GitHub - uploadcare/pillow-simd: The friendly PIL fork
There are multiple ways to tweak image processing performance. To name a few, such ways can be: utilizing better algorithms, optimizing existing implementations, using more processing power and/or resources. One of the great examples of using a more efficient algorithm is replacing a convolution-based Gaussian blur with a sequential-box one. Such examples are rather rare, though. It is also known,
Python Image Library 説明
元に戻る。 Python Imaging Library Overview PIL 1.1.3 | March 12, 2002 | Fredrik Lundh, Matthew Ellis Image Class 使用法： 始めにイメージサンプルへディレクトリを移動し、 Pythonを会話モードで作動する。 cd ~/Python/Imaging-1.1.3/Images python >>> Image Classを読み込む。 >>> import Image 画像lena.ppmを読み込み、imオブジェクトにする。 >>> im = Image.open("lena.ppm") 読み込みが成功すれば、画像形式、サイズ、カラーモードを 知ることができる。 >>> print im.format, im.size, im.mode PPM (128, 128) RGB 画像の表示はxv
PILでGBA with Python - 神様なんて信じない僕らのために
PILを使った理想的な抽象化の例。 昔はわざわざ、BMPのstructureを定義したりして読んだりしましたよね。（遠い目） 必要なのはPython、そしてPILのインストール。 あとはfrom PIL import Imageです。 かなーり、適当なリストですが、いかに抽象化が素晴らしいか解るはずです。（こういう抽象化は賛成） ２５６色のBMPから、 GBAのRAWな16色パレットとキャラクタファイルを生成しています。 がgifでもなんでもいける筈ですよ。 hogeとか書いているところはreplaceして！ かなり決めうちですが、自分で使うには十分。 スプライトアニメーションや、BGのアニメ、パレットアニメなど、 バイナリのデータ構造を考え、オリジナルフォーマットを書くのは面白いので是非。 image = Image.open(file('hoge.bmp')) t = image.co
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
