PIL in Python von leicht bis schwer

Um zu den komplexen Verarbeitungsalgorithmen zu gelangen, lohnt es sich, Standardschemata zu analysieren, mit denen ich beginnen möchte.

Für Verarbeitungsbeispiele wird ein Bild mit verschiedenen Farbsätzen verwendet:



Zu Beginn benötigen wir zwei Bibliotheksmodule:

from PIL import Image, ImageDraw 

Richten Sie Tools für eine komfortable zukünftige Arbeit ein:

 image = Image.open('test.jpg') #   draw = ImageDraw.Draw(image) #     width = image.size[0] #   height = image.size[1] #   pix = image.load() #    

Fangen wir an

Wir werden Bilder im RGB-Format verarbeiten. PIL unterstützt auch die Arbeit mit den Formaten 1, L, P, RGB, RGBA, CMYK, YCbCr, LAB, HSV, I, F.

Die Pixelwerte im Bild werden im folgenden Format festgelegt: (x, y), (rot, grün, blau) , wobei x, y die Koordinaten sind und die numerischen Werte von RGB im Bereich von 0 bis 255 liegen. Das heißt, wir arbeiten mit einem 8-Bit-Bild.

Graustufen

Bei Gleichheit aller Farbpaletten erscheint ein Grauton, daher müssen wir den arithmetischen Mittelwert für alle drei Punkte ermitteln:

 for x in range(width): for y in range(height): r = pix[x, y][0] #     g = pix[x, y][1] # b = pix[x, y][2] # sr = (r + g + b) // 3 #  draw.point((x, y), (sr, sr, sr)) #  image.save("result.jpg", "JPEG") #    

Inversion

Die Inversion wird durch Subtrahieren der aktuellen Farbe von 255 erhalten:

 for x in range(width): for y in range(height): r = pix[x, y][0] g = pix[x, y][1] b = pix[x, y][2] draw.point((x, y), (255 - r, 255 - g, 255 - b)) 

Graustufeninversion

Wenn Sie die beiden vorherigen Algorithmen kombinieren, können Sie den folgenden Code schreiben:

 for x in range(width): for y in range(height): r = pix[x, y][0] g = pix[x, y][1] b = pix[x, y][2] sr = (r + g + b) // 3 draw.point((x, y), (255 - sr, 255 - sr, 255 - sr)) 

Selektive Graustufeninversion

Für diesen Algorithmus müssen Sie den Schwellenwert bestimmen, den ich für 100 nehmen werde:

 for x in range(width): for y in range(height): r = pix[x, y][0] g = pix[x, y][1] b = pix[x, y][2] if (r+g+b)>100: #    100 ,    sr = (r + g + b) // 3 draw.point((x, y), (255-sr, 255-sr, 255-sr)) else: #    sr = (r + g + b) // 3 draw.point((x, y), (sr, sr, sr)) 

Fazit

In den folgenden Artikeln möchte ich darüber sprechen, wie die Bildfilterung lokaler durch Aufteilen in Bereiche angegangen werden kann, und interessante Möglichkeiten der DFS in Bildverarbeitungsalgorithmen aufzeigen