Pillow 사용법 - Basic 04 - ImageFilter

PIL.ImageFilter는 이미지에

• blur, sharpening, edge detection, emboss 등
• 다양한 시각적 효과를 적용할 수 있는 사전 정의된 필터들을 제공하는 모듈.

이는 convoluton 기반으로 동작하는 다양한 필터를 사전 정의하여 제공하며, 

사용자가 고유의 kernel 로 설계도 가능함.

 

참고로, 보다 정확하고 자세한 건 아래 url의 소스코드를 참고하라.

https://github.com/python-pillow/Pillow/blob/main/src/PIL/ImageFilter.py

Pillow/src/PIL/ImageFilter.py at main · python-pillow/Pillow

 

이 문서의 필터는 다음의 gist 로 실제 동작을 확인할 수 있음:

https://gist.github.com/dsaint31x/5dbd4fdcac38108c9fe5a055dfe9778c

pillow_basic04_image_filter.ipynb

---

0. BoxBlur 필터

PIL.ImageFilter 모듈에서 제공하는 사전 정의된 필터.

단순 averaging blur를 적용하여 이미지를 부드럽게 만듦.

PIL.ImageFilter.BoxBlur(radius=1.0)

• radius: blur radius (기본값 1, float 값 지원) - 반지름이라고 했지만, box의 폭을 결정하는데 사용됨.

수식:

각 픽셀에 대해 주변의 (2×radius+1)² 크기의 박스 내에서 모든 픽셀들의 평균으로 대체

• radius 크기와 무관하게 선형 시간 복잡도로 동작 (매우 빠름)
• radius는 float 값 지원으로 세밀한 조정 가능
• radius=0이면 원본과 동일한 이미지 반환
• 큰 반경의 블러에서도 우수한 성능을 보임

빠른 연산이지만 품질은 GaussianBlur보다 낮음.

 

사용 예는 다음과 같음:

from PIL import ImageFilter
blurred_img = img.filter(ImageFilter.BoxBlur(radius=4.5))

---

1. BLUR 필터

PIL.ImageFilter 모듈에서 제공하는 사전 정의된 필터.

 

5×5 크기의 "도넛 모양" 커널을 사용하여 특별한 블러 효과를 적용.

• 일반적인 박스 블러와 다른 "도넛 블러" 효과
• 중앙 픽셀 정보를 제외하고 주변부만으로 평균을 계산
• 가장자리 정보를 더 많이 활용한 독특한 블러 알고리즘

PIL.ImageFilter.BLUR

• 매개변수 없음 (고정된 5×5 커널 사용)

BLUR 커널:

1/16 * [1 1 1 1 1]  
       [1 0 0 0 1]  
       [1 0 0 0 1]  
       [1 0 0 0 1]  
       [1 1 1 1 1]

• 테두리 16개 픽셀만 사용 (가중치 1)
• 중앙 9개 픽셀은 무시 (가중치 0)
• 결과 = (테두리 16개 픽셀의 합) / 16

# 동일한 효과의 커스텀 커널
custom_blur = ImageFilter.Kernel(
    size=(5, 5),
    kernel=[1, 1, 1, 1, 1,
            1, 0, 0, 0, 1,
            1, 0, 0, 0, 1,
            1, 0, 0, 0, 1,
            1, 1, 1, 1, 1],
    scale=16 # 나누어짐.
)

 

사용 예제 코드는 다음과 같음:

from PIL import ImageFilter
blurred_img = img.filter(ImageFilter.BLUR)

---

2. GaussianBlur 필터

PIL.ImageFilter 모듈에서 제공하는 클래스.

가우시안 분포를 사용한 가장 널리 사용되는 blurring filter.

PIL.ImageFilter.GaussianBlur(radius=2)

• radius: blur 반경 (기본값 2.0, 클수록 더 흐릿함)

가우시안 수식:

$$G(x, y) = \frac{1}{2\pi\sigma^2} \, e^{-\frac{x^2 + y^2}{2\sigma^2}}$$

• $\sigma$: radius 임. (Standard deviation of the Gaussian kernel)
• 가장 널리 사용되는 Blur 중 하나.
• BLUR보다 연산량이 많지만 품질은 보다 우수함.
• 배경 흐림, 노이즈 감소, 부드러운 효과에 적합

사용예는 다음과 같음:

gaussian_blur = ImageFilter.GaussianBlur(radius=5)
blurred_img = img.filter(gaussian_blur)

 

참고로, 다른 라이브러리에선 radius와 $\sigma$가 보통 다를 수 있음.

