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：
#-*- coding: UTF-8 -*-
from PIL import Image
from PIL import ImageFilter
def 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()
return
image_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。
本文Python图像滤波处理操作示例【基于ImageFilter类】到此结束。没有改变，就没有成长，幸福的人都喜欢沉默。一向喋喋不休说自我如何幸福的人必须内心是虚弱的。当一个人内心足够强大时，说与不说，都已无用。最重要的是，选择最适合自我的方向，一意孤行走下去。找到生命中最确定的信息——那些相似的人或事物终会走到一齐，那些不相似的人或事物，终会背道而驰。小编再次感谢大家对我们的支持！
