Python圖像濾波處理操作示例【基于ImageFilter類】

本文實例講述了Python圖像濾波處理操作。分享給大家供大家參考，具體如下：

在圖像處理中，經常需要對圖像進行平滑、銳化、邊界增強等濾波處理。在使用PIL圖像處理庫時，我們通過Image類中的成員函數filter()來調用濾波函數對圖像進行濾波，而濾波函數則通過ImageFilter類來定義的。

下面先直接看一個樣例：

#-*- coding: UTF-8 -*-
from PIL import Image
from PIL import ImageFilter
def image_filters_test():
  im = Image.open("lena.jpg")
  #預定義的圖像增強濾波器
  im_blur = im.filter(ImageFilter.BLUR)
  im_contour = im.filter(ImageFilter.CONTOUR)
  im_min = im.filter(ImageFilter.MinFilter(3))
  im.show()
  im_blur.show()
  im_contour.show()
  im_min.show()
  return
image_filters_test()

ImageFilter類中預定義了如下濾波方法：

• BLUR：模糊濾波

• CONTOUR：輪廓濾波

• DETAIL：細節濾波

• EDGE_ENHANCE：邊界增強濾波

• EDGE_ENHANCE_MORE：邊界增強濾波（程度更深）

• EMBOSS：浮雕濾波

• FIND_EDGES：尋找邊界濾波

• SMOOTH：平滑濾波

• SMOOTH_MORE：平滑濾波（程度更深）

• SHARPEN：銳化濾波

• GaussianBlur(radius=2)：高斯模糊

>radius指定平滑半徑。

• UnsharpMask(radius=2, percent=150, threshold=3)：反銳化掩碼濾波

>radius指定模糊半徑；

>percent指定反銳化強度（百分比）;

>threshold控制被銳化的最小亮度變化。

• Kernel(size, kernel, scale=None, offset=0)：核濾波

當前版本只支持核大小為3x3和5x5的核大小，且圖像格式為“L”和“RGB”的圖像。

>size指定核大小（width, height）；

>kernel指定核權值的序列；

>scale指定縮放因子；

>offset指定偏移量，如果使用，則將該值加到縮放后的結果上。

• RankFilter(size, rank)：排序濾波

>size指定濾波核的大小；

>rank指定選取排在第rank位的像素，若大小為0，則為最小值濾波；若大小為size * size / 2則為中值濾波；若大小為size * size - 1則為最大值濾波。

• MedianFilter(size=3)：中值濾波

>size指定核的大小

• MinFilter(size=3)：最小值濾波器

>size指定核的大小

• MaxFilter(size=3)：最大值濾波器

>size指定核的大小

• ModeFilter(size=3)：波形濾波器

選取核內出現頻次最高的像素值作為該點像素值，僅出現一次或兩次的像素將被忽略，若沒有像素出現兩次以上，則保留原像素值。

>size指定核的大小

原圖lena.jpg如下：

上例的濾波處理結果如下：

更多關于Python相關內容可查看本站專題：《Python數學運算技巧總結》、《Python圖片操作技巧總結》、《Python數據結構與算法教程》、《Python函數使用技巧總結》、《Python字符串操作技巧匯總》及《Python入門與進階經典教程》

希望本文所述對大家Python程序設計有所幫助。