纯Python综合图像处理小工具(3)10种滤镜算法

时间:2022-02-12 15:55:08

<背景> 

滤镜处理是图像处理中一种非常常见的方法。比如photoshop中的滤镜效果,除了自带的滤镜,还扩展了很多第三方的滤镜效果插件,可以对图像做丰富多样的变换;很多手机app实现了实时滤镜功能,最有名的当属Instagram。

PIL中主要涉及到卷积滤镜,其原理是针对数字图像的像素矩阵,使用一个nxn的方形矩阵做滤波器(即卷积核kernel,常见的如3x3,5x5等),对该图像像素进行卷积遍历(即截取和卷积核同等大小的像素矩阵进行卷积运算),每一个输出像素都是一定区域像素按一定权重组合计算出的结果(像素不独立,受到邻近像素的影响,邻近像素区域可以调整,选取范围越大,计算量越大,图像处理时间越长),遍历后的图像就是输出图像。如果算法经过优化,遍历的速度足够快,那就是实时滤镜(live filter),可以实时预览图像过滤后的效果。

ImageFilter是Python PIL的滤镜模块,当前版本支持10种加强滤镜,通过这些预定义的滤镜,可以方便的对图片进行一些过滤操作,从而去掉图片中的噪音(部分的消除),这样可以降低图像处理算法的复杂度(如模式识别等),更方便的实现和预览一些算法的效果。

本文脚本包含以下全部滤镜, 实现了10种图像处理滤镜的效果预览和JPEG文件保存。

ImageFilter.BLUR

模糊滤镜
ImageFilter.CONTOUR 轮廓
ImageFilter.DETAIL 细节滤镜
ImageFilter.EDGE_ENHANCE 边界加强
ImageFilter.EDGE_ENHANCE_MORE 边界加强(阀值更 大)
ImageFilter.EMBOSS 浮雕滤镜
ImageFilter.FIND_EDGES 边界滤镜
ImageFilter.SMOOTH 平滑滤镜
ImageFilter.SMOOTH_MORE 平滑滤镜(阀值更大)
ImageFilter.SHARPEN 锐化滤镜

<效果>

原图:

纯Python综合图像处理小工具(3)10种滤镜算法

模糊滤镜:

纯Python综合图像处理小工具(3)10种滤镜算法

锐度增强滤镜:

纯Python综合图像处理小工具(3)10种滤镜算法

细节滤镜:

纯Python综合图像处理小工具(3)10种滤镜算法

轮廓滤镜:

纯Python综合图像处理小工具(3)10种滤镜算法

边界提取滤镜:

纯Python综合图像处理小工具(3)10种滤镜算法

边界增强滤镜:

纯Python综合图像处理小工具(3)10种滤镜算法

边界增强滤镜-加强版:

纯Python综合图像处理小工具(3)10种滤镜算法

平滑滤镜:

纯Python综合图像处理小工具(3)10种滤镜算法

平滑滤镜-加强版:

纯Python综合图像处理小工具(3)10种滤镜算法

浮雕滤镜:

纯Python综合图像处理小工具(3)10种滤镜算法

<源码分析>

PIL库的滤镜算法可以在Python\Lib\site-packages\PIL路径下找到,如下所示:

纯Python综合图像处理小工具(3)10种滤镜算法

在PIL路径下,我们看到了三个同名但后缀不同的文件:ImageFilter.py ,ImageFilter.pyc ,ImageFilter.pyo 。

.py文件:存放的是脚本源代码;

.pyc文件 :是同名的.py编译后的字节码文件,用来供解释器解释执行;

.pyo文件 :是同名的.pyc文件经过优化后的字节码文件,通常体积更小,运行更快。

滤镜算法在ImageFilter.py文件中。

如前文所述,每一个滤镜通常对应着一个滤波器(即kernel),PIL中的kernel均为常见的3x3和5x5方形矩阵,下面是PIL中9种滤镜对应的矩阵:

模糊滤镜:

class BLUR(BuiltinFilter):

    name = "Blur"

    filterargs = (5, 5), 16, 0, (

        1,  1,  1,  1,  1,

        1,  0,  0,  0,  1,

        1,  0,  0,  0,  1,

        1,  0,  0,  0,  1,

        1,  1,  1,  1,  1

        )
        

轮廓滤镜:

class CONTOUR(BuiltinFilter):

    name = "Contour"

    filterargs = (3, 3), 1, 255, (

        -1, -1, -1,

        -1,  8, -1,

        -1, -1, -1

        )

细节滤镜:

class DETAIL(BuiltinFilter):

    name = "Detail"

    filterargs = (3, 3), 6, 0, (

        0, -1,  0,

        -1, 10, -1,

        0, -1,  0

        )

