這篇文章主要介紹了Python圖像濾波處理操作,結合實例形式分析了Python基於ImageFilter類實現的濾波處理相關操作技巧,需要的朋友可以參考下
本文實例講述了Python圖像濾波處理操作。分享給大家供大家參考，具體如下：
在圖像處理中，經常需要對圖像進行平滑、銳化、邊界增強等濾波處理。在使用PIL圖像處理庫時，我們通過Image類中的成員函數filter()來調用濾波函數對圖像進行濾波，而濾波函數則通過ImageFilter類來定義的。
下面先直接看一個樣例：
#-*- coding: UTF-8 -*-
from PIL import Image
from PIL import ImageFilter
def image_filters_test():
im = Image.open("lena.jpg")
#預定義的圖像增強濾波器
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類中預定義瞭如下濾波方法：
• BLUR：模糊濾波
• CONTOUR：輪廓濾波
• DETAIL：細節濾波
• EDGE_ENHANCE：邊界增強濾波
• EDGE_ENHANCE_MORE：邊界增強濾波（程度更深）
• EMBOSS：浮雕濾波
• FIND_EDGES：尋找邊界濾波
• SMOOTH：平滑濾波
• SMOOTH_MORE：平滑濾波（程度更深）
• SHARPEN：銳化濾波
• GaussianBlur(radius=2)：高斯模糊
>radius指定平滑半徑。
• UnsharpMask(radius=2, percent=150, threshold=3)：反銳化掩碼濾波
>radius指定模糊半徑；
>percent指定反銳化強度（百分比）;
>threshold控制被銳化的最小亮度變化。
• Kernel(size, kernel, scale=None, offset=0)：核濾波
當前版本只支持核大小爲3x3和5x5的核大小，且圖像格式爲“L”和“RGB”的圖像。
>size指定核大小（width, height）；
>kernel指定核權值的序列；
>scale指定縮放因子；
>offset指定偏移量，如果使用，則將該值加到縮放後的結果上。
• RankFilter(size, rank)：排序濾波
>size指定濾波核的大小；
>rank指定選取排在第rank位的像素，若大小爲0，則爲最小值濾波；若大小爲size * size / 2則爲中值濾波；若大小爲size * size - 1則爲最大值濾波。
• MedianFilter(size=3)：中值濾波
>size指定核的大小
• MinFilter(size=3)：最小值濾波器
>size指定核的大小
• MaxFilter(size=3)：最大值濾波器
>size指定核的大小
• ModeFilter(size=3)：波形濾波器
選取核內出現頻次最高的像素值作爲該點像素值，僅出現一次或兩次的像素將被忽略，若沒有像素出現兩次以上，則保留原像素值。
>size指定核的大小
原圖lena.jpg如下：
上例的濾波處理結果如下：
更多關於Python相關內容可查看本站專題：《Python數學運算技巧總結》、《Python圖片操作技巧總結》、《Python數據結構與算法教程》、《Python函數使用技巧總結》、《Python字符串操作技巧彙總》及《Python入門與進階經典教程》
希望本文所述對大家Python程序設計有所幫助。