失焦模糊代码python

在Python中，可以使用Pillow库来实现图像的失焦模糊。下面是一个示例代码：

from PIL import Image, ImageFilter

# 打开图片
img = Image.open('example.jpg')

# 应用模糊滤镜
blurred_img = img.filter(ImageFilter.BLUR)

# 保存模糊后的图像
blurred_img.save('blurred_example.jpg')

在上面的代码中，我们首先打开了一张名为`example.jpg`的图片。然后，我们调用`filter`方法，将`ImageFilter.BLUR`作为参数传递给它，以应用模糊滤镜。最后，我们将模糊后的图像保存为`blurred_example.jpg`。

你可以根据需要调整模糊程度，方法是调整`ImageFilter.BLUR`的参数值。例如，`ImageFilter.BLUR(radius=10)`将使用半径为10的模糊滤镜。

相关问题

自行实现失焦模糊代码python

在Python中，你也可以自行实现失焦模糊效果，下面是一个基本的实现示例：

from PIL import Image

def blur(image, radius):
    # 创建一张模糊后的图片
    blurred_image = Image.new('RGBA', image.size, (0, 0, 0, 0))
    pixels = blurred_image.load()

    # 遍历每个像素，计算模糊值并赋值
    for i in range(image.size[0]):
        for j in range(image.size[1]):
            r_total, g_total, b_total, a_total = 0, 0, 0, 0
            count = 0
            for x in range(i-radius, i+radius+1):
                for y in range(j-radius, j+radius+1):
                    if x >= 0 and x < image.size[0] and y >= 0 and y < image.size[1]:
                        r, g, b, a = image.getpixel((x, y))
                        r_total += r
                        g_total += g
                        b_total += b
                        a_total += a
                        count += 1
            if count > 0:
                r_avg = int(r_total / count)
                g_avg = int(g_total / count)
                b_avg = int(b_total / count)
                a_avg = int(a_total / count)
                pixels[i, j] = (r_avg, g_avg, b_avg, a_avg)

    return blurred_image

# 使用示例
img = Image.open('example.jpg')
blurred_img = blur(img, 5)
blurred_img.save('blurred_example.jpg')

在上面的代码中，我们定义了一个`blur`函数，它接受一个`Image`对象和一个模糊半径。该函数首先创建了一张空白的`RGBA`图片，然后遍历原始图片中的每个像素，计算模糊后的像素值并赋值到新图片中。

使用该函数时，我们首先打开了一张名为`example.jpg`的图片。然后调用`blur`函数，将原始图片和半径5作为参数传递给它，得到一张模糊后的图片。最后，我们将模糊后的图像保存为`blurred_example.jpg`。

需要注意的是，由于该函数是基于遍历每个像素来实现的，因此它可能比使用`ImageFilter.BLUR`更慢，尤其是对于大型图像。如果需要处理大型图像，建议使用更高效的算法。

自行实现灰度图失焦模糊代码python

实现灰度图失焦模糊的方法与彩色图略有不同，下面是一个可以处理灰度图的示例：

from PIL import Image

def blur(image, radius):
    # 创建一张模糊后的图片
    blurred_image = Image.new('L', image.size, 0)
    pixels = blurred_image.load()

    # 遍历每个像素，计算模糊值并赋值
    for i in range(image.size[0]):
        for j in range(image.size[1]):
            total = 0
            count = 0
            for x in range(i-radius, i+radius+1):
                for y in range(j-radius, j+radius+1):
                    if x >= 0 and x < image.size[0] and y >= 0 and y < image.size[1]:
                        total += image.getpixel((x, y))
                        count += 1
            if count > 0:
                avg = int(total / count)
                pixels[i, j] = avg

    return blurred_image

# 使用示例
img = Image.open('example_grayscale.png').convert('L')
blurred_img = blur(img, 5)
blurred_img.save('blurred_example_grayscale.png')

在上面的代码中，我们假设原始图像是一张灰度图，并将其转换为`L`模式的`Image`对象。然后，我们定义了一个`blur`函数，与之前的版本略有不同，它创建了一张灰度图，然后遍历原始图片中的每个像素，计算模糊后的像素值并赋值到新图片中。

使用该函数时，我们首先打开了一张名为`example_grayscale.png`的灰度图。然后调用`blur`函数，将灰度图和半径5作为参数传递给它，得到一张模糊后的灰度图。最后，我们将模糊后的图像保存为`blurred_example_grayscale.png`。

需要注意的是，由于灰度图只有一个通道，因此在计算模糊值时可以直接对每个像素的灰度值进行处理，而不必分别处理红绿蓝三个通道。