Använd Python för att använda filter för EMF-bilder
Skapa Python-appar för att filtrera EMF-bilder och foton via server-API:er
Aspose.Imaging för Python
Overview
Hur man filtrerar bilder och foton i EMF med Python
Varje välfångat foto har potential för förbättring, en chans att utvecklas till något helt distinkt och framstå som en unik skapelse. Filter fungerar som ett mångsidigt verktyg för bild- och fotoförbättring, så att du selektivt kan förbättra skärpan, introducera oskärpa eller eliminera färgartefakter för ett verkligt distinkt resultat. Experimentera med bildeffekter individuellt eller i kombination för att sömlöst blanda färggradienter, eliminera oönskat brus och förbättra skärpan hos objektkanterna i ditt foto. Vi kommer att använda dessa bildfilter på EMF-filer Aspose.Imaging for Python via .NET API som är ett funktionsrikt, kraftfullt och lättanvänt API för bildmanipulation och konvertering för Python-plattformen. Du kan installera det med följande kommando från ditt systemkommando.
Systemets kommandorad
>> pip install aspose-imaging-python-net
Steg för att filtrera EMF via Python
Du behöver aspose-imaging-python-net för att prova följande arbetsflöde i din egen miljö.
- Ladda EMF-filer med Image.Load-metoden
- Filtrera bilder;
- Spara komprimerad bild på skiva i det format som stöds av Aspose.Imaging
Systemkrav
Aspose.Imaging för Python stöds på alla större operativsystem. Se bara till att du har följande förutsättningar.
- Microsoft Windows / Linux med .NET Core Runtime.
- Python och PyPi pakethanterare.
Filtrera bilder i EMF - Python
| from aspose.imaging import RasterImage, Image, IMultipageImage, Rectangle | |
| from aspose.imaging.imagefilters.filteroptions import * | |
| from aspose.imaging.imageoptions import PngOptions | |
| from aspose.pycore import as_of, is_assignable | |
| import os | |
| if 'TEMPLATE_DIR' in os.environ: | |
| templates_folder = os.environ['TEMPLATE_DIR'] | |
| else: | |
| templates_folder = r"C:\Users\USER\Downloads\templates" | |
| delete_output = 'SAVE_OUTPUT' not in os.environ | |
| def delete_file(file): | |
| if delete_output: | |
| os.remove(file) | |
| def small_rectangular_filter(): | |
| filter_images(lambda image: image.filter(Rectangle(image.width // 6, image.height // 6, image.width * 2 // 3, image.height * 2 // 3), SmallRectangularFilterOptions()), "smallrectangular") | |
| def big_rectangular_filter(): | |
| filter_images(lambda image: image.filter(Rectangle(image.width // 6, image.height // 6, image.width * 2 // 3, image.height * 2 // 3), BigRectangularFilterOptions()), "bigrectangular") | |
| def sharpen_filter(): | |
| filter_images(lambda image: image.filter(Rectangle(image.width // 6, image.height // 6, image.width * 2 // 3, image.height * 2 // 3), SharpenFilterOptions()), "sharpen") | |
| def motion_wiener_filter(): | |
| filter_images(lambda image: image.filter(Rectangle(image.width // 6, image.height // 6, image.width * 2 // 3, image.height * 2 // 3), MotionWienerFilterOptions(20, 2, 0)), "motionwiener") | |
| def bilateral_smoothing_filter(): | |
| filter_images(lambda image: image.filter(Rectangle(image.width // 6, image.height // 6, image.width * 2 // 3, image.height * 2 // 3), BilateralSmoothingFilterOptions()), "bilateralsmoothing") | |
| def gauss_blur_filter(): | |
| filter_images(lambda image: image.filter(Rectangle(image.width // 6, image.height // 6, image.width * 2 // 3, image.height * 2 // 3), GaussianBlurFilterOptions(5, 4)), "gaussblur") | |
| def gauss_wiener_filter(): | |
| filter_images(lambda image: image.filter(Rectangle(image.width // 6, image.height // 6, image.width * 2 // 3, image.height * 2 // 3), GaussWienerFilterOptions(5, 5)), "gausswiener") | |
| def median_filter(): | |
| filter_images(lambda image: image.filter(Rectangle(image.width // 6, image.height // 6, image.width * 2 // 3, image.height * 2 // 3), MedianFilterOptions(20)), "median") | |
| def filter_images(do_filter, filter_name): | |
| obj_init = [] | |
| obj_init.append("jpg") | |