OpenCV와 SciPy의 경우:

• OpenCV: kernel_radius = $3\sigma$
• SciPy: kernel_radius = int($4\sigma$ + 0.5)

---

3. SHARPEN 필터

PIL.ImageFilter 모듈에서 제공하는 사전 정의된 필터.

 

이미지의 가장자리를 강조하여 선명도를 향상시킴.

PIL.ImageFilter.SHARPEN

• 매개변수 없음 (고정된 3x3 커널 사용)

SHARPEN 커널:

  [-2 -2 -2]
  [-2 32 -2]
  [-2 -2 -2]

• 이 커널 적용 후 1/16을 곱해줌.

filterargs = (3, 3), 16, 0, (
    -2, -2, -2,
    -2, 32, -2,
    -2, -2, -2,
)
# 정규화하면: 1/16 × 커널

• 중심 픽셀을 강조하고 주변 픽셀을 약화시켜 대비 증가
• 흐릿한 이미지의 선명도 복원에 사용
• 과도하게 적용하면 노이즈 증가 및 부자연스러운 효과 발생

사용예는 다음과 같음:

sharpened_img = img.filter(ImageFilter.SHARPEN)

---

4. EDGE_ENHANCE 필터

PIL.ImageFilter 모듈에서 제공하는 사전 정의된 필터.

 

이미지의 가장자리를 강화하여 (SHARPEN 대비) 윤곽선을 더욱 뚜렷하게 만듦.

PIL.ImageFilter.EDGE_ENHANCE

• 매개변수 없음 (고정된 3x3 커널 사용)

Edge Enhance 커널:

  [-1 -1 -1]
  [-1 10 -1]
  [-1 -1 -1]

 

Pillow의 코드 구현을 참고하면 다음과 같음.

filterargs = (3, 3), 2, 0, ( #2는 나누어지는 normalizaton factor, 0은 bias.
    -1, -1, -1,
    -1, 10, -1,
    -1, -1, -1,
)
# 정규화하면: 1/2 × 커널

• Pillow에선 SHARPEN과의 차이가 강도차이만 존재
• 원래 Edge Enhancement는 subtle detail은 강조하지 않는 것이 일반적이나, Pillow에선 둘 다 high pass filter (HPF)임.
  • Pillow의 EDGE_ENHANCE는 좀 더 강력한 HPF라고 봐도 된다. 
• EDGE_ENHANCE는 중심 가중치가 5로 훨씬 강하게 고주파 성분이 강조됨.
  • SHARPEN은 32/16=2 로 중심이 나머지 주변은 -2/16=-0.125로 가중치가 주어짐.
  • EDGE_ENHANCE는 10/2=5 로 중심에 보다 높은 가중지를 주고, 주변도 -1/2=-0.5로 음의 방향으로 더 높은 가중치가 주어짐.
• 더 강한 HPF는 EDGE_ENHANCE_MORE 임.

사용예제 코드는 다음과 같음:

edge_enhanced = img.filter(ImageFilter.EDGE_ENHANCE)

---

5. FIND_EDGES 필터

PIL.ImageFilter 모듈에서 제공하는 사전 정의된 필터.

 

이미지에서 가장자리만을 검출하여 윤곽선 이미지를 생성.

검은 배경에 밝은 edge가 됨.

PIL.ImageFilter.FIND_EDGES

• 매개변수 없음 (고정된 3x3 커널 사용)

가장자리 검출 커널 수식:

  [-1 -1 -1]
  [-1  8 -1]
  [-1 -1 -1]

• 원본 이미지 정보는 제거되고 edge만 큰 값으로 남김
• 객체 인식, 윤곽선 추출, 스케치 효과에 사용

사용 예제 코드는 다음과 같음:

edges = img.filter(ImageFilter.FIND_EDGES)

 

---

6. CONTOUR 필터

PIL.ImageFilter 모듈에서 제공하는 사전 정의된 필터.

 

가장자리 검출 후 배경이 흰색이 되고 윤곽이 어두워지는 스타일로 변환.

흰 배경에 어두운 윤곽선!
(FINDE_EDGES와 차이점)

사전 정의된 필터.

