Pillow庫中，圖像的模式代表了圖像的顏色空間。以下是一些常見的圖像模式及其含義：
L（灰度圖）：L模式表示圖像是灰度圖像，每個像素用8位表示（范圍為0-255），0表示黑色，255表示白色。
RGB：RGB模式表示圖像是真彩色圖像，每個像素由紅（R）、綠（G）、藍（B）三種顏色通道組成，每個通道占據8位，共24位表示一個像素的顏色。
CMYK：CMYK模式表示圖像是使用青色（Cyan）、品紅（Magenta）、黃色（Yellow）、黑色（Key/Keyline）四種油墨顏色的印刷圖像，主要用于打印

from PIL import Image
img1=Image.open('blend1.jpg')
img2=Image.open('blend2.jpg')
img2=img2.resize(img1.size)
r1,g1,b1= img1.split()
r2,g2,b2= img2.split()#進行色道的分離
tmp=[r1,g2,b1]#用img2的綠色通道代替img1的綠色通道
img = Image.merge("RGB",tmp)#其中 mode 指輸出圖像的模式，bands 波段通道，一個序列包含單個帶圖通道。
img.show()

圖片合并

濾鏡
在 Pillow 庫中的 Image 模塊中，使用函數 filter()可以對指定的圖片使用濾鏡效果，在
Pillow 庫中可以用的濾鏡保存在 ImageFilter 模塊中。

Image.filter(filter)

通過函數 filter()，可以使用給定的濾鏡過慮指定的圖像，參數“filter”表示濾鏡內核。

from PIL import Image,ImageFilter
#使用函數 filter()實現濾鏡效果
img=Image.open('bjsxt.png')
b=img.filter(ImageFilter.GaussianBlur)
b.show()

GaussianBlur（高斯模糊）：
作用：高斯模糊是一種基于正態分布的模糊濾鏡，用于平滑圖像，減少噪點和細節。
參數：
radius：模糊的半徑，值越大，模糊效果越明顯。
應用場景：用于減小圖像噪聲、平滑圖像或為其他濾鏡操作做預處理。

UnsharpMask（不清晰的掩模濾鏡）：
作用：不清晰的掩模實際上是用于增強圖像的邊緣細節，通過先進行模糊處理再進行銳化來實現。
參數：
radius：模糊半徑，用于模糊處理，值越大，影響范圍越廣。
percent：增強的強度，百分比值，決定了銳化的強度。
threshold：閾值，決定只有在像素強度差異超過此值時才進行銳化處理。
應用場景：用于圖像銳化和增強細節，使圖像看起來更加清晰。

MinFilter（最小值濾波）：
作用：最小值濾波器會用濾波窗口內的最小值替換中心像素值，主要用于減少圖像中的鹽噪聲（白點噪聲）。
參數：
size：濾波器的大小（例如3表示3x3的窗口）。
應用場景：用于去除圖像中的極端亮點，平滑圖像。

MedianFilter（中值濾波）：
作用：中值濾波器會用濾波窗口內的中值替換中心像素值，主要用于去除椒鹽噪聲。
參數：
size：濾波器的大小（例如3表示3x3的窗口）。
應用場景：用于去除圖像中的噪聲，特別是椒鹽噪聲，同時盡量保留邊緣細節。

ModeFilter（模式濾波）：
作用：模式濾波器會用濾波窗口內的眾數（出現次數最多的值）替換中心像素值，用于減少隨機噪聲。
參數：
size：濾波器的大小（例如3表示3x3的窗口）。
應用場景：用于去除圖像中的隨機噪聲，特別是圖像中有大量重復元素時效果較好。
主要區別總結：
GaussianBlur：平滑整個圖像，減少細節和噪聲。
UnsharpMask：增強圖像細節，通過模糊和銳化組合實現。
MinFilter：用窗口內的最小值替換中心像素，去除圖像中的鹽噪聲。
MedianFilter：用窗口內的中值替換中心像素，去除圖像中的椒鹽噪聲。
ModeFilter：用窗口內的眾數替換中心像素，減少隨機噪聲。
每種濾波器有其特定的用途和效果，可以根據圖像處理的需求選擇合適的濾波器。

