python opencv图像处理(素描、怀旧、光照、流年、滤镜原理及实现)_Python

图像素描特效

图像素描特效主要经过以下几个步骤：

调用cv.cvtcolor()函数将彩色图像灰度化处理；
通过cv.gaussianblur()函数实现高斯滤波降噪；
边缘检测采用canny算子实现；
最后通过cv.threshold()反二进制阈值化处理实现素描特效。

				?

									#coding:utf-8

									import cv2 as cv

									import numpy as np

									#读取原始图像

									img = cv.imread('d:/paojie.png')

									#图像灰度处理

									gray = cv.cvtcolor(img,cv.color_bgr2gray)

									#高斯滤波降噪

									gaussian = cv.gaussianblur(gray, (5,5), 0)

									#canny算子

									canny = cv.canny(gaussian, 50, 150)

									#阈值化处理

									ret, result = cv.threshold(canny, 0, 255, cv.thresh_binary_inv+cv.thresh_otsu)

									#显示图像

									#cv.imshow('src', img)

									#cv.imshow('result', result)

									cv.imshow('result',np.vstack((gray,result)))

									cv.waitkey()

									cv.destroyallwindows()

图像素描特效展示

python opencv图像处理(素描、怀旧、光照、流年、滤镜原理及实现)

图像怀旧特效

怀旧特效是将图像的rgb三个分量分别按照一定比例进行处理的结果，其怀旧公式如下所示：

python opencv图像处理(素描、怀旧、光照、流年、滤镜原理及实现)

				?

									#coding:utf-8

									import cv2 as cv

									import numpy as np

									#读取原始图像

									img = cv.imread('d:/paojie.png')

									#获取图像行和列

									rows, cols = img.shape[:2]

									#新建目标图像

									dst = np.zeros((rows, cols, 3), dtype="uint8")

									#图像怀旧特效

									for i in range(rows):

									  for j in range(cols):

									    b = 0.272*img[i,j][2] + 0.534*img[i,j][1] + 0.131*img[i,j][0]

									    g = 0.349*img[i,j][2] + 0.686*img[i,j][1] + 0.168*img[i,j][0]

									    r = 0.393*img[i,j][2] + 0.769*img[i,j][1] + 0.189*img[i,j][0]

									    if b>255:

									      b = 255

									    if g>255:

									      g = 255

									    if r>255:

									      r = 255

									    dst[i,j] = np.uint8((b, g, r))

									#显示图像

									cv.imshow('result',np.vstack((img,dst)))

									cv.waitkey()

									cv.destroyallwindows()

图像怀旧特效展示

python opencv图像处理(素描、怀旧、光照、流年、滤镜原理及实现)

图像光照特效

图像光照特效是指图像存在一个类似于灯光的光晕特效，图像像素值围绕光照中心点呈圆形范围内的增强。
python实现代码主要是通过双层循环遍历图像的各像素点，寻找图像的中心点，再通过计算当前点到光照中心的距离（平面坐标系中两点之间的距离），判断该距离与图像中心圆半径的大小关系，中心圆范围内的图像灰度值增强，范围外的图像灰度值保留，并结合边界范围判断生成最终的光照效果。

				?

									#coding:utf-8

									import cv2 as cv

									import math

									import numpy as np

									#读取原始图像

									img = cv.imread('d:/paojie.png')

									#获取图像行和列

									rows, cols = img.shape[:2]

									#设置中心点和光照半径

									centerx = rows / 2 - 20

									centery = cols / 2 + 20

									radius = min(centerx, centery)

									#设置光照强度

									strength = 100

									#新建目标图像

									dst = np.zeros((rows, cols, 3), dtype="uint8")

									#图像光照特效

									for i in range(rows):

									  for j in range(cols):

									    #计算当前点到光照中心距离(平面坐标系中两点之间的距离)

									    distance = math.pow((centery-j), 2) + math.pow((centerx-i), 2)

									    #获取原始图像

									    b = img[i,j][0]

									    g = img[i,j][1]

									    r = img[i,j][2]

									    if (distance < radius * radius):

