yield的参数
print m,d

例：

import string
s = string.ascii_lowercase
e = enumerate(s)
print s
print list(e)

输出结果为：

[(0, 'a'), (1, 'b'), (2, 'c'), (3, 'd'), (4, 'e'), (5, 'f'), (6, 'g'), (7, 'h'),
 (8, 'i'), (9, 'j'), (10, 'k'), (11, 'l'), (12, 'm'), (13, 'n'), (14, 'o'), (15,
 'p'), (16, 'q'), (17, 'r'), (18, 's'), (19, 't'), (20, 'u'), (21, 'v'), (22, 'w
'), (23, 'x'), (24, 'y'), (25, 'z')]

def fun(line):
    return  ((ids,int(val)) for ids,val in enumerate(line) if val != '0')
print list(fun("000111000111"))

[(3, 1), (4, 1), (5, 1), (9, 1), (10, 1), (11, 1)]