PIL中ImageFilter模块几种图片滤波处理和使用方法

简介: PIL中ImageFilter模块几种图片滤波处理和使用方法

1 关于PIL库

1.1 PIL简单介绍

  • PIL是Python的一个图像处理库,支持多种文件格式;
  • PIL提供强大的图像处理和图形处理能力;
  • 可完成对图像的缩放、裁剪、叠加以及图像添加线条、图像和文字等操作。
  • 安装的话,使用以下命令:
pip install Pillow

在这里插入图片描述

1.2 常见PIL子库或类

  • 目录在:
Python37\Lib\site-packages\PIL
  • 以下是PIL的常见子库或者常见的类及说明:
类或子库 说明
Image 最重要的模块,如创建、打开、显示、保存图像等功能,合成、裁剪、滤波等功能,获取图像属性功能,如图像直方图、通道数等
ImageChops 算术图形操作,如图像特效,图像组合,算法绘图等
ImageCrackCode 允许用户检测和测量图像的各种特性
ImageDraw 基本的图形处理功能,如可创建新图像,注释或润饰已存在图像,为web应用实时产生各种图形
ImageEnhance 图像增强
ImageFile 为图像打开和保存功能提供了相关支持功能
ImageFileIO 从一个socket或者其他流设备中读取一张图像
ImageFilter 各种滤波器的预定义集合
ImageFont 字体库
ImageGrab 将屏幕上的内容拷贝到一个PIL图像内存中
ImageOps 可完成直方图均衡、裁剪、量化、镜像等操作
ImagePath 存储和操作二维向量数据
ImageSequence 为图像序列中每一帧提供了迭代器
ImageStat 计算一张图像或者一张图像的一个区域的全局统计值
ImageTk 创建和修改BitmapImagePhotoImage对象中的Tkinter
PSDraw Postscript打印机提供基本的打印支持

2 ImageFilter模块滤波处理

2.1 图片轮廓

  • 说明:将图像中的轮廓信息全部提取出来;
  • 方法:ImageFilter.CONTOUR
  • 示例:
from PIL import Image, ImageFilter


class TestImage():
    def __init__(self):
        super(TestImage, self).__init__()
        self.img = Image.open("./image06.jpg")
        # self.img.show()

    # 图片轮廓
    def test_contur(self):
        self.contur = self.img.filter(ImageFilter.CONTOUR)
        # self.contur.show()
        self.contur.save("image06_contur.jpg")

if __name__ == "__main__":
    image = TestImage()
    image.test_contur()
  • 显示效果:
    在这里插入图片描述

2.2 浮雕效果

  • 说明:使图像呈现出浮雕效果;
  • 方法:ImageFilter.EMBOSS
  • 示例:
# 浮雕效果
def test_emboss(self):
    self.emboss = self.img.filter(ImageFilter.EMBOSS)
    # self.emboss.show()
    self.emboss.save("image07_emboss.jpg")
  • 显示效果:
    在这里插入图片描述

2.3 边缘增强

  • 说明:会使得图像中边缘部分更加明显;
  • 方法:ImageFilter.EDGE_ENHANCE_MORE
  • 示例:
 def test_enhance_m(self):
        self.enhance = self.img.filter(ImageFilter.EDGE_ENHANCE_MORE)
        # self.enhance.show()
        self.enhance.save("image08_enhance.jpg")
  • 显示效果:
    在这里插入图片描述

    2.4 图片模糊

  • 说明:使得处理后的图片变得模糊;
  • 方法:ImageFilter.BLUR
  • 示例:
 def test_blur(self):
        self.blur = self.img.filter(ImageFilter.BLUR)
        # self.blur.show()
        self.blur.save("image09_blur.jpg")
  • 显示效果:
    在这里插入图片描述

    2.5 细节增强

  • 说明:使图像中细节更加明显;
  • 方法:ImageFilter.DETAIL
  • 示例:
    def test_detail(self):
        self.detail = self.img.filter(ImageFilter.DETAIL)
        self.detail.save("image10_detail.jpg")
  • 显示效果:
    在这里插入图片描述

