PIL中ImageFilter模块几种图片滤波处理和使用方法

2023-11-20 18:32:37 浏览数 (3)

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:
代码语言:python代码运行次数:0复制
pip install Pillow
在这里插入图片描述在这里插入图片描述

1.2 常见PIL子库或类

  • 目录在:
代码语言:python代码运行次数:0复制
Python37Libsite-packagesPIL
  • 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:
代码语言:python代码运行次数:0复制
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:
代码语言:python代码运行次数:0复制
# 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:
代码语言:python代码运行次数:0复制
 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:
代码语言:python代码运行次数:0复制
 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:
代码语言:python代码运行次数:0复制
    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:
代码语言:python代码运行次数:0复制
   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:
代码语言:python代码运行次数:0复制
    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:
代码语言:python代码运行次数:0复制
  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:
代码语言:python代码运行次数:0复制
   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:
代码语言:python代码运行次数:0复制
   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在这里插入图片描述

3 完整源码

代码语言:python代码运行次数:0复制
# -*- 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


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()

我正在参与2023腾讯技术创作特训营第三期有奖征文,组队打卡瓜分大奖!

0 人点赞