python的N个小功能(图片预处理：打开图片，滤波器，增强，灰度图转换，去噪，二值化，切割，保存)
############################图片预处理以及图片裁剪###########################################
#############################################################################################
######图片切割##########
import os
import os.path
from PIL import Image
from PIL import ImageFilter
from PIL import ImageEnhance
import time
#########################切割函数#########################################
#################我的是根据目标图片，80*20以及实验得出结论################
##########################################################################
def segment(im):
s=6 #首次第一个点的横坐标
w=16 #宽度
h=20 #第二个点的纵坐标
t=0 #第一个点的纵坐标
im_new=[]#在一张图片裁剪四个区域
#for i in range(4):
# im1=im.crop((s+w*i,t,s+w*(i+1),h)) #crop函数得到局部区域
# im_new.append(im1)
im1=im.crop((6,0,6+17,20))
im_new.append(im1)
im1=im.crop((23,0,23+16,20))
im_new.append(im1)
im1=im.crop((39,0,39+16,20))
im_new.append(im1)
im1=im.crop((55,0,55+18,20))
im_new.append(im1)
return im_new
#################图片增强######################################
#################图片二值化函数:符合阈值之上,设为1;否则设为0###
###############################################################
def binarizing(im,threshold):
pixdata=im.load()
w,h=im.size
for j in range(h):
for i in range(w):
if pixdata[i,j]<threshold:
pixdata[i,j]=0
else:
pixdata[i,j]=255
return im
################################图片去噪############################
##########对于像素值>245的邻域像素，判别为属于背景色################
##########，如果一个像素上下左右4各像素值有超过2个##################
##########像素属于背景色，那么该像素就是目标点，否则就是噪声##########
####################################################################
def denoising(im):
pixdata=im.load()
w,h=im.size
for j in range(1,h-1):
for i in range(1,w-1):
count=0
if pixdata[i,j-1]>245:
count=count+1
if pixdata[i,j+1]>245:
count=count+1
if pixdata[i+1,j]>245:
count=count+1
if pixdata[i-1,j]>245:
count=count+1
if count>2:
pixdata[i,j]=255
return im
###############################################################################
##############图片转换:打开图片,滤波器,增强,灰度图转换,去噪,二值化############
###############################################################################
def imgTransfer(f_name):
im=Image.open(f_name) #打开图片
im=im.filter(ImageFilter.MedianFilter(1)) #对于输入图像的每个像素点，该滤波器从（size，size）的区域中拷贝中值对应的像素值存储到输出图像中
#enhancer=ImageEnhance.Contrast(im)
#im=enhancer.enhance(1)
im=ImageEnhance.Contrast(im).enhance(1.5)#enhance()的参数factor决定着图像的对比度情况。从0.1到0.5，再到0.8，2.0，图像的对比度依次增大.0.0为纯灰色图像;1.0为保持原始
im=im.convert('L') #灰度图转换
im=denoising(im) #图片去噪
im=binarizing(im,200) #图片二值化
#im=nse.removeNoisy(im)
#im.save('/User/iswin/Downloads/vim/test.clear.jpg','jpeg')
#im.show()
return im
#####批量裁剪图片,并保存######################################
def cutPictures(img):
im=imgTransfer(img)#####图片预处理,二值化,图片增强
pics=segment(im) #######用crop函数裁剪
for pic in pics:
pic.save('G:\Test\%s.jpg'%(int(time.time()*1000000)),'jpeg')
rootdir=u'G:\Test'
for parent,dirnames,filenames in os.walk(rootdir):
for dirname in dirnames:
print "dirname is:"+dirname
print "parent is:"+parent
for filename in filenames:
print "filename is:"+filename
print "parent is:"+parent
print "the full name is:"+os.path.join(parent,filename)
cutPictures(os.path.join(parent,filename))
########实验效果如下：