| obj_init.append("png") | |
| obj_init.append("bmp") | |
| obj_init.append("apng") | |
| obj_init.append("dicom") | |
| obj_init.append("jp2") | |
| obj_init.append("j2k") | |
| obj_init.append("tga") | |
| obj_init.append("webp") | |
| obj_init.append("tiff") | |
| obj_init.append("gif") | |
| obj_init.append("ico") | |
| raster_formats = obj_init | |
| obj_init2 = [] | |
| obj_init2.append("svg") | |
| obj_init2.append("otg") | |
| obj_init2.append("odg") | |
| obj_init2.append("eps") | |
| obj_init2.append("wmf") | |
| obj_init2.append("emf") | |
| obj_init2.append("wmz") | |
| obj_init2.append("emz") | |
| obj_init2.append("cmx") | |
| obj_init2.append("cdr") | |
| vector_formats = obj_init2 | |
| all_formats = raster_formats | |
| all_formats.extend(vector_formats) | |
| for format_ext in all_formats: | |
| input_file = os.path.join(templates_folder, f"template.{format_ext}") | |
| is_vector_format = format_ext in vector_formats | |
| if is_vector_format: | |
| input_file = rasterize_vector_image(format_ext, input_file) | |
| output_file = os.path.join(templates_folder, f"{filter_name}_{format_ext}.png") | |
| print(format_ext) | |
| # explicit type casting from Image to RasterImage | |
| with as_of(Image.load(input_file), RasterImage) as image: | |
| multi_page = None | |
| # if image implements an IMultipageImage interface | |
| if is_assignable(image, IMultipageImage): | |
| multi_page = as_of(image, IMultipageImage) | |
| if multi_page is not None and multi_page.page_count > 1: | |
| page_index = 0 | |
| for page in multi_page.pages: | |
| file_name = f"{filter_name}_page{page_index}_{format_ext}.png" | |
| do_filter(as_of(page, RasterImage)) | |
| page.save(templates_folder + file_name, PngOptions()) | |
| delete_file(templates_folder + file_name) | |
| page_index += 1 | |
| else: | |
| do_filter(image) | |
| image.save(output_file, PngOptions()) | |
| delete_file(output_file) | |
| if is_vector_format: | |
| delete_file(input_file) | |
| def rasterize_vector_image(format_ext, input_file): | |
| output_file = os.path.join(templates_folder, "rasterized.{format_ext}.png") | |
| with Image.load(input_file) as image: | |
| image.save(output_file, PngOptions()) | |
| return output_file | |
| # run | |
| median_filter() | |
Om Aspose.Imaging för Python API
Aspose.Imaging API är en bildbehandlingslösning för att skapa, modifiera, rita eller konvertera bilder (foton) i applikationer. Det erbjuder: plattformsoberoende bildbehandling, inklusive men inte begränsat till konverteringar mellan olika bildformat (inklusive enhetlig bildbehandling med flera sidor eller flera ramar), modifieringar som ritning, arbete med grafiska primitiver, transformationer (ändra storlek, beskära, vänd och rotera , binarisering, gråskala, justera), avancerade bildmanipuleringsfunktioner (filtrering, vibrering, maskering, avskedning) och minnesoptimeringsstrategier. Det är ett fristående bibliotek och är inte beroende av någon programvara för bildoperationer. Man kan enkelt lägga till högpresterande bildkonverteringsfunktioner med inbyggda API:er inom projekt. Dessa är 100 % privata API:er på plats och bilder bearbetas på dina servrar.Filtrera EMF via onlineapp
Filtrera EMF-dokument genom att besöka vår webbplats för Live Demos . Livedemon har följande fördelar
EMF Vad är EMF Filformat
Enhanced metafile format (EMF) lagrar grafiska bilder enhetsoberoende. Metafiler av EMF består av poster med variabel längd i kronologisk ordning som kan återge den lagrade bilden efter analys på valfri utenhet. Dessa poster med variabel längd kan vara definitioner av inneslutna objekt, kommandon för ritning och grafikegenskaper som är viktiga för att återge bilden korrekt. När en enhet öppnar en EMF-metafil med sin egen grafikmiljö förblir proportionerna, dimensionerna, färgerna och andra grafiska egenskaper för originalbilden desamma oavsett vilken enhetsplattform som öppnas.
Läs merAndra filterformat som stöds
Med hjälp av Python kan man enkelt filtrera olika format inklusive.