<背景> 

滤镜处理是图像处理中一种非常常见的方法。比如photoshop中的滤镜效果，除了自带的滤镜，还扩展了很多第三方的滤镜效果插件，可以对图像做丰富多样的变换；很多手机app实现了实时滤镜功能，最有名的当属Instagram。

PIL中主要涉及到卷积滤镜，其原理是针对数字图像的像素矩阵，使用一个nxn的方形矩阵做滤波器（即卷积核kernel，常见的如3x3，5x5等），对该图像像素进行卷积遍历（即截取和卷积核同等大小的像素矩阵进行卷积运算），每一个输出像素都是一定区域像素按一定权重组合计算出的结果（像素不独立，受到邻近像素的影响，邻近像素区域可以调整，选取范围越大，计算量越大，图像处理时间越长），遍历后的图像就是输出图像。如果算法经过优化，遍历的速度足够快，那就是实时滤镜（live filter），可以实时预览图像过滤后的效果。

ImageFilter是Python PIL的滤镜模块，当前版本支持10种加强滤镜，通过这些预定义的滤镜，可以方便的对图片进行一些过滤操作，从而去掉图片中的噪音(部分的消除)，这样可以降低图像处理算法的复杂度(如模式识别等)，更方便的实现和预览一些算法的效果。

本文脚本包含以下全部滤镜， 实现了10种图像处理滤镜的效果预览和JPEG文件保存。

<效果>

原图：

模糊滤镜：

锐度增强滤镜：

细节滤镜：

轮廓滤镜：

边界提取滤镜：

边界增强滤镜：

边界增强滤镜-加强版：

平滑滤镜：

平滑滤镜-加强版：

浮雕滤镜：

<源码分析>

PIL库的滤镜算法可以在Python\Lib\site-packages\PIL路径下找到，如下所示：

在PIL路径下，我们看到了三个同名但后缀不同的文件：ImageFilter.py ，ImageFilter.pyc ，ImageFilter.pyo 。

.py文件：存放的是脚本源代码；

.pyc文件 ：是同名的.py编译后的字节码文件，用来供解释器解释执行；

.pyo文件 ：是同名的.pyc文件经过优化后的字节码文件，通常体积更小，运行更快。

滤镜算法在ImageFilter.py文件中。

如前文所述，每一个滤镜通常对应着一个滤波器（即kernel），PIL中的kernel均为常见的3x3和5x5方形矩阵，下面是PIL中9种滤镜对应的矩阵：

模糊滤镜：

class BLUR(BuiltinFilter):

    name = "Blur"

    filterargs = (5, 5), 16, 0, (

        1,  1,  1,  1,  1,

        1,  0,  0,  0,  1,

        1,  0,  0,  0,  1,

        1,  0,  0,  0,  1,

        1,  1,  1,  1,  1

        )

轮廓滤镜：

class CONTOUR(BuiltinFilter):

    name = "Contour"

    filterargs = (3, 3), 1, 255, (

        -1, -1, -1,

        -1,  8, -1,

        -1, -1, -1

        )

细节滤镜：

class DETAIL(BuiltinFilter):

    name = "Detail"

    filterargs = (3, 3), 6, 0, (

        0, -1,  0,

        -1, 10, -1,

        0, -1,  0

        )

边缘增强滤镜：

class EDGE_ENHANCE(BuiltinFilter):

    name = "Edge-enhance"

    filterargs = (3, 3), 2, 0, (

        -1, -1, -1,

        -1, 10, -1,

        -1, -1, -1

        )

边缘增强滤镜-增强版：

该增强版和原滤镜仅仅是矩阵2行2列的一个参数大小不同，实际是修改了中心像素的权重。这个数值可以任意修改以自定义边缘增强的幅度。

class EDGE_ENHANCE_MORE(BuiltinFilter):

    name = "Edge-enhance More"

    filterargs = (3, 3), 1, 0, (

        -1, -1, -1,

        -1,  9, -1,

        -1, -1, -1

        )

