Pillow ImageMorph 模块

下面给你一个 Pillow（PIL Fork）中 ImageMorph 模块 的完整入门指南，包含模块概述、核心类与方法、参数详解、代码示例、实际应用场景及高级技巧。
（基于 Pillow ≥ 9.0，Python 3.8+；该模块主要用于二值或灰度图像的形态学操作，如膨胀、腐蚀、开运算等）

1. 安装 Pillow

pip install --upgrade pillow

2. 基本导入

from PIL import Image, ImageMorph
from PIL.ImageMorph import LutBuilder, MorphOp

3. `ImageMorph` 模块概述

ImageMorph 模块提供图像形态学操作（morphological operations），专为二值图像（黑白）或灰度图像设计。形态学是图像处理的基础，用于噪声去除、边缘提取、形状分析等。

核心概念：通过查找表（LUT）定义操作规则。LUT 基于模式描述语言构建，支持对称变换（如旋转、镜像）。
适用图像模式：L（灰度，二值化后使用）。
关键优势：高效处理二值图像，支持自定义规则。

常见形态学操作：

腐蚀（Erosion）：缩小前景（白色）区域。

膨胀（Dilation）：扩大前景区域。

开运算：腐蚀后膨胀（去噪）。

闭运算：膨胀后腐蚀（填孔）。

4. 核心类一览

类	作用	关键参数
`LutBuilder`	从模式字符串构建 LUT	`patterns`（模式列表）
`MorphOp`	应用 LUT 到图像	`lut`（预构建 LUT）、`op_name`（内置操作名，如 “erosion8″）

5. 模式描述语言（Patterns Syntax）

模式字符串格式：<symmetry>:(<grid>)-><result>

<grid>：3×3 网格描述（9 个字符），如 “1.0 .1. 111″（空格/换行忽略）。
. 或 X：忽略（通配符）。
1：像素开（值 1，前景）。
0：像素关（值 0，背景）。
-><result>：匹配后输出（1 或 0）。
<symmetry>：对称变换（可选，多个用组合）：
1：无变换（默认）。
4：4 向旋转。
8：8 向旋转。
N：否定（0↔1）。
M：镜像。
不匹配：保留原像素值。

示例模式：

"4:(... .1. 111)->1"：4 向旋转，中心为 1 且周围有 3 个 1 → 输出 1（膨胀规则）。

6. 基础用法：使用内置操作

# 创建二值图像（假设已二值化）
img = Image.new("L", (100, 100), 0)  # 全黑
draw = ImageDraw.Draw(img)
draw.rectangle((20, 20, 80, 80), fill=255)  # 白色方块

# 腐蚀（缩小白色区域）
erode_op = MorphOp(op_name="erosion8")
changed, eroded = erode_op.apply(img)
print(f"变化像素: {changed}")
eroded.save("eroded.png")

# 膨胀（扩大白色区域）
dilate_op = MorphOp(op_name="dilation8")
changed, dilated = dilate_op.apply(img)
dilated.save("dilated.png")

内置 op_name：

"erosion4" / "erosion8"：4/8 连通腐蚀。

"dilation4" / "dilation8"：4/8 连通膨胀。

"opening4" / "opening8"：开运算。

"closing4" / "closing8"：闭运算。

7. 自定义 LUT：使用 `LutBuilder`

# 自定义膨胀规则：如果中心或相邻有 1，则输出 1
patterns = [
    "1:(1.. ... ...)->1",  # 中心为 1
    "4:(.1. ... ...)->1",  # 4 向相邻为 1
    "8:(.1. 1.. ...)->1"   # 8 向相邻为 1
]

lb = LutBuilder(patterns=patterns)
lut = lb.build_lut()  # 生成 LUT

# 应用自定义操作
custom_op = MorphOp(lut=lut)
changed, result = custom_op.apply(img)
result.save("custom_dilation.png")

8. 核心方法详解 + 示例

8.1 `LutBuilder.build_lut()`

lb = LutBuilder()
lb.add_patterns(["4:(... .1. 111)->1"])  # 添加模式
lut = lb.build_lut()  # bytearray(65536) – 16 位 LUT（3x3=9位输入 + 中心位）
print(f"LUT 大小: {len(lut)} 字节")

8.2 `MorphOp.apply(image)`

# 返回 (变化像素数, 新图像)
op = MorphOp(op_name="opening8")  # 开运算：去小噪点
changed, cleaned = op.apply(img)
print(f"清理了 {changed} 个噪点像素")

