pythonpil安装包（基于Python的PIL库学习详解）

pythonpil安装包

基于Python的PIL库学习详解

摘要

对于图像识别，大量的工作在于图像的处理，处理效果好，那么才能很好地识别，因此，良好的图像处理是识别的基础。在python中，有一个优秀的图像处理框架，就是pil库，本博文会分模块，介绍pil库中的各种方法，并列举相关例子。

参考：http://pillow-cn.readthedocs.io/zh_cn/latest/reference/index.html

网站上列举了pil库中所有的模块和方法，但是没有相关的例子，博文中会尽量给出相关的例子和进行简单的讲解。

基于的环境：win10，python2.7，pil 1.1.7。

image模块

开篇的例子

首先，给出image模块中的一个简单的例子。例子实现的功能是：读取图片，并进行45°旋转，然后进行可视化。

?

1 2 3 4 5

# -*- coding:utf-8 -*- # image模块开篇例子 from pil import image im = image.open('test.bmp') # 读取图片 im.rotate(45).show() # 将图片旋转，并用系统自带的图片工具显示图片

创建缩略图

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

# -*- coding:utf-8 -*- # pil中创建缩略图(create thumbnails) from pil import image import glob,os   size = 128,128   for infile in glob.glob("*.jpg"): # glob的作用是文件搜索，返回的是一个列表   file,ext = os.path.splitext(infile) # 将文件的文件名和拓展名分开，用于之后的保存重命名   im = image.open(infile)   im.thumbnail(size,image.antialias) # 等比例缩放   im.save(file+".thumbnail","jpeg")   #im.show() # 显示缩略图   #print im.size,im.mode

缩略图不能直接双击打开，而可以使用pil.image的open读取，然后使用show()方法进行显示。

图像处理

?

1 2 3 4 5

pil.image.alpha_composite(im1,im2)   pil.image.blend(im1,im2,alpha)   pil.image.composite(im1,im2,mask)

这三个方法都属于图片的合成或者融合。都要求im1和im2的mode和size要一致，alpha代表图片占比的意思，而mask是mode可以为”1”,”l”或者”rgba”的size和im1、im2一致的。

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

# coding:utf-8 -*- from pil import image # 图片合成   # pil的alpha_composite(im1,im2) 图像通道融合 # im2要和im1的size和mode一致，且要求格式为rgba im1 = image.open("test.png") im2 = image.open("test2.png")   newim1 = image.alpha_composite(im1,im2) # 将im2合成到im1中，如果其一是透明的， # 才能看到结果，不然最终结果只会显示出im2 newim1.show() #print(im1.mode)   # ----------------------------------------- # image.blend(im1,im2,alpha) # alpha为透明度 newim2 = image.blend(im1,im2,0.5) newim2.show()   # ----------------------------------------- mask = image.open("mask.png") newim3 = image.composite(im2,im1,mask) newim3.show()

pil.image.eval(image,*args)

程序：

?

1 2 3 4 5 6 7 8

# -*- coding:utf-8 -*- from pil import image im = image.open("test.png")   imnew = image.eval(im,lambda i:i*2) # 将原图片的像素点，都乘2，返回的是一个image对象 #print imnew.mode imnew.show() im.show()

创建图像

(1) pil.image.new(mode,size,color=0)

使用模式和大小，创建一个新的图像。其中，mode可以是”l”,”rgb”,”rgba”;而size则是一个tuple(元组),color应该和mode相对应。

下面例子，分别创建”l”、”rgb”和”rgba”的图片。

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

# -*- coding:utf-8 -*- from pil import image # 创建图像 # 创建一个灰度图像   newl = image.new("l",(28,28),255) newl.show()   # 创建一个rgb图像 newrgb = image.new("rgb",(28,28),(20,200,45)) newrgb.show()   newrgba = image.new("rgba",(28,28),(20,200,45,255)) newrgba.show() print "the frist image:",newl.size,newl.mode print "the second image:",newrgb.size,newrgb.mode print "the third image:",newrgba.size,newrgba.mode

