Maison > développement back-end > Tutoriel Python > Comment ajouter des effets de filtre aux images à l'aide de Python

Comment ajouter des effets de filtre aux images à l'aide de Python

WBOY
Libérer: 2023-08-18 13:09:09
original
1581 Les gens l'ont consulté

Comment ajouter des effets de filtre aux images à laide de Python

Comment utiliser Python pour ajouter des effets de filtre aux images

À l'ère du numérique, le traitement d'images est devenu un élément indispensable de notre vie quotidienne. Si vous êtes intéressé par le traitement d'images, vous serez certainement intéressé par la façon d'ajouter des effets de filtre aux images. Cet article expliquera comment utiliser le langage de programmation Python pour implémenter des effets de filtre d'image et fournira des exemples de code pertinents.

Tout d’abord, nous devons installer la bibliothèque de traitement d’image de Python PIL (Python Imaging Library). Vous pouvez installer PIL en exécutant la commande suivante dans la ligne de commande :

pip install pillow
Copier après la connexion

Une fois l'installation terminée, nous pouvons commencer à écrire du code.

Tout d'abord, nous devons importer la bibliothèque PIL et ouvrir l'image à filtrer. Par exemple, nous pouvons ouvrir l'image nommée "image.jpg" :

from PIL import Image

image = Image.open('image.jpg')
Copier après la connexion

Ensuite, nous pouvons créer un nouvel objet image pour stocker le résultat de l'ajout de l'effet de filtre. Nous pouvons utiliser la fonction Image.new() pour créer une nouvelle image avec la même taille et le même mode que l'image d'origine : Image.new()函数来创建一个与原图相同大小和模式的新图片:

new_image = Image.new(image.mode, image.size)
Copier après la connexion

现在,我们可以使用image.filter()

gray_image = image.convert('L')
Copier après la connexion

Maintenant, nous pouvons utiliser image.filter()< /code> Fonction pour ajouter différents effets de filtre. Voici quelques effets de filtre courants et leurs exemples de code :
  1. Filtre en niveaux de gris :
  2. enhanced_image = image.point(lambda x: x * 1.2)
    Copier après la connexion
  3. Filtre d'amélioration de la luminosité :
  4. blurred_image = image.filter(ImageFilter.GaussianBlur(radius=2))
    Copier après la connexion
  5. Filtre de flou gaussien :
  6. sharpened_image = image.filter(ImageFilter.SHARPEN)
    Copier après la connexion
  7. Filtre de netteté Miroir
  8. rr : reee

En plus des exemples ci-dessus, la bibliothèque PIL fournit de nombreux autres effets de filtre que nous pouvons utiliser. Vous pouvez choisir l'effet de filtre approprié en fonction de vos besoins.

Enfin, nous pouvons enregistrer l'image traitée et visualiser l'effet :

new_image.save('filtered_image.jpg')
new_image.show()
Copier après la connexion
Ce qui précède sont les étapes de base et des exemples de code pour utiliser Python pour ajouter des effets de filtre aux images.

Il convient de noter que cet article présente uniquement comment utiliser la bibliothèque PIL pour obtenir des effets de filtre d'image. En fait, il existe d'autres bibliothèques de traitement d'images parmi lesquelles choisir en Python, telles que OpenCV et Scikit-image, etc. Chaque bibliothèque a ses propres caractéristiques et avantages. Vous pouvez choisir la bibliothèque appropriée pour le traitement d'images en fonction de vos propres besoins.

J'espère que cet article pourra vous aider et vous rendre plus à l'aise lors de l'ajout d'effets de filtre en Python. Je vous souhaite du succès dans votre parcours de traitement d'image ! 🎜

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Étiquettes associées:
source:php.cn
Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn
Tutoriels populaires
Plus>
Derniers téléchargements
Plus>
effets Web
Code source du site Web
Matériel du site Web
Modèle frontal