Python: 纯Python综合图像处理小工具（3）10种滤镜算法
June 2, 2015
<背景>
滤镜处理是图像处理中一种非常常见的方法。比如photoshop中的滤镜效果，除了自带的滤镜，还扩展了很多第三方的滤镜效果插件，可以对图像做丰富多样的变换；很多手机app实现了实时滤镜功能，最有名的当属Instagram。
滤镜的原理，常见的是针对数字图像的像素矩阵，使用一个nxn的方形矩阵做滤波器（即kernel，常见的如3×3，5×5等），对该像素矩阵进行遍历，遍历后的图像就是输出图像，如果算法经过优化，遍历的速度足够快，那就是实时滤镜（live filter），可以实时预览图像过滤后的效果。
ImageFilter是Python PIL的滤镜模块，当前版本支持10种加强滤镜，通过这些预定义的滤镜，可以方便的对图片进行一些过滤操作，从而去掉图片中的噪音(部分的消除)，这样可以降低图像处理算法的复杂度(如模式识别等)，更方便的实现和预览一些算法的效果。
本文脚本包含以下全部滤镜， 实现了九种图像处理滤镜的效果预览和JPEG文件保存。
|
ImageFilter.BLUR |
模糊滤镜 |
| ImageFilter.CONTOUR | |
| ImageFilter.DETAIL | 细节滤镜 |
| ImageFilter.EDGE_ENHANCE | 边界加强 |
| ImageFilter.EDGE_ENHANCE_MORE | 边界加强(阀值更 大) |
| ImageFilter.EMBOSS | 浮雕滤镜 |
| ImageFilter.FIND_EDGES | 边界滤镜 |
| ImageFilter.SMOOTH | 平滑滤镜 |
| ImageFilter.SMOOTH_MORE | 平滑滤镜(阀值更大) |
| ImageFilter.SHARPEN | 锐化滤镜 |
<效果>
原图：
模糊滤镜：
锐度增强滤镜：
细节滤镜：
轮廓滤镜：
边界提取滤镜：
边界增强滤镜：
边界增强滤镜-加强版：
平滑滤镜：
平滑滤镜-加强版：
浮雕滤镜：
<源码分析>
PIL库的滤镜算法可以在 PythonLibsite-packagesPIL路径下找到，如下所示：
在PIL路径下，我们看到了三个同名但后缀不同的文件：ImageFilter.py ImageFilter.pyc ImageFilter.pyo 。
.pyc文件：是同名的.py编译后的字节码文件，用来供解释器解释执行；
.pyo文件：是同名的.pyc文件经过优化后的字节码文件，通常体积更小，运行更快。
滤镜算法在ImageFilter.py文件中。
如前文所述，每一个滤镜通常对应着一个滤波器（即kernel），PIL中的kernel均为常见的3×3和5×5方形矩阵，下面是PIL中9种滤镜对应的矩阵：
模糊滤镜：
class BLUR(BuiltinFilter):
name = ” Blur >”
filterargs = (5, 5), 16, 0, (
1, 1, 1, 1, 1,
1, 0, 0, 0, 1,
1, 0, 0, 0, 1,
1, 0, 0, 0, 1,
1, 1, 1, 1, 1
)
轮廓滤镜：
class CONTOUR(BuiltinFilter):
name = ” Contour >”
filterargs = (3, 3), 1, 255, (
-1, -1, -1,
-1, 8, -1,
-1, -1, -1
)
细节滤镜：
class DETAIL(BuiltinFilter):
name = ” Detail >”
filterargs = (3, 3), 6, 0, (
0, -1, 0,
-1, 10, -1,
0, -1, 0
)
边缘增强滤镜：
class EDGE_ENHANCE(BuiltinFilter):
name = ” Edge-enhance >”
filterargs = (3, 3), 2, 0, (
-1, -1, -1,
-1, 10, -1,
-1, -1, -1
)
边缘增强滤镜-增强版：
该增强版和原滤镜仅仅是矩阵2行2列的一个参数大小不同，实际是修改了中心像素的权重。这个数值可以任意修改以自定义边缘增强的幅度。
class EDGE_ENHANCE_MORE(BuiltinFilter):
name = ” Edge-enhance More >”
filterargs = (3, 3), 1, 0, (
-1, -1, -1,
-1, 9, -1,