(2)以其他形式创建图像

a. 以数组的形式创建图像，pil.image.fromarray(obj,mode=none)

obj - 图像的数组，类型可以是numpy.array()

mode - 如果不给出，会自动判断

本人觉得这个功能还是挺实用的，可以将一个数组（具体一点就是像素数组）转换为图像，从图像的本质去处理图像。

下面一段程序，就是用fromarray()函数实现图像的灰度化（使用了两种方法）。

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

# -*- coding:utf-8 -*- from pil import image import numpy as np a = image.open("fromimg.png") a.show() b = a.resize((28,28)) datab = list(b.getdata()) #print type(datab) obj1 = [] obj2 = [] for i in range(len(datab)):   obj1.append([sum(datab[i])/3]) # 灰度化方法1：rgb三个分量的均值   obj2.append([0.3*datab[i][0]+0.59*datab[i][1]+0.11*datab[i][2]])   #灰度化方法2：根据亮度与rgb三个分量的对应关系：y=0.3*r+0.59*g+0.11*b   obj1 = np.array(obj1).reshape((28,28)) obj2 = np.array(obj2).reshape((28,28)) print obj1 print obj2   arrayimg1 = image.fromarray(obj1) arrayimg2 = image.fromarray(obj2) arrayimg1.show() arrayimg2.show()

显然，两种方法都能成功灰度化。

还有：

?

1 2 3 4 5

pil.image.frombytes(mode,size,data,decoder_name='raw',*args)   pil.image.fromstring(*args,**kw)   pil.image.frombuffer(mode,size,data,decoder_name='raw',*args)

感觉不常用，没有仔细研究。

image模块下的image类

下面的image是一个图像对象，而不是模块！

(1) image.convert(mode=none,matrix=none,dither=none,palette=0,color=256)

该方法，同样可以实现上面的灰度化处理。

?

1 2 3 4 5 6

# -*- coding:utf-8 -*- from pil import image img = image.open("test.png") # 灰度化：将rgb/rgba -> l img = img.convert("l") img.show()

(2) image.copy()

将读取的图片复制一份。

?

1 2 3 4 5 6 7 8 9 10

# -*- coding:utf-8 -*- from pil import image img = image.open("test.png") # 灰度化：将rgb/rgba -> l img = img.convert("l") #img.show()   # ------ copy()---------- img1 = img.copy() img1.show()

将灰度化的图片复制一份，因此该程序的运行结果和之前的一致。

(3) image.filter(filter)

该函数是用于图像滤波的，pil中自带了很多的滤波器，就是括号中的filter的参数。filter应该是一个imaagefilter模块下的对象。这里把imagefilter模块讲了。其实，该模块就是提供滤波器。自带的滤波器有：

使用中值滤波：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

# -*- coding:utf-8 -*- from pil import image from pil import imagefilter   # blur - 模糊处理 # contour - 轮廓处理 # detail - 增强 # edge_enhance - 将图像的边缘描绘得更清楚 # edge_enhance_nore - 程度比edge_enhance更强 # emboss - 产生浮雕效果 # smooth - 效果与edge_enhance相反，将轮廓柔和 # smooth_more - 更柔和 # sharpen - 效果有点像detail testimg = image.open("filter1.png") testimg.show() filterimg = testimg.filter(imagefilter.medianfilter) filterimg.show()

(4) 使用各种方法/函数获取图片的基本信息

image.getbands()

image.geebbox()

image.getcolors(maxcolor=256)

image.getdata(band=none)（一般和list()结合使用）

image.getextrema()

image.getpixel((x,y))

image.histogram(mask=none,extrema=none)

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

# -*- coding:utf-8 -*- from pil import image img1 = image.open("test.png") img1.show()   # getbands() - 显示该图像的所有通道，返回一个tuple bands = img1.getbands() print bands   # getbbox() - 返回一个像素坐标，4个元素的tuple bboxs = img1.getbbox() print bboxs   # getcolors() - 返回像素信息，是一个含有元素的列表[(该种像素的数量，(该种像素)),(...),...] colors = img1.getcolors() print colors   # getdata() - 返回图片所有的像素值，要使用list()才能显示出具体数值 #data = list(img1.getdata()) #print data   # getextrema() - 获取图像中每个通道的像素最小和最大值,是一个tuple类型 extremas = img1.getextrema() print extremas   # getpixel() - 获取该坐标 pixels = img1.getpixel((87,180)) print pixels   # histogram() - 返回图片的像素直方图 print(img1.histogram())

运行结果:

('r', 'g', 'b', 'a')
(0, 0, 338, 238)
[(73463, (255, 255, 255, 255)), (32, (252, 249, 252, 255)), (1, (255, 189, 143, 255)), (12, (255, 199, 160, 255)), (22, (247, 239, 247, 255)), (3, (255, 242, 246, 255)), (9, (238, 221, 238, 255)), (9, (235, 215, 235, 255)), (5, (232, 209, 232, 255)), (1, (255, 228, 209, 255)), (2, (255, 210, 225, 255)), (1, (255, 202, 201, 255)), (3, (255, 158, 92, 255)), (22, (218, 181, 218, 255)), (1, (217, 181, 218, 255)), (2, (255, 232, 217, 255)), (16, (255, 195, 153, 255)), (22, (212, 169, 212, 255)), (3, (211, 169, 212, 255)), (1, (204, 153, 204, 255)), (1, (255, 229, 238, 255)), (53, (255, 131, 46, 255)), (9, (255, 203, 167, 255)), (1, (255, 157, 90, 255)), (3, (186, 119, 187, 255)), (2, (255, 217, 229, 255)), (6, (183, 113, 184, 255)), (1, (255, 212, 227, 255)), (14, (214, 175, 215, 255)), (2, (255, 182, 131, 255)), (12, (166, 79, 167, 255)), (2, (255, 180, 127, 255)), (4309, (255, 127, 39, 255)), (737, (163, 73, 164, 255)), (4, (255, 252, 253, 255)), (3, (255, 232, 216, 255)), (9, (255, 250, 233, 255)), (1, (255, 245, 248, 255)), (34, (255, 239, 228, 255)), (3, (255, 142, 64, 255)), (1, (255, 162, 98, 255)), (19, (255, 247, 241, 255)), (7, (255, 223, 201, 255)), (2, (255, 133, 49, 255)), (16, (255, 221, 232, 255)), (58, (255, 235, 221, 255)), (1, (255, 225, 204, 255)), (2, (255, 219, 194, 255)), (21, (255, 175, 120, 255)), (6, (255, 182, 206, 255)), (37, (255, 243, 235, 255)), (3, (255, 179, 127, 255)), (6, (255, 207, 223, 255)), (3, (255, 232, 240, 255)), (1, (255, 134, 51, 255)), (2, (255, 222, 233, 255)), (2, (255, 218, 192, 255)), (1, (255, 186, 186, 255)), (1, (255, 163, 99, 255)), (1, (255, 207, 173, 255)), (8, (255, 151, 80, 255)), (1, (255, 184, 201, 255)), (19, (255, 211, 180, 255)), (1, (255, 143, 65, 255)), (9, (255, 233, 158, 255)), (18, (255, 215, 187, 255)), (1, (255, 185, 136, 255)), (7, (255, 227, 237, 255)), (22, (255, 163, 100, 255)), (1, (255, 221, 198, 255)), (5, (255, 184, 208, 255)), (10, (255, 195, 215, 255)), (5, (255, 239, 182, 255)), (1, (255, 197, 157, 255)), (1, (255, 154, 85, 255)), (1, (255, 136, 55, 255)), (8, (255, 240, 190, 255)), (14, (255, 216, 229, 255)), (3, (255, 179, 204, 255)), (1, (255, 143, 67, 255)), (1, (255, 196, 155, 255)), (19, (255, 249, 227, 255)), (2, (255, 211, 181, 255)), (10, (255, 230, 142, 255)), (4, (255, 187, 140, 255)), (195, (255, 201, 14, 255)), (2, (255, 129, 42, 255)), (1, (255, 131, 47, 255)), (12, (255, 231, 214, 255)), (1, (255, 181, 151, 255)), (8, (249, 244, 249, 255)), (13, (246, 238, 246, 255)), (44, (244, 234, 244, 255)), (1, (243, 232, 244, 255)), (7, (240, 226, 241, 255)), (25, (255, 167, 107, 255)), (24, (255, 215, 229, 255)), (22, (230, 206, 230, 255)), (6, (229, 204, 229, 255)), (3, (255, 130, 45, 255)), (11, (227, 200, 228, 255)), (4, (226, 198, 226, 255)), (3, (255, 127, 40, 255)), (5, (223, 192, 223, 255)), (9, (220, 186, 221, 255)), (172, (255, 174, 201, 255)), (16, (255, 231, 239, 255)), (1, (255, 171, 113, 255)), (33, (209, 164, 209, 255)), (1, (255, 192, 213, 255)), (6, (255, 247, 250, 255)), (2, (255, 136, 54, 255)), (9, (255, 253, 247, 255)), (1, (255, 171, 114, 255)), (2, (255, 147, 73, 255)), (5, (255, 181, 130, 255)), (7, (189, 124, 190, 255)), (1, (255, 199, 161, 255)), (13, (255, 183, 134, 255)), (3, (255, 152, 82, 255)), (2, (255, 156, 88, 255)), (32, (255, 143, 66, 255)), (5, (178, 102, 178, 255)), (6, (175, 96, 176, 255)), (8, (255, 129, 43, 255)), (4, (172, 