純Python綜合圖像處理小工具（4）自定義像素級處理（剪紙濾鏡）

<背景>  

上一節介紹了python PIL庫自帶的10種濾鏡處理，現成的庫函數雖然用起來方便，可是對於圖像處理的各類實際需求，還須要開發者開發自定義的濾鏡算法。本文將給你們介紹如何使用PIL對圖像進行自定義的像素級操做。

<效果>  

本文以剪紙風格圖像處理做爲例子：（算法借鑑了殘陽似血的博客http://qinxuye.me/，特此鳴謝。）

原圖：

 

處理後： 

 

<怎麼作>

1.首先將處理參數預先設定好。設定閾值threshold，該閾值會用來區分做爲目標顏色的前景色和將要被去除掉的的背景色的分界線。同時設置處理後前景色和後景色的顏色，用以呈現最終的分割效果。

    threshold = 150
    bg_color = (255, 255, 255, 0)
    fg_color = (255, 0, 0, 255)
    
     if len(sys.argv) >= 2:
        path  = sys.argv[1]
     if len(sys.argv) == 3:
        threshold = int(sys.argv[2])
     if len(sys.argv) == 5:
        bg_color = tuple(sys.argv[3])
        fg_color = tuple(sys.argv[4])

在這一步中，若是閾值threshold設定不一樣數值，圖片會呈現不一樣的二值分界效果，以下圖： 

 

若是閾值太小，則圖像中的斑馬，會有部分顏色較淺的前景色，即灰色斑紋被誤判成背景色而被濾除掉，從而形成前景圖像輪廓的殘缺。

若是閾值過大，則與上述狀況相反，會有背景色被誤判成前景色，形成斑紋的邊緣膨脹，視覺上看也相似膨脹的效果(雖然原理徹底不一樣)。

因此，選擇一個合適的閾值，對圖像的分割效果相當重要。而這一點，又是隨着圖像不一樣而變化的，閾值要適應圖像內容。

對於這個問題，能夠嘗試使用動態閾值，結合圖像統計來實現自匹配，本文未涉及，有興趣的童鞋能夠自行嘗試。

 

2.將圖片轉換成能夠作像素操做的二值像素集合，而後使用設定好的閾值threshold進行前景後景分割：

def Img2bin_arr(img, threshold):
     '''
    @將位圖流轉化爲二維二值數組
    @param img: instance of Image
    @param threshold: 大小範圍[0, 255]
     '''
    threshold = max(0, threshold)
    threshold = min(255, threshold)
    
     if img.mode !=  ' L ':
        img = img.convert( ' L ')
        
    width, height = img.size
    pix = img.load()
    
    get_val =  lambda p: 255  if p >= threshold  else 0
        
     return [[get_val(pix[w, h])  for w  in xrange(width)]  for h  in xrange(height)]

3.將分割好的像素使用預先設定的顏色上色，而後將像素集合從新封裝成圖片格式，而後返回這個圖片，用於保存或顯示。

def bin_arr2Img(matrix, bg_color, fg_color):
     '''
    @將二維二值數組轉化爲位圖流
    @param img: instance of Image
    @param bg_color: 背景色，元組類型，格式：(L)（灰度）,(R, G, B)，或者(R, G, B, A)
    @param fg_color: 前景色
     '''
     def ensure_color(color):
         if len(color) == 1:
             return (color, color, color, 255)
         elif len(color) == 3:
            color = list(color)
            color.append(255)
             return tuple(color)
         elif len(color) == 4:
             return color
         else:
             raise ValueError,  ' len(color) cannot be %d ' % len(color)
        
    bg_color = ensure_color(bg_color)
    fg_color = ensure_color(fg_color)
    
    height, width = len(matrix), len(matrix[0])
    dst_img = Image.new( " RGBA ", (width, height))
    dst_pix = dst_img.load()
    
     for w  in xrange(width):
         for h  in xrange(height):
             if matrix[h][w] < 128:
                dst_pix[w, h] = fg_color
             else:
                dst_pix[w, h] = bg_color
                
     return dst_img

總結：使用python進行像素級圖像處理，同其餘平臺的像素處理相似，整個過程很是清晰，大致上都是三步，拆包-處理-封包。鑑於python的處理速度實在是不敢恭維，因此它是一個很好的算法效果驗證平臺。 

<源碼分享>  

完整代碼分享以下：

# start
#  -*- coding: cp936 -*-
import Image

img = Image.open( " 1.jpg ")

def Img2bin_arr(img, threshold):
     '''
    @將位圖流轉化爲二維二值數組
    @param img: instance of Image
    @param threshold: 大小範圍[0, 255]
     '''
    threshold = max(0, threshold)
    threshold = min(255, threshold)
    
     if img.mode !=  ' L ':
        img = img.convert( ' L ')
        
    width, height = img.size
    pix = img.load()
    
    get_val =  lambda p: 255  if p >= threshold  else 0
        
     return [[get_val(pix[w, h])  for w  in xrange(width)]  for h  in xrange(height)]

def bin_arr2Img(matrix, bg_color, fg_color):
     '''
    @將二維二值數組轉化爲位圖流
    @param img: instance of Image
    @param bg_color: 背景色，元組類型，格式：(L)（灰度）,(R, G, B)，或者(R, G, B, A)
    @param fg_color: 前景色
     '''
     def ensure_color(color):
         if len(color) == 1:
             return (color, color, color, 255)
         elif len(color) == 3:
            color = list(color)
            color.append(255)
             return tuple(color)
         elif len(color) == 4:
             return color
         else:
             raise ValueError,  ' len(color) cannot be %d ' % len(color)
        
    bg_color = ensure_color(bg_color)
    fg_color = ensure_color(fg_color)
    
    height, width = len(matrix), len(matrix[0])
    dst_img = Image.new( " RGBA ", (width, height))
    dst_pix = dst_img.load()
    
     for w  in xrange(width):
         for h  in xrange(height):
             if matrix[h][w] < 128:
                dst_pix[w, h] = fg_color
             else:
                dst_pix[w, h] = bg_color
                
     return dst_img

def paper_cut(img, threshold, bg_color, fg_color):
     '''
    @效果：剪紙
    @param img: instance of Image
    @param threshold: 大小範圍[0, 255]
    @param bg_color: 背景色，元組類型，格式：(L)（灰度）,(R, G, B)，或者(R, G, B, A)
    @param fg_color: 前景色
    @return: instance of Image
     '''
    matrix = Img2bin_arr(img, threshold)  #  位圖轉化爲二維二值數組
     return bin_arr2Img(matrix, bg_color, fg_color)  #  二維二值數組轉化爲位圖

if  __name__ ==  " __main__ ":
     import sys, os, time

    path = os.path.dirname( __file__) + os.sep.join([ '',  ' 1.jpg '])
    threshold = 150
    bg_color = (255, 255, 255, 0)
    fg_color = (255, 0, 0, 255)
    
     if len(sys.argv) >= 2:
        path  = sys.argv[1]
     if len(sys.argv) == 3:
        threshold = int(sys.argv[2])
     if len(sys.argv) == 5:
        bg_color = tuple(sys.argv[3])
        fg_color = tuple(sys.argv[4])

    start = time.time()
    
    img = Image.open(path)
    img = paper_cut(img, threshold, bg_color, fg_color)
    img.save(os.path.splitext(path)[0]+ ' .papercut_ '+str(threshold)+ ' .png ',  ' PNG ')

    end = time.time()
     print  ' It all spends %f seconds time ' % (end-start) 

# end