本文实例讲述了python图像滤波处理操作。分享给大家供大家参考,具体如下:
在图像处理中,经常需要对图像进行平滑、锐化、边界增强等滤波处理。在使用pil图像处理库时,我们通过image类中的成员函数filter()
来调用滤波函数对图像进行滤波,而滤波函数则通过imagefilter类来定义的。
下面先直接看一个样例:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
#-*- coding: utf-8 -*-
from pil import image
from pil import imagefilter
def image_filters_test():
im = image. open ( "lena.jpg" )
#预定义的图像增强滤波器
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类中预定义了如下滤波方法:
• blur:模糊滤波
• contour:轮廓滤波
• detail:细节滤波
• edge_enhance:边界增强滤波
• edge_enhance_more:边界增强滤波(程度更深)
• emboss:浮雕滤波
• find_edges:寻找边界滤波
• smooth:平滑滤波
• smooth_more:平滑滤波(程度更深)
• sharpen:锐化滤波
• gaussianblur(radius=2):高斯模糊
>radius指定平滑半径。
• unsharpmask(radius=2, percent=150, threshold=3):反锐化掩码滤波
>radius指定模糊半径;
>percent指定反锐化强度(百分比);
>threshold控制被锐化的最小亮度变化。
• kernel(size, kernel, scale=none, offset=0):核滤波
当前版本只支持核大小为3x3和5x5的核大小,且图像格式为“l”和“rgb”的图像。
>size指定核大小(width, height);
>kernel指定核权值的序列;
>scale指定缩放因子;
>offset指定偏移量,如果使用,则将该值加到缩放后的结果上。
• rankfilter(size, rank):排序滤波
>size指定滤波核的大小;
>rank指定选取排在第rank位的像素,若大小为0,则为最小值滤波;若大小为size * size / 2则为中值滤波;若大小为size * size - 1则为最大值滤波。
• medianfilter(size=3):中值滤波
>size指定核的大小
• minfilter(size=3):最小值滤波器
>size指定核的大小
• maxfilter(size=3):最大值滤波器
>size指定核的大小
• modefilter(size=3):波形滤波器
选取核内出现频次最高的像素值作为该点像素值,仅出现一次或两次的像素将被忽略,若没有像素出现两次以上,则保留原像素值。
>size指定核的大小
原图lena.jpg如下:
上例的滤波处理结果如下:
希望本文所述对大家python程序设计有所帮助。
原文链接:https://blog.csdn.net/guduruyu/article/details/71404941