90, 173, 255)), (1, (255, 168, 109, 255)), (1, (255, 153, 83, 255)), (1, (255, 174, 118, 255)), (1, (255, 172, 115, 255)), (1, (255, 148, 75, 255)), (8, (255, 244, 248, 255)), (1, (255, 130, 43, 255)), (5, (255, 205, 222, 255)), (1, (255, 210, 177, 255)), (1, (255, 170, 110, 255)), (1, (255, 157, 89, 255)), (1, (255, 197, 134, 255)), (13, (255, 155, 86, 255)), (3, (255, 137, 56, 255)), (2, (255, 138, 57, 255)), (11, (255, 227, 208, 255)), (1, (255, 190, 145, 255)), (2, (255, 155, 87, 255)), (1, (169, 84, 170, 255)), (4, (255, 202, 220, 255)), (6, (255, 139, 59, 255)), (1, (255, 128, 42, 255)), (1, (255, 158, 91, 255)), (1, (255, 198, 158, 255)), (5, (255, 130, 44, 255)), (1, (255, 202, 165, 255)), (1, (255, 187, 154, 255)), (1, (255, 132, 48, 255)), (1, (255, 154, 84, 255)), (1, (255, 235, 241, 255)), (7, (255, 135, 53, 255)), (62, (255, 159, 93, 255)), (2, (255, 177, 124, 255)), (4, (255, 187, 210, 255)), (11, (255, 251, 248, 255)), (1, (255, 229, 211, 255)), (1, (255, 208, 176, 255)), (1, (255, 133, 50, 255)), (2, (255, 219, 231, 255)), (2, (255, 141, 63, 255)), (2, (255, 146, 71, 255)), (1, (255, 160, 95, 255)), (2, (255, 184, 135, 255)), (1, (255, 208, 175, 255)), (1, (255, 139, 61, 255)), (1, (255, 189, 211, 255)), (2, (255, 145, 69, 255)), (263, (255, 191, 147, 255)), (4, (255, 187, 141, 255)), (3, (255, 250, 252, 255)), (1, (255, 147, 72, 255)), (5, (255, 177, 203, 255)), (1, (255, 169, 109, 255)), (62, (255, 207, 174, 255))]
((163, 255), (73, 255), (14, 255), (255, 255))
(255, 127, 39, 255)
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 737, 0, 0, 12, 0, 0, 1, 0, 0, 4, 0, 0, 6, 0, 0, 5, 0, 0, 0, 0, 6, 0, 0, 3, 0, 0, 7, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 33, 0, 3, 22, 0, 14, 0, 0, 1, 22, 0, 9, 0, 0, 5, 0, 0, 4, 11, 0, 6, 22, 0, 5, 0, 0, 9, 0, 0, 9, 0, 7, 0, 0, 1, 44, 0, 13, 22, 0, 8, 0, 0, 32, 0, 0, 79360, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 737, 0, 0, 0, 0, 0, 12, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 4, 0, 0, 0, 0, 0, 6, 0, 0, 0, 0, 0, 5, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 6, 0, 0, 0, 0, 0, 3, 0, 0, 0, 0, 7, 0, 0, 4312, 1, 10, 9, 54, 1, 3, 1, 7, 3, 3, 2, 7, 0, 2, 3, 34, 0, 2, 2, 3, 1, 0, 0, 8, 3, 2, 2, 15, 2, 2, 4, 62, 1, 0, 1, 23, 33, 0, 0, 25, 1, 26, 1, 2, 1, 0, 173, 35, 0, 7, 0, 6, 2, 29, 8, 13, 8, 1, 10, 13, 0, 2, 1, 263, 6, 0, 0, 26, 1, 2, 5, 13, 11, 195, 6, 9, 6, 5, 22, 69, 2, 5, 3, 21, 1, 0, 0, 51, 14, 2, 2, 4, 0, 26, 2, 7, 0, 1, 7, 18, 1, 2, 10, 28, 9, 9, 44, 59, 0, 0, 13, 61, 8, 0, 3, 37, 16, 1, 0, 25, 0, 51, 12, 11, 4, 9, 0, 73463, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 195, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4309, 3, 0, 3, 9, 5, 3, 53, 1, 1, 2, 1, 1, 0, 7, 2, 1, 3, 2, 0, 6, 0, 1, 0, 2, 3, 1, 32, 1, 0, 2, 0, 2, 1, 2, 0, 1, 0, 0, 0, 0, 8, 0, 3, 1, 1, 1, 13, 2, 2, 1, 1, 1, 3, 62, 0, 1, 0, 0, 1, 1, 22, 0, 0, 0, 0, 0, 0, 25, 0, 2, 1, 0, 0, 1, 1, 1, 0, 0, 1, 0, 21, 0, 0, 0, 2, 0, 0, 5, 0, 0, 5, 2, 0, 0, 14, 2, 1, 0, 0, 0, 4, 4, 10, 1, 0, 1, 0, 263, 0, 0, 0, 1, 0, 16, 1, 1, 0, 1, 10, 0, 12, 1, 0, 0, 737, 1, 0, 21, 0, 0, 1, 0, 0, 5, 62, 1, 7, 1, 5, 0, 19, 2, 5, 0, 6, 0, 1, 21, 0, 0, 15, 0, 2, 0, 2, 0, 0, 0, 1, 0, 0, 181, 0, 5, 5, 0, 6, 0, 16, 34, 4, 2, 25, 1, 12, 24, 3, 2, 23, 0, 4, 67, 5, 11, 0, 2, 4, 20, 45, 46, 22, 2, 21, 11, 0, 46, 0, 7, 10, 16, 3, 27, 0, 0, 45, 0, 16, 31, 20, 8, 6, 0, 35, 4, 0, 73463, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 80444]

