Python圖像處理之Pillow--ImageFilter

應老師的的要求,試用pillow把圖像的邊緣提取出來,其實就是簡單的圖片過濾(說的那么神乎)

ImageFilter:Python中的圖像濾波户魏,主要對圖像進行平滑、銳化挪挤、邊界增強等濾波處理叼丑。

過濾器,說直白一點,就是去除一些無用的信息,把那些有價值、重要的數(shù)據(jù)信息保留下來.

首先,安裝Pillow,在虛擬環(huán)境中輸入命令pip install Pillow

接下來,開始操作圖像

pillow中有個module——ImageFilter扛门,就叫圖片過濾器鸠信,里面現(xiàn)成的圖片加強過濾器有這么幾個:

BLUR? 模糊

CONTOUR? 輪廓

DETAIL? 細節(jié)

EDGE_ENHANCE? 邊緣強化

EMBOSS? ?浮雕

FIND_EDGES? 邊緣突出

SHARPEN? 銳化(至于銳化的效果,這幅圖不明顯论寨,不過線條是略有清晰的星立,和DETAIL差不多)

SMOOTH? 平滑(效果會把你的圖片往一個中間值拉,讓整張圖看起來沒那么突出葬凳,或者說更模糊绰垂?)

SHARPEN(GaussianBlur(高斯模糊)、UnsharpMask(反銳化掩碼濾波)火焰、Kerne(卷積核濾波)劲装、RankFilter(排序濾波)、MedianFilter(最小值濾波器)昌简、MinFilter(中值濾波)占业、MaxFilter(最大值濾波)、ModeFilter(模式濾波))

代碼:

from PIL import Image

from PIL import ImageFilter

im = Image.open('Unknown.jpg')

im1 = im.filter(ImageFilter.EMBOSS)

im1.save('find_edges.jpg')

im1.close()

效果展示

模糊:

輪廓:?

細節(jié):

邊緣強化:?

GaussianBlur:高斯模糊

?from PIL import Image, ImageFilter

im = Image.open('Unknown.jpg')

gbF = im.filter(ImageFilter.GaussianBlur(radius=10))

gbF.show()


UnsharpMask:反銳化掩碼濾波

from PIL import Image, ImageFilter

im = Image.open('Unknown.jpg')

umF = im.filter(ImageFilter.UnsharpMask(radius=2, percent=150, threshold=3))

umF.show()


①radius:模糊半徑

②percent:反銳化強度(百分比)

③threshold:被銳化的最小亮度


Kernel:卷積核濾波

from PIL import Image, ImageFilter

im = Image.open('Unknown.jpg')

kF = im.filter(ImageFilter.Kernel((3, 3), (1, 2, 2, 2, 0, 0, 1, 2, 2), scale=None, offset=10))

kF.show()

①size:核的大写渴辍(width, height)

②kernel:核權值序列如3*3的為(1, 2, 2, 2, 0, 0, 1, 2, 2)

③scale:縮放因子

④offset:偏移量(使用的話谦疾,則將該值加到縮放后的結(jié)果上)


RankFilter:排序濾波

對于輸入圖像的每個像素點,等級濾波器根據(jù)像素值犬金,在(size念恍,size)的區(qū)域中對所有像素點進行排序六剥,然后拷貝對應等級的值存儲到輸出圖像中

from PIL import Image, ImageFilter

im = Image.open('Unknown.jpg')

rfF = im.filter(ImageFilter.RankFilter(5, 8))

rfF.show()

①size:核的大小(width, height)

②rank:如例子樊诺,在每個像素點為中心的5x5區(qū)域25個像素點中選擇排序第8位的像素作為新的值


MinFilter:最小值濾波器

對于輸入圖像的每個像素點仗考,該濾波器從(size,size)的區(qū)域中拷貝最小的像素值存儲到輸出圖像中

from PIL import Image, ImageFilter

im = Image.open('Unknown.jpg')

minF = im.filter(ImageFilter.MinFilter(5))

minF.show()

①size:核的大写逝馈(size=N)


MedianFilter:中值濾波

對于輸入圖像的每個像素點秃嗜,該濾波器從(size,size)的區(qū)域中拷貝中值對應的像素值存儲到輸出圖像中

from PIL import Image, ImageFilter

im = Image.open('Unknown.jpg')

medF = im.filter(ImageFilter.MedianFilter(5))

medF.show()

