本文介绍了Python图像滤波处理的操作实例。 共享仅供参考。 具体如下。
在图像处理中，往往需要平滑、锐化、边界增强等滤波处理。 使用PIL图像处理库时，请从Image类的成员函数filter ()中调用过滤函数来过滤图像。 过滤器函数是在ImageFilter类中定义的。
我们先看看样品吧。
#-* -编码： utf-8-* -
来自pil import image
来自pil import image filter
def image_filters_test () :
im=image.open(Lena.jpg ) )。
#预定义的图像增强过滤器
im _ blur=im.filter (image filter.blur ) )。
im _ contour=im.filter (image filter.contour ) )。
im _ min=im.filter (image filter.min filter (3) )
im.show ()。
im_blur.show (
im_contour.show (
im_min.show (
返回
image_filters_test (
ImageFilter类预定义了以下过滤方法：
• BLUR :模糊滤波
• CONTOUR :轮廓过滤
详细信息：详细过滤
• EDGE_ENHANCE :边界增强过滤
• EDGE_ENHANCE_MORE :边界增强滤波(更深层次) ) )
• EMBOSS :浮雕过滤
• FIND_EDGES :查找边界过滤
• SMOOTH :平滑滤波器
• SMOOTH_MORE :平滑滤波(更深) ) )。
• SHARPEN :锐化过滤器
Gussianblur(radius=2) :高斯模糊
radius指定平滑半径。
Unsharpmask(radius=2，percent=150，threshold=3) :反锐化蒙版滤镜
指定radius模糊半径；
以百分比指定百分比模糊度的强度。
threshold控制锐化的最小亮度变化。
Kernel(size，kernel，scale=None，offset=0) :内核过滤器
当前版本仅支持核心大小为33和55且图像格式为“l”和“RGB”的图像。
size指定核大小(width，height )；
kernel指定核权重的顺序；
指定比例因子；
offset指定偏移，如果使用，则将该值与缩放结果相加。
rank过滤器(size，rank ) :排序过滤器
size指定滤波器芯的尺寸；
rank指定选择rank比特的像素，如果大小为0，则选择最小值滤波； 如果大小为size * size/2，则为中值滤波器； 如果大小为size * size1，则进行最大值滤波。
中值过滤器(size=3) :中值过滤器
size指定核的大小
最小过滤器(size=3) :最小值过滤器
size指定核的大小
最大过滤器(size=3) :最大值过滤器