									      #按照距离大小计算增强的光照值

									      result = (int)(strength*( 1.0 - math.sqrt(distance) / radius ))

									      b = img[i,j][0] + result

									      g = img[i,j][1] + result

									      r = img[i,j][2] + result

									      #判断边界 防止越界

									      b = min(255, max(0, b))

									      g = min(255, max(0, g))

									      r = min(255, max(0, r))

									      dst[i,j] = np.uint8((b, g, r))

									    else:

									      dst[i,j] = np.uint8((b, g, r))

									#显示图像

									cv.imshow('result',np.vstack((img,dst)))

									cv.waitkey()

									cv.destroyallwindows()

图像光照特效展示

python opencv图像处理(素描、怀旧、光照、流年、滤镜原理及实现)

图像流年特效

流年是用来形容如水般流逝的光阴或年华，图像处理中特指将原图像转换为具有时代感或岁月沉淀的特效。python实现代码如下，它将原始图像的蓝色（b）通道的像素值开根号，再乘以一个权重参数，产生最终的流年效果。

				?

									#coding:utf-8

									import cv2 as cv

									import math

									import numpy as np

									#读取原始图像

									img = cv.imread('d:/paojie.png')

									#获取图像行和列

									rows, cols = img.shape[:2]

									#新建目标图像

									dst = np.zeros((rows, cols, 3), dtype="uint8")

									#图像流年特效

									for i in range(rows):

									  for j in range(cols):

									    #b通道的数值开平方乘以参数12

									    b = math.sqrt(img[i,j][0]) * 12

									    g = img[i,j][1]

									    r = img[i,j][2]

									    if b>255:

									      b = 255

									    dst[i,j] = np.uint8((b, g, r))

									#显示图像

									cv.imshow('result',np.vstack((img,dst)))

									cv.waitkey()

									cv.destroyallwindows()

图像流年特效展示

python opencv图像处理(素描、怀旧、光照、流年、滤镜原理及实现)

图像滤镜特效

滤镜主要是用来实现图像的各种特殊效果，它在photoshop中具有非常神奇的作用。滤镜通常需要同通道、图层等联合使用，才能取得最佳艺术效果。本小节将讲述一种基于颜色查找表（look up table）的滤镜处理方法，它通过将每一个原始颜色进行转换之后得到新的颜色。比如，原始图像的某像素点为红色（r-255, g-0, b-0），进行转换之后变为绿色（r-0, g-255, b-0），之后所有是红色的地方都会被自动转换为绿色，而颜色查找表就是将所有的颜色进行一次（矩阵）转换，很多的滤镜功能就是提供了这么一个转换的矩阵，在原始色彩的基础上进行颜色的转换。
假设现在存在一张新的滤镜颜色查找表，如图所示，它是一张512×512大小，包含各像素颜色分布的图像。下面这张图片另存为本地，即可直接用于图像滤镜处理。

python opencv图像处理(素描、怀旧、光照、流年、滤镜原理及实现)

				?

									#coding:utf-8

									import cv2 as cv 

									import numpy as np

									#获取滤镜颜色

									def getbgr(img, table, i, j):

									  #获取图像颜色

									  b, g, r = img[i][j]

									  #计算标准颜色表中颜色的位置坐标

									  x = int(g/4 + int(b/32) * 63)

									  y = int(r/4 + int((b%32) / 4) * 63)

									  #返回滤镜颜色表中对应的颜色

									  return lj_map[x][y]

									#读取原始图像

									img = cv.imread('d:/paojie.png')

									lj_map = cv.imread('lvjing.png')

									#获取图像行和列

									rows, cols = img.shape[:2]

									#新建目标图像

									dst = np.zeros((rows, cols, 3), dtype="uint8")

									#循环设置滤镜颜色

									for i in range(rows):

									  for j in range(cols):

									    dst[i][j] = getbgr(img, lj_map, i, j)

									#显示图像

									cv.imshow('result',np.vstack((img,dst)))

									cv.waitkey()

									cv.destroyallwindows()