2.6 不同灰度边缘增强

  • 说明:加强和改善图像中不同灰度区域之间的边界和轮廓;
  • 方法:ImageFilter.EDGE_ENHANCE
  • 示例:
   def test_enhance(self):
        self.enhance01 = self.img.filter(ImageFilter.EDGE_ENHANCE)
        self.enhance01.save("image11_enhance01.jpg")
  • 显示效果:
    在这里插入图片描述

    2.7 寻找边缘信息

  • 说明:找出图像中的边缘信息;
  • 方法:ImageFilter.FIND_EDGES
  • 示例:
    def test_find_edges(self):
        self.find_edges = self.img.filter(ImageFilter.FIND_EDGES)
        self.find_edges.save("image12_find_edges.jpg")
  • 显示效果:
    在这里插入图片描述

    2.8 平滑处理

  • 说明:使图像亮度平缓渐变,减小突变梯度;
  • 方法:ImageFilter.SMOOTH
  • 示例:
  def test_smooth(self):
        self.smooth = self.img.filter(ImageFilter.SMOOTH)
        self.smooth.save("image13_smooth.jpg")
  • 显示效果:
    在这里插入图片描述

    2.9 深度平滑处理

  • 说明:使图像更加平滑;
  • 方法:ImageFilter.SMOOTH_MORE
  • 示例:
   def test_smooth_m(self):
        self.smooth_m = self.img.filter(ImageFilter.SMOOTH_MORE)
        self.smooth_m.save("image14_smooth_m.jpg")
  • 显示效果:
    在这里插入图片描述

    2.10 锐化处理

  • 说明:补偿图像的轮廓;
  • 方法:ImageFilter.SHARPEN
  • 示例:
   def test_sharpen(self):
        self.sharpen = self.img.filter(ImageFilter.SHARPEN)
        self.sharpen.save("image15_sharpen.jpg")
  • 显示效果:
    在这里插入图片描述

    3 完整源码

# -*- coding:utf-8 -*-
# 作者:虫无涯
# 日期:2023/11/20 
# 文件名称:test_pil.py
# 作用:图片效果处理
# 联系:VX(NoamaNelson)
# 博客:https://blog.csdn.net/NoamaNelson

from PIL import Image, ImageFilter


class TestImage():
    def __init__(self):
        super(TestImage, self).__init__()
        self.img = Image.open("./image06.jpg")
        # self.img.show()

    # 图片轮廓
    def test_contur(self):
        self.contur = self.img.filter(ImageFilter.CONTOUR)
        # self.contur.show()
        self.contur.save("image06_contur.jpg")

    # 浮雕效果
    def test_emboss(self):
        self.emboss = self.img.filter(ImageFilter.EMBOSS)
        # self.emboss.show()
        self.emboss.save("image07_emboss.jpg")

    # 边界增强
    def test_enhance_m(self):
        self.enhance = self.img.filter(ImageFilter.EDGE_ENHANCE_MORE)
        # self.enhance.show()
        self.enhance.save("image08_enhance.jpg")

    # 图片模糊
    def test_blur(self):
        self.blur = self.img.filter(ImageFilter.BLUR)
        # self.blur.show()
        self.blur.save("image09_blur.jpg")

    # 细节增强
    def test_detail(self):
        self.detail = self.img.filter(ImageFilter.DETAIL)
        self.detail.save("image10_detail.jpg")

    # 不同灰度边缘增强
    def test_enhance(self):
        self.enhance01 = self.img.filter(ImageFilter.EDGE_ENHANCE)
        self.enhance01.save("image11_enhance01.jpg")

    # 找出图像中的边缘信息
    def test_find_edges(self):
        self.find_edges = self.img.filter(ImageFilter.FIND_EDGES)
        self.find_edges.save("image12_find_edges.jpg")

    # 平滑处理
    def test_smooth(self):
        self.smooth = self.img.filter(ImageFilter.SMOOTH)
        self.smooth.save("image13_smooth.jpg")

    # 深度平滑处理
    def test_smooth_m(self):
        self.smooth_m = self.img.filter(ImageFilter.SMOOTH_MORE)
        self.smooth_m.save("image14_smooth_m.jpg")

