这篇“python Pillow怎么处理图像颜色”文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇“python Pillow怎么处理图像颜色”文章吧。
由于成像设备、传输媒介等因素的影响,图像总会或多或少的存在一些不必要的干扰信息,我们将这些干扰信息统称为“噪声”
如数字图像中常见的“椒盐噪声”,指的是图像会随机出现的一些白、黑色的像素点。图像噪声既影响了图像的质量,又妨碍人们的视觉观赏。因此,噪声处理是图像处理过程中必不可少的环节之一,我们把处理图像噪声的过程称为“图像降噪”。
随着数字图像技术的不断发展,图像降噪方法也日趋成熟,通过某些算法来构造滤波器是图像降噪的主要方式。滤波器能够有效抑制噪声的产生,并且不影响被处理图像的形状、大小以及原有的拓扑结构。
Pillow 通过 ImageFilter 类达到图像降噪的目的,该类中集成了不同种类的滤波器,通过调用它们从而实现图像的平滑、锐化、边界增强等图像降噪操作。
使用 ImageFilter 类也会返回一个新对象
常见的降噪滤波器如下
{% asset_img 66.png This is an image %}
from PIL import Image, ImageFilter img = Image.open("D:\File\All\web\python\blog\947849.jpg") img1 = img.filter(ImageFilter.BLUR) img1.show()
from PIL import Image, ImageFilter img = Image.open("D:\File\All\web\python\blog\947849.jpg") img1 = img.filter(ImageFilter.CONTOUR) img1.show()
from PIL import Image, ImageFilter img = Image.open("D:\File\All\web\python\blog\947849.jpg") img1 = img.filter(ImageFilter.FIND_EDGES) img1.show()
from PIL import Image, ImageFilter img = Image.open("D:\File\All\web\python\blog\947849.jpg") img1 = img.filter(ImageFilter.EMBOSS) img1.show()
可以一个一个试试里面的不同的滤波器,还是挺好玩的 ,这里面这个轮廓图加上界面的话可以弄一个画素描的程序出来,但是一般都是用opencv里面的玩
Pillow 提供了颜色处理模块 ImageColor,该模块支持不同格式的颜色,比如 RGB 格式的颜色三元组、十六进制的颜色名称(#ff0000)以及颜色英文单词("red")。同时,它还可以将 CSS(层叠样式表,用来修饰网页)风格的颜色转换为 RGB 格式。
注意,在 ImageColor 模块对颜色的大小写并不敏感,比如 "Red" 也可以写为 " red"。
ImageColor 支持多种颜色模式的的命名(即使用固定的格式对颜值进行表示),比如我们熟知的 RGB 色彩模式,除此之外,还有 HSL (色调-饱和度-明度)、HSB (又称 HSV,色调-饱和度-亮度)色彩模式。
HSL:
H:即 Hue 色调,取值范围 0 -360,其中 0 表示“red”,120 表示 “green”,240 表示“blue”;
S:即 Saturation 饱和度,代表色彩的纯度,取值 0~100%,其中 0 代表灰色(gry),100% 表示色光最饱和;
L:即 Lightness 明度,取值为 0~100%,其中 0 表示“black”黑色,50% 表示正常颜色,100% 则表示白色。
getrgb()方法顾名思义,该函数用来得到颜色的 RGB 值,语法格式如下:
PIL.ImageColor.getrgb(color)
from PIL import Image,ImageColor color1=ImageColor.getrgb("blue") print(color1) color2=ImageColor.getrgb('#DCDCDC') print(color2) color3=ImageColor.getrgb('HSL(0,100%,50%)') print(color3)
以上就是关于“python Pillow怎么处理图像颜色”这篇文章的内容,相信大家都有了一定的了解,希望小编分享的内容对大家有帮助,若想了解更多相关的知识内容,请关注亿速云行业资讯频道。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。