时间戳

首页 > 解决方案 > (Py)Vips vs Pillow 提升画质

python - (Py)Vips vs Pillow 提升画质

问题描述

将图像大小调整为 200% 会在 Pillow 和 pyvips 之间产生质量差异。

虽然 Pillow 在再现方面非常准确，但 vips 会夸大噪点和对比度。

我需要对非常大的图像使用 vips，但质量不能令人满意。知道如何从贵宾那里获得更好的升级吗？（从我收集到的文档中，升级对于贵宾来说并不是那么重要，并且大多数想法已经进入了降级）。

例子：

from PIL import Image
import pyvips
import numpy as np

#Vips
img = pyvips.Image.new_from_file("mypic.jpg", access='sequential')
out = img.resize(2, kernel = "linear")
out.write_to_file("mypic_vips_resized.tif")

#Pillow
img = np.array(Image.open("mypic.jpg"))
h, w = img.shape[:2]
out = Image.fromarray(img,mode="RGB")
out = out.resize((w*2,h*2), Image.BILINEAR)
out.save("mypic_PIL_resized.tif", format='TIFF', compression='None')

原创： 枕头： 贵宾：
原来的

枕头

贵宾

抽象示例（10*10 像素）

原创： 枕头双线性： 贵宾线性：
原来的

枕头双线性

Vips 线性

标签： pythonpython-imaging-libraryvips

解决方案

看起来 Pillow 正在使用 LINEAR 的三角形过滤器进行升迁，而对于升迁，libvips 正在做简单的插值。libvips 使用三角形过滤器进行缩小。

如果你想象像素：

A 
B 
C

然后 Pillow 正在计算 A 和 B 之间的新像素、B 位置的像素以及 B 和 C 之间的新像素：

(A + B) / 2
(A + B) / 4 + B / 2 + (B + C) / 4
(B + C) / 2

而 libvips 正在计算：

(A + B) / 2
B
(B + C) / 2

您可以通过先进行非常温和的模糊来获得三角形滤镜的效果。如果我将您的程序更改为：

img = pyvips.Image.new_from_file('mypic.png', access='sequential')
img = img.gaussblur(0.45, precision='float', min_ampl=0.01).cast('uchar')
out = img.resize(2, kernel='linear')
out.write_to_file('mypic_vips_resized_blur.png')

IE。先做一个小半径，高精度gaussblur，我得到：

在此处输入图像描述

从左到右的图像是 1) 一个简单的 x2 像素双精度、2) Pillow LINEAR、3) libvipslinear和 4) libvips gaussblur+ linear。您可能需要单击图像，否则您的浏览器会将其缩小并模糊。

2) 和 4) 看起来离我（不是很好）的眼睛很近。3）似乎可以说对原作更真实，因为原作中存在的振铃和噪音没有被消除。

推荐阅读