Python Imaging Library (PIL) 全面指南：PIL基础入门-图像滤波与处理技术

原创已于 2025-08-29 09:20:30 修改 · 347 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#python #计算机视觉 #图像处理 #PIL #pillow

于 2025-08-29 08:46:30 首次发布

图像滤波

学习目标

通过本课程，学员将学习如何使用PIL（Python Imaging Library）中的滤波器来处理图像，包括模糊滤波、轮廓检测等。学员将能够理解滤波器的工作原理，并能够将这些技术应用到实际的图像处理项目中。

学习内容

1 图像滤波

1.1 模糊滤波

模糊滤波是一种常见的图像处理技术，用于减少图像中的细节，使图像看起来更加柔和。在PIL中，可以通过ImageFilter模块中的BLUR和GAUSSIAN_BLUR滤波器来实现这一效果。

模糊滤波的工作原理

模糊滤波通过在图像的每个像素上应用一个权重矩阵（也称为卷积核）来实现。这个矩阵决定了周围像素对当前像素的影响程度。例如，GAUSSIAN_BLUR滤波器使用高斯分布来计算权重，使得中心像素的影响最大，而周围像素的影响逐渐减小。

实践代码

下面的代码示例展示了如何使用PIL中的GAUSSIAN_BLUR滤波器来模糊一张图像：
下载数据

!wget https://model-community-picture.obs.cn-north-4.myhuaweicloud.com/ascend-zone/notebook_datasets/876bb7e62a4d11f080f1fa163edcddae/example.jpg

from PIL import Image, ImageFilter

# 打开图像
image = Image.open('example.jpg')

# 应用高斯模糊滤波器
blurred_image = image.filter(ImageFilter.GaussianBlur(radius=2))

# 保存处理后的图像
blurred_image.save('blurred_example.jpg')

# 显示原始图像和处理后的图像
image.show()
blurred_image.show()

在这个例子中，我们首先导入了PIL库中的Image和ImageFilter模块。然后，我们打开了一张名为example.jpg的图像，并使用GaussianBlur滤波器对其进行模糊处理。radius参数控制模糊的程度，值越大，模糊效果越明显。最后，我们将处理后的图像保存为blurred_example.jpg，并显示原始图像和处理后的图像。

1.2 轮廓检测

轮廓检测是一种用于提取图像中物体边缘的技术。在PIL中，可以通过ImageFilter模块中的FIND_EDGES滤波器来实现这一效果。

轮廓检测的工作原理

轮廓检测通过计算图像中像素值的梯度来实现。梯度大的地方通常对应于图像中的边缘。FIND_EDGES滤波器使用一个特定的卷积核来计算每个像素的梯度，从而突出图像中的边缘。

实践代码

下面的代码示例展示了如何使用PIL中的FIND_EDGES滤波器来检测图像中的轮廓：

from PIL import Image, ImageFilter

# 打开图像
image = Image.open('example.jpg')

# 应用边缘检测滤波器
edge_image = image.filter(ImageFilter.FIND_EDGES)

# 保存处理后的图像
edge_image.save('edge_example.jpg')

# 显示原始图像和处理后的图像
image.show()
edge_image.show()

在这个例子中，我们使用了FIND_EDGES滤波器来检测图像中的边缘。处理后的图像将突出显示图像中的轮廓，使得物体的边界更加明显。

1.3 自定义滤波器

除了PIL提供的标准滤波器外，还可以创建自定义滤波器来实现特定的图像处理效果。自定义滤波器通过定义一个卷积核来实现，这个卷积核决定了滤波器的行为。

自定义滤波器的工作原理

自定义滤波器通过在图像的每个像素上应用一个自定义的权重矩阵来实现。这个矩阵可以是任何形状和大小，具体取决于想要实现的效果。例如，可以创建一个锐化滤波器来增强图像的细节，或者创建一个模糊滤波器来减少图像的噪声。

实践代码

下面的代码示例展示了如何使用PIL中的Kernel类来创建一个自定义的锐化滤波器：

from PIL import Image, ImageFilter

# 定义一个3x3的锐化卷积核
kernel = ImageFilter.Kernel((3, 3), [0, -1, 0, -1, 5, -1, 0, -1, 0], scale=1)

# 打开图像
image = Image.open('example.jpg')

# 应用自定义锐化滤波器
sharpened_image = image.filter(kernel)

# 保存处理后的图像
sharpened_image.save('sharpened_example.jpg')

# 显示原始图像和处理后的图像
image.show()
sharpened_image.show()