    # 锐化处理
    def test_sharpen(self):
        self.sharpen = self.img.filter(ImageFilter.SHARPEN)
        self.sharpen.save("image15_sharpen.jpg")

if __name__ == "__main__":
    image = TestImage()
    # image.test_contur()
    # image.test_emboss()
    # image.test_enhance_m()
    # image.test_blur()
    # image.test_detail()
    # image.test_find_edges()
    # image.test_smooth()
    # image.test_smooth_m()
    image.test_sharpen()
目录
相关文章
|
机器学习/深度学习 数据采集 算法
利用深度学习优化图像识别准确性的策略与挑战
在计算机视觉领域,图像识别的准确性直接关系到技术的实用性和可靠性。本文旨在探讨通过深度学习技术提升图像识别系统性能的有效策略,并分析当前面临的主要技术和实践挑战。文中首先回顾了深度学习在图像识别中的应用进展,然后详细介绍了数据预处理、网络结构优化、迁移学习等关键技术点。最后,文章讨论了数据集偏差、计算资源限制以及模型泛化能力等挑战,并提出可能的解决方案。本研究为图像识别技术的发展提供参考,同时对实现更高效、准确的图像处理系统具有重要指导意义。
|
Python
matplotlib绘制箱形图之基本配置——万能模板案例(一)
matplotlib绘制箱形图之基本配置——万能模板案例
1633 0
matplotlib绘制箱形图之基本配置——万能模板案例(一)
|
9月前
|
人工智能 自然语言处理 JavaScript
鸿蒙 Next 对接 AI API 实现文字对话功能指南
本指南介绍如何在鸿蒙 Next 系统中对接 AI API,实现文字对话功能。首先通过 DevEco Studio 创建项目并配置网络权限,选择合适的 AI 服务(如华为云或百度文心一言)。接着,使用 Node.js 转发请求,完成客户端与服务器端代码编写。最后进行功能测试与优化,确保多轮对话顺畅、性能稳定。此过程需严格遵循开发规范,充分利用系统资源,为用户提供智能化交互体验。
414 0
|
编解码 Python
pandas - read_csv报错:‘utf-8‘/‘gbk‘ codec can‘t decode byte 0xb1 in position 0:invalid start byte
pandas - read_csv报错:‘utf-8‘/‘gbk‘ codec can‘t decode byte 0xb1 in position 0:invalid start byte
966 0
|
Java 关系型数据库 MySQL
如何将Spring Boot + MySQL应用程序部署到Pivotal Cloud Foundry (PCF)
如何将Spring Boot + MySQL应用程序部署到Pivotal Cloud Foundry (PCF)
195 5
|
消息中间件 Kafka 程序员
彻底搞懂Kafka生产消费流程,这篇文章就够了!
```markdown 🚀 Kafka 生产消费流程揭秘:Producer 创建守护线程Sender,消息经拦截器→序列化器→分区器→缓冲区。批量发送基于batch.size或linger.ms条件。acks参数控制可靠性,从0(最快但不可靠)到all(最可靠)。消息重试和元数据返回确保不丢失。关注“软件求生”公众号,探索更多技术! ```
642 1
|
关系型数据库 MySQL Serverless
RDS MySQL Serverless
阿里云新推出RDS MySQL Serverless,提供实时弹性资源,按需设置范围,自动适应负载变化,实现资源优化与成本降低。用户可通过控制台或API轻松创建实例,无缝应对低负载至高负载场景,实现自动弹性扩缩容。该服务适合各种云数据库应用场景,兼具成本优化和高灵活性。【2月更文挑战第29天】
547 1
|
Linux Go iOS开发
安装 Wails
安装 Wails
495 0
|
存储 缓存 监控
分布式监控CAT服务端的本地部署
CAT(Central Application Tracking),是美团点评基于 Java 开发的一套开源的分布式实时监控系统。美团点评基础架构部希望在基础存储、高性能通信、大规模在线访问、服务治理、实时监控、容器化及集群智能调度等领域提供业界领先的、统一的解决方案,CAT 目前在美团点评的产品定位是应用层的统一监控组件,在中间件(RPC、数据库、缓存、MQ 等)框架中得到广泛应用,为各业务线提供系统的性能指标、健康状况、实时告警等服务。
1023 0
分布式监控CAT服务端的本地部署
|
Java
SpringBoot整合AOP整合aspectj实现面向切面编程实现参数接收和请求时间打印
SpringBoot整合AOP整合aspectj实现面向切面编程实现参数接收和请求时间打印
199 0