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！