(5) 图像粘贴操作(paste)

image.paste(im,box=none,maske=none)

使用im粘贴到原图片中。注意：两个图片的mode和size要求一致，不一致可以使用convert()和resize()进行调整。

?

1 2 3 4 5 6 7 8 9 10 11 12 13

# -*- coding:utf-8 -*- from pil import image rawimg = image.open("qqtou.png") print rawimg.size   im = image.open("number.png") print im.size   # rawimg的size和im的size要相同，不然不能匹配 # paste(用来粘贴的图片，(位置坐标))，可以通过设置位置坐标来确定粘贴图片的位置 # 该方法没有返回值，直接作用于原图片 rawimg.paste(im,(75,-90)) rawimg.show()

(6) 各种put操作

image.putalpha(alpha) - 添加多一层alpha层，没看出具体效果

image.putdata(data,scale=1.0,offset=0.0) - 添加一个像素序列到原图像。

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

# -*- coding:utf-8 -*- from pil import image   img = image.open("qqtou.png") img = img.convert("l") img.show()   标签： Python PIL库 上一篇下一篇 猜您喜欢 python怎么做图像识别（Python3利用Dlib实现摄像头实时人脸检测和平铺显示示例） pythonssl版本（解决Python 使用h5py加载文件,看不到keys的问题） python弹跳小球（python实现弹跳小球） 如何用python做一个弹窗（python实现弹窗祝福效果） ocr公式识别python（初探利用Python进行图文识别OCR） python封装函数讲解（Python中super函数用法实例分析） python中赋值语句规则（Python动态赋值的陷阱知识点总结） python中匿名函数关键字（浅谈python之高阶函数和匿名函数） python时间类的实现（Python日期时间Time模块实例详解） python中if条件语句如何使用（对python中if语句的真假判断实例详解） 八月再见 愿你岁月不扰，余生静好（八月再见愿你岁月不扰） 赏读 八月再见，九月你好（赏读八月再见九月你好） 散文 八月再见，九月，我在风中等你（散文八月再见九月） 8月再见 9月你好（8月再见） 魔兽世界 设计师爆料，原始版本并无PVP，跨阵营属于返璞归真（魔兽世界设计师爆料） 吐槽完《弧光大作战》之后，我们和设计师聊了聊魔兽首款手游的立项初衷和未来（吐槽完弧光大作战之后） 热门推荐 1搭建php和mysql的运行环境（Windows环境开发PHP完整配置教程Apache+Mysql+PHP） 2pythonflask怎么设置（python flask安装和命令详解） 3C#验证身份证号码 4python怎么查看函数的返回值（python在回调函数中获取返回值的方法） 5knn算法详细步骤（Python实现KNNK-近邻算法的示例代码） 6如何利用Email求职 7WEB API 中get、post、put,delete请求方式 8pythonpick教程（Python使用Pickle模块进行数据保存和读取的讲解） © 2021 开心学习