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：