python opencv影象處理(素描、懷舊、光照、流年、濾鏡 原理及實現)
影象素描特效
影象素描特效主要經過以下幾個步驟:
呼叫cv.cvtColor()函式將彩色影象灰度化處理;
通過cv.GaussianBlur()函式實現高斯濾波降噪;
邊緣檢測採用Canny運算元實現;
最後通過cv.threshold()反二進位制閾值化處理實現素描特效。
#coding:utf-8 import cv2 as cv import numpy as np #讀取原始影象 img = cv.imread('d:/paojie.png') #影象灰度處理 gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY) #高斯濾波降噪 gaussian = cv.GaussianBlur(gray,(5,5),0) #Canny運算元 canny = cv.Canny(gaussian,50,150) #閾值化處理 ret,result = cv.threshold(canny,255,cv.THRESH_BINARY_INV+cv.THRESH_OTSU) #顯示影象 #cv.imshow('src',img) #cv.imshow('result',result) cv.imshow('result',np.vstack((gray,result))) cv.waitKey() cv.destroyAllWindows()
影象素描特效展示
影象懷舊特效
懷舊特效是將影象的RGB三個分量分別按照一定比例進行處理的結果,其懷舊公式如下所示:
#coding:utf-8 import cv2 as cv import numpy as np #讀取原始影象 img = cv.imread('d:/paojie.png') #獲取影象行和列 rows,cols = img.shape[:2] #新建目標影象 dst = np.zeros((rows,cols,3),dtype="uint8") #影象懷舊特效 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)) #顯示影象 cv.imshow('result',np.vstack((img,dst))) cv.waitKey() cv.destroyAllWindows()
影象懷舊特效展示
影象光照特效
影象光照特效是指影象存在一個類似於燈光的光暈特效,影象畫素值圍繞光照中心點呈圓形範圍內的增強。
python實現程式碼主要是通過雙層迴圈遍歷影象的各畫素點,尋找影象的中心點,再通過計算當前點到光照中心的距離(平面座標系中兩點之間的距離),判斷該距離與影象中心圓半徑的大小關係,中心圓範圍內的影象灰度值增強,範圍外的影象灰度值保留,並結合邊界範圍判斷生成最終的光照效果。
#coding:utf-8 import cv2 as cv import math import numpy as np #讀取原始影象 img = cv.imread('d:/paojie.png') #獲取影象行和列 rows,cols = img.shape[:2] #設定中心點和光照半徑 centerX = rows / 2 - 20 centerY = cols / 2 + 20 radius = min(centerX,centerY) #設定光照強度 strength = 100 #新建目標影象 dst = np.zeros((rows,dtype="uint8") #影象光照特效 for i in range(rows): for j in range(cols): #計算當前點到光照中心距離(平面座標系中兩點之間的距離) distance = math.pow((centerY-j),2) + math.pow((centerX-i),2) #獲取原始影象 B = img[i,j][0] G = img[i,j][1] R = img[i,j][2] if (distance < radius * radius): #按照距離大小計算增強的光照值 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 #判斷邊界 防止越界 B = min(255,max(0,B)) G = min(255,G)) R = min(255,R)) dst[i,R)) else: dst[i,dst))) cv.waitKey() cv.destroyAllWindows()
影象光照特效展示
影象流年特效
流年是用來形容如水般流逝的光陰或年華,影象處理中特指將原影象轉換為具有時代感或歲月沉澱的特效。python實現程式碼如下,它將原始影象的藍色(B)通道的畫素值開根號,再乘以一個權重引數,產生最終的流年效果。
#coding:utf-8 import cv2 as cv import math import numpy as np #讀取原始影象 img = cv.imread('d:/paojie.png') #獲取影象行和列 rows,dtype="uint8") #影象流年特效 for i in range(rows): for j in range(cols): #B通道的數值開平方乘以引數12 B = math.sqrt(img[i,j][0]) * 12 G = img[i,j][2] if B>255: B = 255 dst[i,dst))) cv.waitKey() cv.destroyAllWindows()
影象流年特效展示
影象濾鏡特效
濾鏡主要是用來實現影象的各種特殊效果,它在Photoshop中具有非常神奇的作用。濾鏡通常需要同通道、圖層等聯合使用,才能取得最佳藝術效果。本小節將講述一種基於顏色查詢表(Look up Table)的濾鏡處理方法,它通過將每一個原始顏色進行轉換之後得到新的顏色。比如,原始影象的某畫素點為紅色(R-255,G-0,B-0),進行轉換之後變為綠色(R-0,G-255,B-0),之後所有是紅色的地方都會被自動轉換為綠色,而顏色查詢表就是將所有的顏色進行一次(矩陣)轉換,很多的濾鏡功能就是提供了這麼一個轉換的矩陣,在原始色彩的基礎上進行顏色的轉換。
假設現在存在一張新的濾鏡顏色查詢表,如圖所示,它是一張512×512大小,包含各畫素顏色分佈的影象。下面這張圖片另存為本地,即可直接用於影象濾鏡處理。
#coding:utf-8 import cv2 as cv import numpy as np #獲取濾鏡顏色 def getBGR(img,table,i,j): #獲取影象顏色 b,g,r = img[i][j] #計算標準顏色表中顏色的位置座標 x = int(g/4 + int(b/32) * 63) y = int(r/4 + int((b%32) / 4) * 63) #返回濾鏡顏色表中對應的顏色 return lj_map[x][y] #讀取原始影象 img = cv.imread('d:/paojie.png') lj_map = cv.imread('lvjing.png') #獲取影象行和列 rows,dtype="uint8") #迴圈設定濾鏡顏色 for i in range(rows): for j in range(cols): dst[i][j] = getBGR(img,lj_map,j) #顯示影象 cv.imshow('result',dst))) cv.waitKey() cv.destroyAllWindows()
影象濾鏡特效展示
以上就是python opencv影象處理(素描、懷舊、光照、流年、濾鏡 原理及實現)的詳細內容,更多關於python opencv影象處理的資料請關注我們其它相關文章!