8.3 `MorphOp.match(image)`

# 找出匹配模式的像素坐标
op = MorphOp(op_name="dilation8")
matches = op.match(img)  # [(x1,y1), (x2,y2), ...]
print(f"匹配位置: {len(matches)} 个")
for x, y in matches[:5]:
    print(f"  ({x}, {y})")

8.4 `MorphOp.get_on_pixels(image)`

# 获取所有“开”像素（值=255/1）的坐标
on_pixels = op.get_on_pixels(img)
print(f"前景像素: {len(on_pixels)} 个")

8.5 LUT 加载/保存（MRL 文件）

# 保存 LUT 到文件
op.save_lut("my_lut.mrl")

# 加载 LUT
new_op = MorphOp()
new_op.load_lut("my_lut.mrl")

9. 高级技巧

9.1 噪声去除（开运算）

def denoise_binary(img, kernel="opening8"):
    """二值图像去噪"""
    img = img.convert("L").point(lambda p: 0 if p < 128 else 255)  # 二值化
    op = MorphOp(op_name=kernel)
    changed, denoised = op.apply(img)
    return denoised, changed

img = Image.open("noisy_binary.jpg")
cleaned, changes = denoise_binary(img)
cleaned.save("denoised.png")
print(f"去除噪点: {changes}")

9.2 边缘提取（腐蚀 + 原图减法）

def extract_edges(img):
    """提取二值图像边缘"""
    img_bin = img.convert("L").point(lambda p: 0 if p < 128 else 255)

    # 腐蚀
    erode_op = MorphOp(op_name="erosion8")
    _, eroded = erode_op.apply(img_bin)

    # 原图 - 腐蚀 = 边缘
    edges = ImageChops.subtract(img_bin, eroded)
    return edges

edges = extract_edges(Image.open("shapes.jpg"))
edges.save("edges.png")

9.3 批量形态学处理

import os
from PIL import Image

def batch_morph(input_dir, output_dir, op_name="closing8"):
    os.makedirs(output_dir, exist_ok=True)
    op = MorphOp(op_name=op_name)

    for fname in os.listdir(input_dir):
        if fname.lower().endswith(('.png', '.jpg')):
            img = Image.open(os.path.join(input_dir, fname)).convert("L")
            img_bin = img.point(lambda p: 0 if p < 128 else 255)
            _, result = op.apply(img_bin)
            result.save(os.path.join(output_dir, fname))

batch_morph("binary_images", "processed")

9.4 自定义结构元素（高级模式）

# 自定义十字形膨胀（中心 + 上下左右）
patterns = [
    "1:(1.. ... ...)->1",
    "4:(.1. ... ...)->1",  # 上、下、左、右
    "M:(1.. ... ...)->1"   # 镜像确保对称
]
lb = LutBuilder(patterns=patterns)
custom_lut = lb.build_lut()

op = MorphOp(lut=custom_lut)

10. 完整示例：二值图像形态学工具箱

from PIL import Image, ImageDraw, ImageMorph
from PIL.ImageMorph import LutBuilder, MorphOp
import os

def morph_toolbox(input_path, output_dir="morph_output"):
    os.makedirs(output_dir, exist_ok=True)
    img = Image.open(input_path).convert("L")

    # 二值化
    bin_img = img.point(lambda p: 0 if p < 128 else 255)

    # 1. 腐蚀
    erode_op = MorphOp(op_name="erosion8")
    _, eroded = erode_op.apply(bin_img)
    eroded.save(f"{output_dir}/eroded.png")

    # 2. 膨胀
    dilate_op = MorphOp(op_name="dilation8")
    _, dilated = dilate_op.apply(bin_img)
    dilated.save(f"{output_dir}/dilated.png")

    # 3. 开运算（去噪）
    open_op = MorphOp(op_name="opening8")
    _, opened = open_op.apply(bin_img)
    opened.save(f"{output_dir}/opened.png")

    # 4. 自定义闭运算（填孔）
    patterns = ["8:(... ... 111)->1"]  # 简单示例
    lb = LutBuilder(patterns=patterns)
    lut = lb.build_lut()
    close_op = MorphOp(lut=lut)
    _, closed = close_op.apply(bin_img)
    closed.save(f"{output_dir}/closed.png")

    print(f"工具箱完成: {output_dir}/")

# 使用
morph_toolbox("binary_shapes.jpg")

11. 常见应用场景

场景	推荐操作
去除小噪点	`opening8`
填充小孔洞	`closing4`
边缘检测	腐蚀 + 减法
形状平滑	开/闭运算组合
OCR 预处理	膨胀 + 开运算

