【数据分析day05】滤镜 & scipy处理图片（含三种降噪：高斯滤波，中值滤波，维纳滤波）

滤镜

导包：

from PIL import Image, ImageFilter

读取图片

cat = Image.open('../data/cat.jpg')
cat

各种滤镜效果
- 全大写的才是滤镜

# blur 模糊, contour轮廓, detail 细节增加 edge_enhance边缘强化, emboss浮雕, find_edges找到边缘, sharpen锐化, Smooth柔化
cat.filter(ImageFilter.BLUR)

scipy处理图片

• 使用 scipy 中的小浣熊（misc）图片为例
• 使用ndimage移动坐标、旋转图片、切割图片、缩放图片

导包：

from scipy import misc
from scipy import ndimage

读取小浣熊的正脸照

face = misc.face()
face

展示图片

plt.figure(figsize=(10,8))
plt.imshow(face)

使用ndimage移动坐标、旋转图片、切割图片、缩放图片

移动坐标：ndimage.shift

# mode : {'reflect'反射, 'constant', 'nearest', 'mirror', 'wrap'}
face_shift = ndimage.shift(face, shift=(-200, -300, 0), mode='constant')
plt.figure(figsize=(10,8))
plt.imshow(face_shift)

不同的mode会将移出区域的黑色用不同效果填充

旋转图片：rotate

face_rotate = ndimage.rotate(face, angle=60)
plt.figure(figsize=(10,8))
plt.imshow(face_rotate)

缩放图片：zoom

注意： 彩色图片一定要记得不要对颜色进行缩放.

face_zoom = ndimage.zoom(face, zoom=(0.6, 0.7, 1))
plt.figure(figsize=(10,8))
plt.imshow(face_zoom)

切割图片：切片

face_cut = face[280:490, 500:800]
plt.figure(figsize=(10,8))
plt.imshow(face_cut)

过滤 （降噪）

步骤：

• 先获取一张黑白图片（二位）
• 再对其人为添加噪点
• 分别使用ndimage中的高斯滤波、中值滤波、signal中维纳滤波进行处理

获取一张黑白图 （gray=True）

face = misc.face(gray=True)
plt.figure(figsize=(10,8))
plt.imshow(face, cmap='gray')

查看形状，是一个二维数据

查看数据，每个值都是0~255之间的数

face

查看数据的标准偏差

face.std()

添加噪点：

1. 先拷贝一份数据，并转换成浮点型

    face_noise = face.copy().astype(np.float64)
   

2. 每个点的数值都加一个标准正太分布： += np.random.randn(768,1024) ，因为标准正太分布范围在-3~3之间，而face.std()是54，所以要把数值加大一点，噪点才明显一点。于是再乘以标准偏差的一半：* face.std() * 0.5

    face_noise += np.random.randn(768,1024) * face.std() * 0.5
   

3. 显示加了噪点后的图片

    plt.figure(figsize=(10,8))
    plt.imshow(face_noise, cmap='gray')
   

降噪（三种）

高斯滤波：ndimage.gaussian_filter()

• sigma：高斯（合适的）标准偏差
  高斯的原理是把每一个噪点圈起来，在圈的范围内取平均值，sigma越小，圈越小，sigma的值不能太大（丢失细节，模糊），也不能太小（噪点还是很大），要自己尝试取值。
  

• 使用函数ndimage.gaussian_filter()
  多次尝试后发现sigma取1效果最好

    face_gaussian = ndimage.gaussian_filter(face_noise, sigma=1)
    plt.figure(figsize=(10,8))
    plt.imshow(face_gaussian, cmap='gray')
  

中值滤波：ndimage.median_filter()

• 原理：在一个点的周围取一圈数据，放进一个列表中，再取列表的中间值（中位数）
  

• 参数size就是列表的大小
  1就是它自己，5就是周围取5个值放到列表中，再取列表中位数

    face_median = ndimage.median_filter(face_noise, size=5)
    plt.figure(figsize=(10,8))
    plt.imshow(face_median, cmap='gray')
  

维纳滤波: wiener()

• 原理：就是PS里的修图

• scipy.signal包中的wiener

    from scipy.signal import wiener
    
    face_wiener = wiener(face_noise, mysize=5)
    plt.figure(figsize=(10,8))
    plt.imshow(face_wiener, cmap='gray')