python 图像处理算法_python图像处理-滤镜的算法原理实现

前言

上一篇文章我们利用PIL自带的路径方法实现了一些滤镜的效果，单纯从使用的角度来说已经够我们使用了，但是如果能够弄清楚它们背后的原理，相信应该是会对我们更有帮助的。

在正式讲解之前，有一些基本的概念还是要在重新了解一下。图片是由一个个像素组成的，每个像素又是由RGB三种颜色数值组成的(这里指的是RGB模式图片)，灰度图是由0-255单个数值组成的。所有的图片处理，本质上都是对像素值进行处理。

灰度滤镜实现

灰度图我们知道是由单一数值0-255组成的，一张RGB三种颜色组成的图片要变成灰度图，需要将它们的三种颜色值设为相同即可。由于人眼对绿色的敏感度最高，红色次之，对蓝色的敏感度最低，因此，当权值 G > R > B时，所产生的灰度图像更符合人眼的视觉感受。

所以将颜色的RGB设置为相同的值即可使得图片为灰色，一般处理方法有：

1、取三种颜色的平均值

2、取三种颜色的最大值(最小值)

3、加权平均值：L = 0.299R + 0.587G + 0.114*B

黑白滤镜实现

黑白效果实现和滤镜有点类似，只不过这里需要自己设定一个阈值，将每一个像素点的平均值与阈值100(这个不是固定的，可以自己尝试调整)对比，如果大于这个值就将其设为255白色，否则就设为0黑色。

反色滤镜实现

反色实现就比较简单了，将对应像素点的值设置为255减去原来的值就可以了，黑的就会变白，白的就会变黑。

素描画风格滤镜

素描滤镜的处理关键是对边缘的查找。通过对边缘的查找可以得到物体的线条感。在对图像进行灰度化处理后，我们首先需要确定一个阈值，这个需要根据自己去调整，这里我选用了10。我们知道素描主要强调的是明暗度的变化，绘制时是斜向方向，通过经验，我们将每个像素点的灰度值与其右下角的灰度值进行比较，当大于这个阈值时，就判断其是轮廓并绘制。

想法拓展

上面实现了常见的几种滤镜效果，当然还有很多方法没有去实现，但是核心原理都是更改像素点的值，如何让效果更加好，和算法和参数设置有关系，比如像模糊滤镜会用到高斯模糊，也就是正态分布密度函数，更多的其实是理解原理和数学公式的应用，最后将实际问题与数学公式联系到一起。

(全文完)

python图像处理-滤镜处理

python图像处理-个性化头像

python图像处理-字符画风格图片