Python中八大图像特效算法的示例详解
0 写在前面
图像特效处理是基于图像像素数据特征,将原图像进行一定步骤的计算——例如像素作差、灰度变换、颜色通道融合等,从而达到期望的效果。图像特效处理是日常生活中应用非常广泛的一种计算机视觉应用,出现在各种美图软件中,这些精美滤镜背后的数学原理都是相通的,本文主要介绍八大基本图像特效算法,在这些算法基础上可以进行二次开发,生成更高级的滤镜。
本文采用面向对象设计,定义了一个图像处理类ImgProcess,使图像特效算法的应用更简洁,例如
import cv2 import numpy as np process = ImgProcess('1.jpg') glassImg = process.glass() cv2.imshow("glass", glassImg) cv2.waitKey(delay = 0)
就可以生成毛玻璃特效处理过的图片。这个类的构造函数为
class ImgProcess: def __init__(self, img) -> None: self.src = cv2.imread(img) self.gray = cv2.cvtColor(self.src, cv2.COLOR_BGR2GRAY) self.h, self.w = self.src.shape[:2]
读取的是图像的基本信息。本文还是把冰冰作为模特~
那么下面,正式开始各种算法的介绍吧~
1 毛玻璃特效
毛玻璃特效,是利用图像邻域内随机一个像素点颜色代替当前像素,从而实现毛玻璃一般朦胧模糊的效果。
# 毛玻璃特效 def glass(self): glassImg = np.zeros((self.h, self.w, 3), np.uint8) for i in range(self.h - 6): for j in range(self.w - 6): index = int(np.random.random() * 6) glassImg[i, j] = self.src[i + index, j + index] return glassImg
2 浮雕特效
浮雕特效,是让要呈现的图像看起来“突起于石头表面”,根据凹凸程度不同形成三维的立体效果。数学原理是先刻画处图像的轮廓,再降低边缘周围的像素值,从而产生一张立体浮雕效果。
# 浮雕特效 def relief(self): reliefImg = np.zeros((self.h, self.w, 1), np.uint8) for i in range(self.h): for j in range(self.w - 1): edge = int(self.gray[i, j]) - int(self.gray[i, j + 1]) # 得到边缘 val = edge + 120 # 产生立体感 if val > 255: val = 255 if val < 0: val = 0 reliefImg[i, j] = val return reliefImg
3 油画特效
油画特效,是让图像看上去像颜料所画,产生一种古典、褶皱的效果。几乎所有修图软件都支持油画特效,其数学原理是
- 定义一个卷积核
- 用卷积核对图形进行扫描,对扫描框内像素的灰度进行量化
- 对不同的等级的像素点数目进行计数
- 找到扫描框中灰度等级最多的像素点,并对这些像素点的灰度值求均值
- 用均值代替原像素值
- 重复上述操作直至卷积核扫描完整幅图像
def oil(self): oilImg = np.zeros((self.h, self.w, 3), np.uint8) for i in range(2, self.h - 2): for j in range(2, self.w - 2): # 量化向量 quant = np.zeros(8, np.uint8) # 4x4卷积核 for k in range(-2, 2): for t in range(-2, 2): level = int(self.gray[i + k, j + t] / 32) # 量化计数 quant[level] = quant[level] + 1 # 求最大量化值及其索引 valMax = max(quant) valIndex = list(quant).index(valMax) # 像素平均 for k in range(-2, 2): for t in range(-2, 2): if self.gray[i + k, j + t] >= (valIndex * 32) \ and self.gray[i + k, j + t] <= ((valIndex + 1) * 32): (b, g, r) = self.src[i + k, j + t] oilImg[i, j] = (b, g, r) return oilImg
4 马赛克特效
马赛克特效,是当前使用较为广泛的一种图像或视频处理手段,它将图像或视频中特定区域的色阶细节劣化并造成色块打乱的效果,主要目的通常是使特定区域无法辨认。其数学原理很简单,就是让某个集合内的像素相同即可。
# 马赛克特效 def mask(self): maskImg = np.zeros((self.h, self.w, 3), np.uint8) for i in range(self.h - 5): for j in range(self.w - 5): if i%5==0 and j%5==0 : for k in range(5): for t in range(5): (b, g, r) = self.src[i, j] maskImg[i + k, j + t] = (b, g, r) return maskImg
5 素描特效
素描特效,是使用单一色彩表现明度变化的绘画。数学原理是采用高斯模糊与灰度倒置的方式产生素描的空间造型。
# 素描特效 def sketch(self): temp = 255 - self.gray gauss = cv2.GaussianBlur(temp, (21, 21), 0) inverGauss = 255 - gauss return cv2.divide(self.gray, inverGauss, scale = 127.0)
6 怀旧特效
怀旧特效,是基于心理学公式对原图像三个色彩通道进行变换和低通滤波,产生怀旧的光影效果。
心理学公式(人眼对绿色更敏感):
B= 0.272 * r + 0.534 * g + 0.131 * b
G = 0.349 * r + 0.686 * g + 0.168 * b
R = 0.393 * r + 0.769 * g + 0.189 * b
# 怀旧特效 def old(self): oldImg = np.zeros((self.h, self.w, 3), np.uint8) for i in range(self.h): for j in range(self.w): b = 0.272 * self.src[i, j][2] + 0.534 * self.src[i, j][1] + 0.131 * self.src[i, j][0] g = 0.349 * self.src[i, j][2] + 0.686 * self.src[i, j][1] + 0.168 * self.src[i, j][0] r = 0.393 * self.src[i, j][2] + 0.769 * self.src[i, j][1] + 0.189 * self.src[i, j][0] if b > 255: b = 255 if g > 255: g = 255 if r > 255: r = 255 oldImg[i, j] = np.uint8((b, g, r)) return oldImg
7 流年特效
流年特效,是美图软件常用的特性处理手段。其数学原理是基于原图像蓝色通道进行变换,变换采取经验公式14√6
# 流年特效 def fleet(self): fleetImg = np.zeros((self.h, self.w, 3), np.uint8) for i in range(self.h): for j in range(0, self.w): b = math.sqrt(self.src[i, j][0]) * 14 g = self.src[i, j][1] r = self.src[i, j][2] if b > 255: b = 255 fleetImg[i, j] = np.uint8((b, g, r)) return fleetImg
8 卡通特效
卡通特效,顾名思义,是卡通特效。
# 卡通特效 def cartoon(self): num = 7 # 双边滤波数目 for i in range(num): cv2.bilateralFilter(self.src, d = 9, sigmaColor = 5, sigmaSpace = 3) median = cv2.medianBlur(self.gray, 7) edge = cv2.adaptiveThreshold(median, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, blockSize = 5, C = 2) edge = cv2.cvtColor(edge, cv2.COLOR_GRAY2RGB) return cv2.bitwise_and(self.src, edge)
上一篇:python中的flask框架Jinja 模板入门教程
栏 目:Python代码
本文标题:Python中八大图像特效算法的示例详解
本文地址:http://www.codeinn.net/misctech/224781.html