浮雕滤镜

class EMBOSS(BuiltinFilter):

    name = "Emboss"

    filterargs = (3, 3), 1, 128, (

        -1,  0,  0,

        0,  1,  0,

        0,  0,  0

        )

边缘提取滤镜：

class FIND_EDGES(BuiltinFilter):

    name = "Find Edges"

    filterargs = (3, 3), 1, 0, (

        -1, -1, -1,

        -1,  8, -1,

        -1, -1, -1

        )

平滑滤镜：

class SMOOTH(BuiltinFilter):

    name = "Smooth"

    filterargs = (3, 3), 13, 0, (

        1,  1,  1,

        1,  5,  1,

        1,  1,  1

        ) 

平滑滤镜-加强版：

平滑滤镜的加强是增加了滤镜窗口的尺寸，有3x3扩展到5x5， 这样每一个新像素的产生会包含25个周围原始像素的加权贡献（离得越近，贡献越大），这样的结果会更加平滑自然，代价是处理速度会明显的变慢。

class SMOOTH_MORE(BuiltinFilter):

    name = "Smooth More"

    filterargs = (5, 5), 100, 0, (

        1,  1,  1,  1,  1,

        1,  5,  5,  5,  1,

        1,  5, 44,  5,  1,

        1,  5,  5,  5,  1,

        1,  1,  1,  1,  1

        )

锐化滤镜：

class SHARPEN(BuiltinFilter):

    name = "Sharpen"

    filterargs = (3, 3), 16, 0, (

        -2, -2, -2,

        -2, 32, -2,

        -2, -2, -2

        )

此外，这些滤镜不仅可以独立使用，还可以*组合，比如边缘提取+平滑滤镜，可以得到更加干净的边缘提取图像等等，此处不一一列举。

左图为原始边界提取图，右侧为平滑后的边界图。

<脚本源码> 

#start

# -*- coding: cp936 -*-

import Image,ImageDraw

import ImageFilter,random,sys

img = Image.open("1.jpg")

##图像处理##

#转换为RGB图像

img = img.convert("RGB")              

#经过PIL自带filter处理

imgfilted_b = img.filter(ImageFilter.BLUR)

imgfilted_c = img.filter(ImageFilter.CONTOUR)

imgfilted_ee = img.filter(ImageFilter.EDGE_ENHANCE)

imgfilted_ee_m = img.filter(ImageFilter.EDGE_ENHANCE_MORE)

imgfilted_em = img.filter(ImageFilter.EMBOSS)                    

imgfilted_fe = img.filter(ImageFilter.FIND_EDGES)                                                

imgfilted_sm = img.filter(ImageFilter.SMOOTH)

imgfilted_sm_m = img.filter(ImageFilter.SMOOTH_MORE)

imgfilted_sh = img.filter(ImageFilter.SHARPEN)

imgfilted_d = img.filter(ImageFilter.DETAIL)

##组合使用filter

group_imgfilted = img.filter(ImageFilter.CONTOUR)

group_imgfilted = group_imgfilted.filter(ImageFilter.SMOOTH_MORE)

##图像保存##

imgfilted_b.save("1b.jpg")

imgfilted_c.save("1c.jpg")

imgfilted_ee.save("1ee.jpg")

imgfilted_ee_m.save("1eem.jpg")

imgfilted_em.save("1em.jpg")

imgfilted_fe.save("1fe.jpg")                                

imgfilted_sm.save("1sm.jpg")

imgfilted_sm_m.save("1smm.jpg")

imgfilted_sh.save("1sh.jpg")

imgfilted_d.save("1d.jpg")

group_imgfilted.save("1group.jpg")

##图像显示##

imgfilted_b.show()

imgfilted_c.show()

imgfilted_ee.show()

imgfilted_ee_m.show()

imgfilted_em.show()

imgfilted_fe.show()                                

imgfilted_sm.show()

imgfilted_sm_m.show()

imgfilted_sh.show()

imgfilted_d.show()

group_imgfilted.show()

#end