Comment effectuer une amélioration d'image sur des images à l'aide de Python

Comment utiliser Python pour effectuer l'amélioration d'image sur des images

Résumé : L'amélioration d'image est l'une des étapes importantes du traitement d'image, qui peut améliorer la qualité et les effets visuels des images. Cet article expliquera comment utiliser le langage Python pour améliorer les images et joindra un exemple de code à des fins de démonstration.

1. Présenter les bibliothèques et modules nécessaires

Avant de commencer, nous devons présenter certaines bibliothèques et modules nécessaires, notamment la bibliothèque PIL, la bibliothèque numpy et la bibliothèque matplotlib. Ces bibliothèques fournissent les fonctionnalités de base requises pour le traitement des images.

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt

2. Lire et afficher des images

Tout d'abord, nous devons lire une image et l'afficher afin de pouvoir y effectuer une amélioration d'image.

# 读取图片
img = Image.open('example.jpg')

# 显示图片
plt.imshow(img)
plt.axis('off')
plt.show()

3. Ajuster la luminosité de l'image

Le réglage de la luminosité d'une image est une méthode courante d'amélioration de l'image. Nous pouvons ajuster la luminosité de l'image en modifiant la valeur RVB de chaque pixel.

# 调整图像亮度
def adjust_brightness(img, factor):
    # 将图像转为numpy数组
    img_array = np.array(img)
    
    # 通过调整每个像素点的RGB值来改变亮度
    adjusted_array = img_array * factor
    
    # 将改变后的数组转为图像
    adjusted_img = Image.fromarray(adjusted_array.astype('uint8'))
    
    return adjusted_img

# 设置亮度调整参数
brightness_factor = 1.5

# 调整亮度并显示结果
adjusted_img = adjust_brightness(img, brightness_factor)
plt.imshow(adjusted_img)
plt.axis('off')
plt.show()

4. Ajuster le contraste de l'image

Une autre méthode courante d'amélioration de l'image consiste à ajuster le contraste de l'image. Nous pouvons ajuster le contraste de l'image en modifiant la différence de luminosité des pixels.

# 调整图像对比度
def adjust_contrast(img, factor):
    # 将图像转为numpy数组
    img_array = np.array(img)
    
    # 通过调整每个像素点的亮度差值来改变对比度
    adjusted_array = (img_array - img_array.mean()) * factor + img_array.mean()
    
    # 将改变后的数组转为图像
    adjusted_img = Image.fromarray(adjusted_array.astype('uint8'))
    
    return adjusted_img

# 设置对比度调整参数
contrast_factor = 1.5

# 调整对比度并显示结果
adjusted_img = adjust_contrast(img, contrast_factor)
plt.imshow(adjusted_img)
plt.axis('off')
plt.show()

5. Appliquer un filtre d'image

Le filtre d'image est une autre méthode courante d'amélioration d'image, qui peut lisser ou affiner l'image grâce au filtre.

# 应用图像滤波器
def apply_filter(img, filter):
    # 将图像转为numpy数组
    img_array = np.array(img)
    
    # 应用滤波器
    filtered_array = np.convolve(img_array.flatten(), filter.flatten(), mode='same').reshape(img_array.shape)
    
    # 将滤波后的数组转为图像
    filtered_img = Image.fromarray(filtered_array.astype('uint8'))
    
    return filtered_img

# 设置滤波器
filter = np.array([[1, 1, 1],
                   [1, -8, 1],
                   [1, 1, 1]])

# 应用滤波器并显示结果
filtered_img = apply_filter(img, filter)
plt.imshow(filtered_img)
plt.axis('off')
plt.show()

6. Résumé

Cet article présente comment utiliser Python pour améliorer les images. En ajustant la luminosité, le contraste et les filtres, vous pouvez améliorer l'effet visuel de vos photos. Les lecteurs peuvent ajuster les paramètres et les filtres en fonction des besoins réels pour optimiser davantage l'effet d'amélioration de l'image.

Ce qui précède est une brève introduction à l'amélioration d'image à l'aide de Python. J'espère que cela sera utile aux lecteurs.

Références :
[1] J. Kautz, J. Wang et P. Cohen. Un film naturaliste open source pour l'évaluation du flux optique, pages 611-625.
[ 2. ] J. Hu, L. Shen et G. Sun. Réseaux de compression et d'excitation. Dans Actes de la conférence IEEE sur la vision par ordinateur et la reconnaissance de formes, pages 7132-7141, 2018.
[3] GitHub https. https://github.com/pytorch/pytorch, 2020.

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!