PIL实现图像有序抖动与噪声抖动

"Dither1.py"文件是有序抖动算法,直接在该文件夹下用python3运行该代码即可将IMG.JPG文件经过有序抖动转化为二值图片res1.jpg。

"Dither2.py"文件是随机噪声抖动算法,直接在该文件夹下用python3运行该代码即可将IMG.JPG文件经过随机噪声抖动转化为二值图片res2.jpg。

原图像如下:

IMG

有序抖动

from PIL import Image
import random
import numpy as np
import math
img1=Image.open("./IMG.JPG")
img1_a=np.array(img1)       #转化成标准数组才能访问元素值
sz=img1_a.shape
ditherMat=[     #有序抖动矩阵
    0,8,2,10,
    12,4,14,6,
    3,11,1,9,
    15,7,13,5
]


for i in range(sz[0]):
    for j in range(sz[1]):
        x=i % 4     # 取该位置在矩阵中的相对位置
        y=j % 4     
        tmpV=math.floor(img1_a[i,j]/17)     # 抖动矩阵将值的范围缩小至0-15,处理图像元素灰度值的范围至0-15
        if(tmpV>=ditherMat[x*4+y]):         # 若图像元素大于等于矩阵的值则赋值为黑色,否则为白色
            img1_a[i,j]=255
        else:
            img1_a[i,j]=0

img2=Image.fromarray(img1_a)    #根据矩阵转化图片
img2.save("./res1.jpg")         

Python中列表里添加列表的方式不能创建一个合法的二维数组,即不能用 Mat[x][y] 访问目标元素,因此可以选择一维列表。

抖动矩阵的构造取自现成的值,表现效果良好,处理结果如下:

res1

随机噪音抖动

from PIL import Image
import random
import numpy as np
import math
img1=Image.open("./IMG.JPG")
img1_a=np.array(img1)
sz=img1_a.shape
#rds=input("please input noise(range from 0 to 255):")

for i in range(0,sz[0]):
    for j in range(0,sz[1]):
        if(random.randint(0,100)<=(128-abs(img1_a[i,j]-127))/128*25):   #根据距离黑白中间值127的距离计算噪点的出现概率,越接近127则噪点出现概率越大,噪点的最大概率为百分之25
            #rand=random.randint(0,150)-75  #随机加入噪声
            #img1_a[i,j]=math.floor(img1_a[i,j]+rand)%256
            img1_a[i,j]=(img1_a[i,j]+129)%256   #黑白互换
        if(img1_a[i,j]<=127):
            img1_a[i,j]=0
        else:
            img1_a[i,j]=255

img2=Image.fromarray(img1_a)
img2.save("./res2.jpg")

如何添加噪声是抖动效果是否好的关键因素,根据灰度与中间值的距离来添加噪声可以让灰度适中的部位表现更好,但最终处理效果仍然一般,有较大优化空间:

res2

就目前看来,有序抖动效果稳定且较好,噪声抖动不稳定而且效果较差。

参考:[

python中使用PIL库对图片像素点遍历以及像素值改变

]

直接阈值分割

from PIL import Image
import numpy as np

img=Image.open("./IMG.jpg")
Ar=np.array(img)
size=Ar.shape
newAr=np.zeros(size)

for i in range(size[0]):
    for j in range(size[1]):
        if(Ar[i][j]>=128):
            newAr[i][j]=255
        else:
            newAr[i][j]=0
 
img_new=Image.fromarray(newAr)
img_new=img_new.convert('1')
img_new.save('res3.jpg')

直接阈值分割成二值图片。效果如下:

res3

posted @   Festu  阅读(515)  评论(0编辑  收藏  举报
相关博文:
阅读排行:
· 在鹅厂做java开发是什么体验
· 百万级群聊的设计实践
· WPF到Web的无缝过渡:英雄联盟客户端的OpenSilver迁移实战
· 永远不要相信用户的输入:从 SQL 注入攻防看输入验证的重要性
· 全网最简单!3分钟用满血DeepSeek R1开发一款AI智能客服,零代码轻松接入微信、公众号、小程
点击右上角即可分享
微信分享提示