边缘增强滤镜:

class EDGE_ENHANCE(BuiltinFilter):

    name = "Edge-enhance"

    filterargs = (3, 3), 2, 0, (

        -1, -1, -1,

        -1, 10, -1,

        -1, -1, -1

        )

边缘增强滤镜-增强版:

该增强版和原滤镜仅仅是矩阵2行2列的一个参数大小不同,实际是修改了中心像素的权重。这个数值可以任意修改以自定义边缘增强的幅度。

class EDGE_ENHANCE_MORE(BuiltinFilter):

    name = "Edge-enhance More"

    filterargs = (3, 3), 1, 0, (

        -1, -1, -1,

        -1,  9, -1,

        -1, -1, -1

        )

浮雕滤镜

class EMBOSS(BuiltinFilter):

    name = "Emboss"

    filterargs = (3, 3), 1, 128, (

        -1,  0,  0,

        0,  1,  0,

        0,  0,  0

        )

边缘提取滤镜:

class FIND_EDGES(BuiltinFilter):

    name = "Find Edges"

    filterargs = (3, 3), 1, 0, (

        -1, -1, -1,

        -1,  8, -1,

        -1, -1, -1

        )

平滑滤镜:

class SMOOTH(BuiltinFilter):

    name = "Smooth"

    filterargs = (3, 3), 13, 0, (

        1,  1,  1,

        1,  5,  1,

        1,  1,  1

        ) 

平滑滤镜-加强版:

平滑滤镜的加强是增加了滤镜窗口的尺寸,有3x3扩展到5x5, 这样每一个新像素的产生会包含25个周围原始像素的加权贡献(离得越近,贡献越大),这样的结果会更加平滑自然,代价是处理速度会明显的变慢。

class SMOOTH_MORE(BuiltinFilter):

    name = "Smooth More"

    filterargs = (5, 5), 100, 0, (

        1,  1,  1,  1,  1,

        1,  5,  5,  5,  1,

        1,  5, 44,  5,  1,

        1,  5,  5,  5,  1,

        1,  1,  1,  1,  1

        )

锐化滤镜:

class SHARPEN(BuiltinFilter):

    name = "Sharpen"

    filterargs = (3, 3), 16, 0, (

        -2, -2, -2,

        -2, 32, -2,

        -2, -2, -2

        )

此外,这些滤镜不仅可以独立使用,还可以*组合,比如边缘提取+平滑滤镜,可以得到更加干净的边缘提取图像等等,此处不一一列举。

左图为原始边界提取图,右侧为平滑后的边界图。

纯Python综合图像处理小工具(3)10种滤镜算法

<脚本源码> 

#start
# -*- coding: cp936 -*-
import Image,ImageDraw
import ImageFilter,random,sys
img = Image.open("1.jpg") ##图像处理##
#转换为RGB图像
img = img.convert("RGB")               #经过PIL自带filter处理
imgfilted_b = img.filter(ImageFilter.BLUR)
imgfilted_c = img.filter(ImageFilter.CONTOUR)
imgfilted_ee = img.filter(ImageFilter.EDGE_ENHANCE)
imgfilted_ee_m = img.filter(ImageFilter.EDGE_ENHANCE_MORE)
imgfilted_em = img.filter(ImageFilter.EMBOSS)                    
imgfilted_fe = img.filter(ImageFilter.FIND_EDGES)                                                
imgfilted_sm = img.filter(ImageFilter.SMOOTH)
imgfilted_sm_m = img.filter(ImageFilter.SMOOTH_MORE)
imgfilted_sh = img.filter(ImageFilter.SHARPEN)
imgfilted_d = img.filter(ImageFilter.DETAIL) ##组合使用filter
group_imgfilted = img.filter(ImageFilter.CONTOUR)
group_imgfilted = group_imgfilted.filter(ImageFilter.SMOOTH_MORE) ##图像保存##
imgfilted_b.save("1b.jpg")
imgfilted_c.save("1c.jpg")
imgfilted_ee.save("1ee.jpg")
imgfilted_ee_m.save("1eem.jpg")
imgfilted_em.save("1em.jpg")
imgfilted_fe.save("1fe.jpg")                                
imgfilted_sm.save("1sm.jpg")
imgfilted_sm_m.save("1smm.jpg")
imgfilted_sh.save("1sh.jpg")
imgfilted_d.save("1d.jpg")
group_imgfilted.save("1group.jpg") ##图像显示##
imgfilted_b.show()
imgfilted_c.show()
imgfilted_ee.show()
imgfilted_ee_m.show()
imgfilted_em.show()
imgfilted_fe.show()                                
imgfilted_sm.show()
imgfilted_sm_m.show()
imgfilted_sh.show()
imgfilted_d.show()
group_imgfilted.show()
#end