在python-pillow中内核大小大于5x5的卷积

Question

我想用python-pillow中的简单卷积内核过滤图像。 但是，为了获得最佳结果，我需要一个9x9内核。 这在枕头中是不可能的，至少在使用ImageFilter.Kernel和内置的filter()方法时，这些方法仅限于5x5内核。

如果没有实现我自己的卷积代码，有没有办法过滤/卷积内核大小超过5x5的图像？

Answer 1

我很惊讶PIL没有超过5 x 5内核的支持。 因此，看看其他Python软件包（例如OpenCV或scipy可能是谨慎的......为了节省时间，让我们使用scipy 。 OpenCV很难配置，即使它非常强大。

我会建议使用scipy与您的图像加载imread从ndimage包，卷积图像与你的内核，然后转换为PIL图像时，即可大功告成。 使用convolve从ndimage包，然后再转换回由PIL图像Image.fromArray 。 它确实支持转换numpy.ndarray （这是你使用scipy.ndimage.imread时加载的），这很棒。

这样的事情，假设一个9 x 9平均滤波器：

# Import relevant packages
import numpy as np
from scipy import ndimage
from PIL import Image

# Read in image - change filename to whatever you want
img = ndimage.imread('image.jpg')

# Create kernel
ker = (1/81.0)*np.ones((9,9))

# Convolve
out = ndimage.convolve(img, ker)

# Convert back to PIL image
out = Image.fromArray(out, 'RGB')

Answer 2

pyvips是另一种选择，如果你没有绑枕头，numpy或scipy。 它的速度要快得多，而且需要的内存要少得多，特别是对于较大的图像。 它也会击败opencv， 至少在一些基准测试中 。

我试过这台笔记本电脑：

import sys
import numpy as np
from scipy import ndimage
from PIL import Image

img = ndimage.imread(sys.argv[1])
ker = (1 / 81.0) * np.ones((9, 9))
out = ndimage.convolve(img, ker)
out = Image.fromarray(out)
out.save(sys.argv[2])

我可以像这样运行它：

$ /usr/bin/time -f %M:%e ./try257.py ~/pics/wtc-mono.jpg x.jpg
300352:22.47

因此，2015 i5笔记本电脑上的10k x 10k像素单声道jpg需要大约22秒，并且需要300mb的内存峰值。

在pyvips中它是：

import sys
import pyvips

im = pyvips.Image.new_from_file(sys.argv[1], access="sequential")
size = 9
kernel = size * [size * [1.0 / (size * size)]]
im = im.conv(kernel)
im.write_to_file(sys.argv[2])

我知道了：

$ /usr/bin/time -f %M:%e ./try258.py ~/pics/wtc-mono.jpg x.jpg
44336:4.76

大约5秒和45mb的内存。

这是一个浮动卷积。 您可以将它交换为int precision，如下所示：

im = im.conv(kernel, precision="integer")

我明白了：

$ /usr/bin/time -f %M:%e ./try258.py ~/pics/wtc-mono.jpg x.jpg
44888:1.79

1.8秒