12. 性能优化建议

场景	建议
大图处理	先 `resize` 缩小，处理后放大
重复应用	缓存 `MorphOp` 和 LUT
灰度转二值	使用 `point()` 阈值化
批量	预加载 LUT，避免重复构建

13. 常见问题 & 解决方案

问题	原因	解决
`apply()` 崩溃	图像不是 `L` 模式	`img.convert("L")` 并二值化
“No operator loaded”	未指定 `op_name` 或 `lut`	使用内置 `op_name` 或构建 LUT
LUT 为空	模式语法错误	检查网格 9 字符、对称符
变化像素为 0	图像无前景	验证二值化阈值
旧版本崩溃	Pillow < 4.2	升级 Pillow

14. 官方参考

https://pillow.readthedocs.io/en/stable/reference/ImageMorph.html
源码：https://github.com/python-pillow/Pillow/blob/main/src/PIL/ImageMorph.py

一键工具脚本：`morph_tool.py`

#!/usr/bin/env python3
import argparse
from PIL import Image, ImageMorph
from PIL.ImageMorph import MorphOp

def main():
    parser = argparse.ArgumentParser(description="ImageMorph 形态学工具")
    parser.add_argument("input", help="输入图像路径")
    parser.add_argument("-o", "--op", choices=["erosion8", "dilation8", "opening8", "closing8"], default="opening8")
    parser.add_argument("-t", "--threshold", type=int, default=128, help="二值化阈值")
    parser.add_argument("--output", help="输出路径", default=None)

    args = parser.parse_args()
    output = args.output or f"{args.op}_result.png"

    img = Image.open(args.input).convert("L")
    bin_img = img.point(lambda p: 255 if p > args.threshold else 0)

    op = MorphOp(op_name=args.op)
    changed, result = op.apply(bin_img)

    result.save(output)
    print(f"处理完成: {output} (变化: {changed} 像素)")

if __name__ == "__main__":
    main()

使用示例：

python morph_tool.py noisy.jpg -o opening8 -t 100 --output clean.png

需要我帮你实现 OCR 预处理管道、噪声鲁棒边缘检测、自定义结构元素生成、批量二值图像修复 等高级功能吗？直接说需求，我给你完整代码！

1. 安装 Pillow

2. 基本导入

3. `ImageMorph` 模块概述

4. 核心类一览

5. 模式描述语言（Patterns Syntax）

6. 基础用法：使用内置操作

7. 自定义 LUT：使用 `LutBuilder`

8. 核心方法详解 + 示例

8.1 `LutBuilder.build_lut()`

8.2 `MorphOp.apply(image)`

8.3 `MorphOp.match(image)`

8.4 `MorphOp.get_on_pixels(image)`

8.5 LUT 加载/保存（MRL 文件）

9. 高级技巧

9.1 噪声去除（开运算）

9.2 边缘提取（腐蚀 + 原图减法）

9.3 批量形态学处理

9.4 自定义结构元素（高级模式）

10. 完整示例：二值图像形态学工具箱

11. 常见应用场景

12. 性能优化建议

13. 常见问题 & 解决方案

14. 官方参考

一键工具脚本：`morph_tool.py`

Pillow ImageChops 模块

ImageSequence 模块

Pillow ImageDraw 模块全解析

Pillow 安装

Pillow ImageQt 模块

Pillow 简介

发表回复取消回复

1. 安装 Pillow

2. 基本导入

3. ImageMorph 模块概述

4. 核心类一览

5. 模式描述语言（Patterns Syntax）

6. 基础用法：使用内置操作

7. 自定义 LUT：使用 LutBuilder

8. 核心方法详解 + 示例

8.1 LutBuilder.build_lut()

8.2 MorphOp.apply(image)

8.3 MorphOp.match(image)

8.4 MorphOp.get_on_pixels(image)

8.5 LUT 加载/保存（MRL 文件）

9. 高级技巧

9.1 噪声去除（开运算）

9.2 边缘提取（腐蚀 + 原图减法）

9.3 批量形态学处理

9.4 自定义结构元素（高级模式）

10. 完整示例：二值图像形态学工具箱

11. 常见应用场景

12. 性能优化建议

13. 常见问题 & 解决方案

14. 官方参考

一键工具脚本：morph_tool.py

类似文章

发表回复 取消回复

3. `ImageMorph` 模块概述

7. 自定义 LUT：使用 `LutBuilder`

8.1 `LutBuilder.build_lut()`

8.2 `MorphOp.apply(image)`

8.3 `MorphOp.match(image)`

8.4 `MorphOp.get_on_pixels(image)`

一键工具脚本：`morph_tool.py`

发表回复取消回复