-1, -1, -1
)
浮雕滤镜
class EMBOSS(BuiltinFilter):
name = ” Emboss >”
filterargs = (3, 3), 1, 128, (
-1, 0, 0,
0, 1, 0,
0, 0, 0
)
边缘提取滤镜
class FIND_EDGES(BuiltinFilter):
name = ” Find Edges >”
filterargs = (3, 3), 1, 0, (
-1, -1, -1,
-1, 8, -1,
-1, -1, -1
)
平滑滤镜：
class SMOOTH(BuiltinFilter):
name = ” Smooth >”
filterargs = (3, 3), 13, 0, (
1, 1, 1,
1, 5, 1,
1, 1, 1
)
平滑滤镜-加强版：
平滑滤镜的加强是增加了滤镜窗口的尺寸，有3×3扩展到5×5， 这样每一个新像素的产生会包含25个周围原始像素的加权贡献（离得越近，贡献越大），这样的结果会更加平滑自然，代价是处理速度会明显的变慢。
class SMOOTH_MORE(BuiltinFilter):
name = ” Smooth More >”
filterargs = (5, 5), 100, 0, (
1, 1, 1, 1, 1,
1, 5, 5, 5, 1,
1, 5, 44, 5, 1,
1, 5, 5, 5, 1,
1, 1, 1, 1, 1
)
锐化滤镜：
class SHARPEN(BuiltinFilter):
name = ” Sharpen >”
filterargs = (3, 3), 16, 0, (
-2, -2, -2,
-2, 32, -2,
-2, -2, -2
)
<脚本源码>
# -*- coding: cp936 -*-
import Image,ImageDraw
import ImageFilter,random,sys
img = Image.open( ” 1.jpg >” )
# #图像处理##
# 转换为RGB图像
img = img.convert( ” RGB >” )
# 经过PIL自带filter处理
imgfilted_b = img.filter(ImageFilter.BLUR)
imgfilted_c = img.filter(ImageFilter.CONTOUR)
imgfilted_ee = img.filter(ImageFilter.EDGE_ENHANCE)
imgfilted_ee_m = img.filter(ImageFilter.EDGE_ENHANCE_MORE)
imgfilted_em = img.filter(ImageFilter.EMBOSS)
imgfilted_fe = img.filter(ImageFilter.FIND_EDGES)
imgfilted_sm = img.filter(ImageFilter.SMOOTH)
imgfilted_sm_m = img.filter(ImageFilter.SMOOTH_MORE)
imgfilted_sh = img.filter(ImageFilter.SHARPEN)
# 经过自定义filter处理
# #图像保存##
imgfilted_b.save( ” 1b.jpg >” )
imgfilted_c.save( ” 1c.jpg >” )
imgfilted_ee.save( ” 1ee.jpg >” )
imgfilted_ee_m.save( ” 1eem.jpg >” )
imgfilted_em.save( ” 1em.jpg >” )
imgfilted_fe.save( ” 1fe.jpg >” )
imgfilted_sm.save( ” 1sm.jpg >” )
imgfilted_sm_m.save( ” 1smm.jpg >” )
imgfilted_sh.save( ” 1sh.jpg >” )
# #图像显示##
imgfilted_b.show()
imgfilted_c.show()
imgfilted_ee.show()
imgfilted_ee_m.show()
imgfilted_em.show()
imgfilted_fe.show()
imgfilted_sm.show()
imgfilted_sm_m.show()
imgfilted_sh.show()
0 Comments