0


计算机视觉系列教程2-6:八大图像特效算法制作你的专属滤镜(附Python代码)

在这里插入图片描述


目录

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

classImgProcess: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~

在这里插入图片描述

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defglass(self):
    glassImg = np.zeros((self.h, self.w,3), np.uint8)for i inrange(self.h -6):for j inrange(self.w -6):
            index =int(np.random.random()*6)
            glassImg[i, j]= self.src[i + index, j + index]return glassImg

在这里插入图片描述

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defrelief(self):
    reliefImg = np.zeros((self.h, self.w,1), np.uint8)for i inrange(self.h):for j inrange(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 =255if val <0:
                val =0
            reliefImg[i, j]= val
    return reliefImg

在这里插入图片描述

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
defoil(self):
    oilImg = np.zeros((self.h, self.w,3), np.uint8)for i inrange(2, self.h -2):for j inrange(2, self.w -2):# 量化向量
            quant = np.zeros(8, np.uint8)# 4x4卷积核for k inrange(-2,2):for t inrange(-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 inrange(-2,2):for t inrange(-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

在这里插入图片描述

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defmask(self):
    maskImg = np.zeros((self.h, self.w,3), np.uint8)for i inrange(self.h -5):for j inrange(self.w -5):if i%5==0and j%5==0:for k inrange(5):for t inrange(5):(b, g, r)= self.src[i, j]
                        maskImg[i + k, j + t]=(b, g, r)return maskImg

在这里插入图片描述

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defsketch(self):
    temp =255- self.gray 
    gauss = cv2.GaussianBlur(temp,(21,21),0)
    inverGauss =255- gauss      
    return cv2.divide(self.gray, inverGauss, scale =127.0)

在这里插入图片描述

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defold(self):
    oldImg = np.zeros((self.h, self.w,3), np.uint8)for i inrange(self.h):for j inrange(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 =255if g >255:
                g =255if r >255:
                r =255
            oldImg[i, j]= np.uint8((b, g, r))return oldImg

在这里插入图片描述

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
    
    
     
      b
     
    
   
   
    14\sqrt b
   
  
 14b​
# 流年特效deffleet(self):
    fleetImg = np.zeros((self.h, self.w,3), np.uint8)for i inrange(self.h):for j inrange(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

在这里插入图片描述

8 卡通特效

卡通特效,顾名思义,是卡通特效。

# 卡通特效defcartoon(self):
    num =7# 双边滤波数目for i inrange(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)

在这里插入图片描述

限于篇幅,无法再完整地粘贴代码,看评论区领取~


🚀 计算机视觉基础教程说明

章号 内容
0 色彩空间与数字成像
1 计算机几何基础
2 图像增强、滤波、金字塔
3 图像特征提取
4 图像特征描述
5 图像特征匹配
6 立体视觉
7 项目实战

🔥 更多精彩专栏

  • 《机器人原理与技术》
  • 《计算机视觉教程》
  • 《机器学习》
  • 《嵌入式系统》
  • 《数值优化方法》

👇配套代码 · 优质体验 · 系统知识 请关注👇


本文转载自: https://blog.csdn.net/FRIGIDWINTER/article/details/123330206
版权归原作者 Mr.Winter` 所有, 如有侵权,请联系我们删除。

“计算机视觉系列教程2-6:八大图像特效算法制作你的专属滤镜(附Python代码)”的评论:

还没有评论