高斯模糊 (GaussianBlur)：
圖像整體變得更加平滑，細節被模糊掉，有助于減少噪聲。
不清晰的掩模濾鏡 (UnsharpMask)：
圖像的細節被增強，邊緣變得更加清晰，整體顯得更加銳利。
最小值濾波 (MinFilter)：
圖像中亮點被削弱，減少了極端亮點的影響，整體變得較暗。
中值濾波 (MedianFilter)：
圖像中的噪聲，特別是椒鹽噪聲被有效去除，保留了邊緣細節。
模式濾波 (ModeFilter)：
圖像中的隨機噪聲被減少，平滑了圖像，同時保留了一些重復的元素。

高斯噪聲（Gaussian Noise）：

特點：高斯噪聲的像素值變化符合高斯分布（正態分布），即大部分噪聲值集中在平均值附近，隨著離平均值越遠的概率越小。
來源：通常來自電子設備的熱噪聲或傳感器的隨機波動。
表現：圖像上會有較為均勻的亮度變化，但沒有明顯的斑點。
椒鹽噪聲（Salt-and-Pepper Noise）：

特點：椒鹽噪聲表現為圖像中的隨機白色（鹽）和黑色（胡椒）點。
來源：傳感器故障、傳輸錯誤或數字圖像處理中的不準確操作。
表現：圖像上有明顯的黑白斑點，非常顯眼。
泊松噪聲（Poisson Noise）：

特點：泊松噪聲（也稱為光子噪聲）與圖像信號強度成比例，通常在光子計數過程中產生。
來源：攝影過程中由于光子的統計波動導致的噪聲。
表現：圖像亮度越高的地方噪聲越明顯。
散斑噪聲（Speckle Noise）：

特點：散斑噪聲是一種相干噪聲，通常在激光、雷達和超聲波成像中出現。
來源：相干光束干涉造成的圖像強度波動。
表現：圖像看起來像覆蓋了一層細小的斑點。

1.目視檢查
直接觀察圖像：
高斯噪聲：圖像整體看起來有輕微的模糊，亮度和顏色有細微變化。
椒鹽噪聲：圖像中出現明顯的黑白斑點。
泊松噪聲：通常在低光圖像中，亮度較高區域出現隨機斑點。
散斑噪聲：圖像看起來像覆蓋了一層斑點，尤其是在相干成像系統中（如雷達、超聲波成像）。
2. 直方圖分析
觀察圖像的灰度直方圖：
高斯噪聲：直方圖會有廣泛的分布，集中在中心，但有寬的尾部。
椒鹽噪聲：直方圖會在極值處（0和255）出現尖峰。
泊松噪聲：直方圖顯示隨亮度變化的不同程度的分布，特別是在低亮度區域。
散斑噪聲：直方圖會顯示出更復雜的分布，取決于圖像內容和噪聲性質。
3. 統計分析
計算圖像的統計特性：
均值和方差：高噪聲圖像的方差通常較大。
信噪比（SNR）：較低的SNR表示較高的噪聲水平。
4. 頻域分析
傅里葉變換：
將圖像轉換到頻域，通過觀察頻譜圖判斷噪聲。
高斯噪聲：頻譜圖中有較為均勻的高頻分量。
椒鹽噪聲：頻譜圖中有較高的隨機高頻分量。
散斑噪聲：頻譜圖中有特定的條紋或斑點模式。
5. 濾波器響應
應用濾波器并觀察效果：
高斯模糊：應用后，如果圖像變得更平滑且噪聲減少，可能存在高斯噪聲。
中值濾波：應用后，如果圖像斑點減少，說明存在椒鹽噪聲。

ImageChops 模塊
在 Pillow 庫的內置模塊 ImageChops 中包含了多個用于實現圖片合成的函數。這些合成
功能是通過計算通道中像素值的方式來實現的。其主要用于制作特效、合成圖片等操作。
常用的內置函數如下所示：

ImageChops.add（image1，image2，scale = 1.0，offset = 0 ）

輸出值為

out = ((image1 + image2) / scale + offset)