本文实例讲述了python图像滤波处理操作。分享给大家供大家参考，具体如下：
在图像处理中，经常需要对图像进行平滑、锐化、边界增强等滤波处理。在使用pil图像处理库时，我们通过image类中的成员函数filter()来调用滤波函数对图像进行滤波，而滤波函数则通过imagefilter类来定义的。
下面先直接看一个样例：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
#-*- coding: utf-8 -*-from pil import imagefrom pil import imagefilterdef image_filters_test(): im = image.open("lena.jpg") #预定义的图像增强滤波器 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() returnimage_filters_test() |
imagefilter类中预定义了如下滤波方法：
• blur：模糊滤波
• contour：轮廓滤波
• detail：细节滤波
• edge_enhance：边界增强滤波
• edge_enhance_more：边界增强滤波（程度更深）
• emboss：浮雕滤波
• find_edges：寻找边界滤波
• smooth：平滑滤波
• smooth_more：平滑滤波（程度更深）
• sharpen：锐化滤波
• gaussianblur(radius=2)：高斯模糊
>radius指定平滑半径。
• unsharpmask(radius=2, percent=150, threshold=3)：反锐化掩码滤波
>radius指定模糊半径；
>percent指定反锐化强度（百分比）;
>threshold控制被锐化的最小亮度变化。
• kernel(size, kernel, scale=none, offset=0)：核滤波
当前版本只支持核大小为3x3和5x5的核大小，且图像格式为“l”和“rgb”的图像。
>size指定核大小（width, height）；
>kernel指定核权值的序列；
>scale指定缩放因子；
>offset指定偏移量，如果使用，则将该值加到缩放后的结果上。
• rankfilter(size, rank)：排序滤波
>size指定滤波核的大小；
>rank指定选取排在第rank位的像素，若大小为0，则为最小值滤波；若大小为size * size / 2则为中值滤波；若大小为size * size - 1则为最大值滤波。
• medianfilter(size=3)：中值滤波
>size指定核的大小
• minfilter(size=3)：最小值滤波器
>size指定核的大小
• maxfilter(size=3)：最大值滤波器
>size指定核的大小
• modefilter(size=3)：波形滤波器
选取核内出现频次最高的像素值作为该点像素值，仅出现一次或两次的像素将被忽略，若没有像素出现两次以上，则保留原像素值。
>size指定核的大小
原图lena.jpg如下：
上例的滤波处理结果如下：
希望本文所述对大家python程序设计有所帮助。
原文链接：https://blog.csdn.net/guduruyu/article/details/71404941