PIL.ImageFilter.CONTOUR

• 매개변수 없음 (고정된 3x3 커널 사용)

CONTOUR 커널:

  [-1 -1 -1]
  [-1  8 -1]
  [-1 -1 -1]

class CONTOUR(BuiltinFilter):
    name = "Contour"
    # fmt: off
    filterargs = (3, 3), 1, 255, (
        -1, -1, -1,
        -1,  8, -1,
        -1, -1, -1,
    )
    # fmt: on

• 위의 커널로 가장자리 검출
  • 평탄한 영역: 0에 가까움.
  • edge나 boundary는 양과 음으로 큰 수를 intensity로 가짐.
• 이후 result + 255 하고 클리핑
  • 평탄한 영역은 흰 색.
  • edge나 boundary는 클리핑 되는 등으로 인해 255보다 작은 intensity : 검은 윤곽선.

• FIND_EDGES 의 결과를 반전시킨 것과 유사한 결과를 얻음.

사용 예는 다음과 같음:

contour = img.filter(ImageFilter.CONTOUR)

---

7. EMBOSS 필터

PIL.ImageFilter 모듈에서 제공하는 사전 정의된 필터.

 

이미지에 대각선 방향 그래디언트를 계산하여 양각(엠보스) 효과를 적용.

PIL.ImageFilter.EMBOSS

• 매개변수 없음 (고정된 3x3 커널 사용)

EMBOSS Kernel:

  [-1  0  0]
  [ 0  1  0]
  [ 0  0  0]

• 대각선 방향의 그래디언트(좌상단(-1)과 중앙(1)의 차이를 계산)를 계산하여 입체감 표현
• 대각선 방향의 가장자리 검출
• 결과에 128을 더해 중간 회색을 기준점으로 설정
• 음수 결과는 어두운 부분, 양수 결과는 밝은 부분으로 표현
• 128 offset으로 인해 변화가 없는 부분은 중간 회색으로 표시

사용예는 다음과 같음:

embossed = img.filter(ImageFilter.EMBOSS)

---

8. UnsharpMask 필터

PIL.ImageFilter 모듈에서 제공하는 클래스.

 

Unsharp Masking 기법을 사용한 고급 샤프닝 필터.

PIL.ImageFilter.UnsharpMask(
    radius=2, 
    percent=150, 
    threshold=3,
)

• radius: 블러 반경 (기본값 2.0), float 지원
• percent: 샤프닝 강도 백분율 (기본값 150), int만 가능
• threshold: 적용 임계값 (기본값 3, 작을수록 더 많은 픽셀에 적용), int만 가능.

언샤프 마스킹 수식:

  sharpened = original + (original - blurred) * (percent/100)
  (단, |original - blurred| > threshold인 경우만)

• 이미지 샤프닝에 가장 널리 사용되는 표준 기법
• 노이즈 증가 없이 선명도 향상 가능

사용예는 다음과 같음:

unsharp = ImageFilter.UnsharpMask(radius=3, percent=200, threshold=5)
sharpened = image.filter(unsharp)

https://dsaint31.tistory.com/931

Unsharp Masking and Selective Unsharp Masking

---

9. MedianFilter 필터

PIL.ImageFilter 모듈에서 제공하는 클래스.

주변 픽셀들의 중간값을 사용하여 노이즈를 제거하는 non-linear filter.

PIL.ImageFilter.MedianFilter(size=3)

• size: 필터 크기 (기본값 3)
  • 홀수 int 만 가능

중간값 필터 수식:

  output(x,y) = median{input(x+i, y+j) | i,j ∈ [-size/2, size/2]}

• 가장자리를 보존하면서 노이즈 제거하는 non-linear filter
• salt and pepper noise 제거에 매우 효과적
• blur 필터와 달리 가장자리가 흐려지지 않음

사용예는 다음과 같음:

median = ImageFilter.MedianFilter(size=5)
denoised = noisy_img.filter(median)

---

참고: Custom Kernel Filter

사용자 고유의 kernel을 사용하는 것도 가능함:

다음을 참고:

2025.07.02 - [Python] - Pillow에서 Custom Kernel Filter 사용

Pillow에서 Custom Kernel Filter 사용

---

같이보면 좋은 자료들

convolution에 대한 이해:

https://dsaint31.me/mkdocs_site/DIP/cv2/etc/dip_convolution/

BME

---

2025.06.30 - [Python] - Pillow 사용법 - Basic 01

Pillow 사용법 - Basic 01

2025.07.01 - [Python] - Pillow 사용법 - Basic 02 - copy, ImageDraw

Pillow 사용법 - Basic 02 - copy, ImageDraw

2025.07.01 - [Python] - Pillow 사용법 - Basic 03 - Image Enhance

Pillow 사용법 - Basic 03 - Image Enhance