①size:核的大卸倥颉(size=N)


MaxFilter:最大值濾波

對于輸入圖像的每個像素點锅锨,該濾波器從(size,size)的區(qū)域中拷貝最大的像素值存儲到輸出圖像中

from PIL import Image, ImageFilter

im = Image.open('Unknown.jpg')

maxF = im.filter(ImageFilter.MaxFilter(5))

maxF.show()

①size:核的大辛滴帧(size=N)


ModeFilter:模式濾波

對于輸入圖像的每個像素點必搞,該濾波器從(size,size)的區(qū)域中拷貝出現(xiàn)次數(shù)最多的像素值存儲到輸出圖像中囊咏。如果沒有一個像素值出現(xiàn)過兩次極其以上恕洲,則使用原始像素值。

from PIL import Image, ImageFilter

im = Image.open('Unknown.jpg')

modF = im.filter(ImageFilter.ModeFilter(5))

modF.show()

①size:核的大忻犯睢(size=N)


剩下的效果大家可以自己去試試.,我就不再一一為大家展示了.保留一些神秘性,哈哈哈···

?著作權歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末霜第,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子户辞,更是在濱河造成了極大的恐慌泌类,老刑警劉巖,帶你破解...
    沈念sama閱讀 222,681評論 6 517
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件底燎,死亡現(xiàn)場離奇詭異刃榨,居然都是意外死亡,警方通過查閱死者的電腦和手機双仍,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,205評論 3 399
  • 文/潘曉璐 我一進店門枢希,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人殊校,你說我怎么就攤上這事晴玖。” “怎么了为流?”我有些...
    開封第一講書人閱讀 169,421評論 0 362
  • 文/不壞的土叔 我叫張陵呕屎,是天一觀的道長。 經(jīng)常有香客問我敬察,道長秀睛,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 60,114評論 1 300
  • 正文 為了忘掉前任莲祸,我火速辦了婚禮蹂安,結(jié)果婚禮上椭迎,老公的妹妹穿的比我還像新娘。我一直安慰自己田盈,他們只是感情好畜号,可當我...
    茶點故事閱讀 69,116評論 6 398
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著允瞧,像睡著了一般简软。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上述暂,一...
    開封第一講書人閱讀 52,713評論 1 312
  • 那天痹升,我揣著相機與錄音,去河邊找鬼畦韭。 笑死疼蛾,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的艺配。 我是一名探鬼主播察郁,決...
    沈念sama閱讀 41,170評論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼转唉!你這毒婦竟也來了绳锅?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 40,116評論 0 277
  • 序言:老撾萬榮一對情侶失蹤酝掩,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后眷柔,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體期虾,經(jīng)...
    沈念sama閱讀 46,651評論 1 320
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,714評論 3 342
  • 正文 我和宋清朗相戀三年驯嘱,在試婚紗的時候發(fā)現(xiàn)自己被綠了镶苞。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 40,865評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡鞠评,死狀恐怖茂蚓,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情剃幌,我是刑警寧澤聋涨,帶...
    沈念sama閱讀 36,527評論 5 351
  • 正文 年R本政府宣布,位于F島的核電站负乡,受9級特大地震影響牍白,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜抖棘,卻給世界環(huán)境...
    茶點故事閱讀 42,211評論 3 336
  • 文/蒙蒙 一茂腥、第九天 我趴在偏房一處隱蔽的房頂上張望狸涌。 院中可真熱鬧,春花似錦最岗、人聲如沸帕胆。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,699評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽懒豹。三九已至,卻和暖如春诊杆,著一層夾襖步出監(jiān)牢的瞬間歼捐,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,814評論 1 274
  • 我被黑心中介騙來泰國打工晨汹, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留豹储,地道東北人。 一個月前我還...
    沈念sama閱讀 49,299評論 3 379
  • 正文 我出身青樓淘这,卻偏偏與公主長得像剥扣,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子铝穷,可洞房花燭夜當晚...
    茶點故事閱讀 45,870評論 2 361

推薦閱讀更多精彩內(nèi)容