圖像素描特效主要經(jīng)過以下幾個步驟：

調(diào)用cv.cvtColor()函數(shù)將彩色圖像灰度化處理；通過cv.GaussianBlur()函數(shù)實現(xiàn)高斯濾波降噪；邊緣檢測采用Canny算子實現(xiàn)；最后通過cv.threshold()反二進制閾值化處理實現(xiàn)素描特效。

#coding:utf-8import cv2 as cvimport numpy as np#讀取原始圖像img = cv.imread(’d:/paojie.png’)#圖像灰度處理gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)#高斯濾波降噪gaussian = cv.GaussianBlur(gray, (5,5), 0) #Canny算子canny = cv.Canny(gaussian, 50, 150)#閾值化處理ret, result = cv.threshold(canny, 0, 255, cv.THRESH_BINARY_INV+cv.THRESH_OTSU)#顯示圖像#cv.imshow(’src’, img)#cv.imshow(’result’, result)cv.imshow(’result’,np.vstack((gray,result)))cv.waitKey()cv.destroyAllWindows()圖像素描特效展示

圖像懷舊特效

懷舊特效是將圖像的RGB三個分量分別按照一定比例進行處理的結(jié)果，其懷舊公式如下所示：

#coding:utf-8import cv2 as cvimport numpy as np#讀取原始圖像img = cv.imread(’d:/paojie.png’)#獲取圖像行和列rows, cols = img.shape[:2]#新建目標圖像dst = np.zeros((rows, cols, 3), dtype='uint8')#圖像懷舊特效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)) #顯示圖像cv.imshow(’result’,np.vstack((img,dst)))cv.waitKey()cv.destroyAllWindows()圖像懷舊特效展示

圖像光照特效是指圖像存在一個類似于燈光的光暈特效，圖像像素值圍繞光照中心點呈圓形范圍內(nèi)的增強。python實現(xiàn)代碼主要是通過雙層循環(huán)遍歷圖像的各像素點，尋找圖像的中心點，再通過計算當前點到光照中心的距離（平面坐標系中兩點之間的距離），判斷該距離與圖像中心圓半徑的大小關(guān)系，中心圓范圍內(nèi)的圖像灰度值增強，范圍外的圖像灰度值保留，并結(jié)合邊界范圍判斷生成最終的光照效果。

#coding:utf-8import cv2 as cvimport mathimport numpy as np#讀取原始圖像img = cv.imread(’d:/paojie.png’)#獲取圖像行和列rows, cols = img.shape[:2]#設置中心點和光照半徑centerX = rows / 2 - 20centerY = cols / 2 + 20radius = min(centerX, centerY)#設置光照強度strength = 100#新建目標圖像dst = np.zeros((rows, cols, 3), dtype='uint8')#圖像光照特效for i in range(rows): for j in range(cols): #計算當前點到光照中心距離(平面坐標系中兩點之間的距離) distance = math.pow((centerY-j), 2) + math.pow((centerX-i), 2) #獲取原始圖像 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, 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)) #顯示圖像cv.imshow(’result’,np.vstack((img,dst)))cv.waitKey()cv.destroyAllWindows()圖像光照特效展示

流年是用來形容如水般流逝的光陰或年華，圖像處理中特指將原圖像轉(zhuǎn)換為具有時代感或歲月沉淀的特效。python實現(xiàn)代碼如下，它將原始圖像的藍色（B）通道的像素值開根號，再乘以一個權(quán)重參數(shù)，產(chǎn)生最終的流年效果。

#coding:utf-8import cv2 as cvimport mathimport numpy as np#讀取原始圖像img = cv.imread(’d:/paojie.png’)#獲取圖像行和列rows, cols = img.shape[:2]#新建目標圖像dst = np.zeros((rows, cols, 3), dtype='uint8')#圖像流年特效for i in range(rows): for j in range(cols): #B通道的數(shù)值開平方乘以參數(shù)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)) #顯示圖像cv.imshow(’result’,np.vstack((img,dst)))cv.waitKey()cv.destroyAllWindows()圖像流年特效展示

濾鏡主要是用來實現(xiàn)圖像的各種特殊效果，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(lián)合使用，才能取得最佳藝術(shù)效果。本小節(jié)將講述一種基于顏色查找表（Look up Table）的濾鏡處理方法，它通過將每一個原始顏色進行轉(zhuǎn)換之后得到新的顏色。比如，原始圖像的某像素點為紅色（R-255, G-0, B-0），進行轉(zhuǎn)換之后變?yōu)榫G色（R-0, G-255, B-0），之后所有是紅色的地方都會被自動轉(zhuǎn)換為綠色，而顏色查找表就是將所有的顏色進行一次（矩陣）轉(zhuǎn)換，很多的濾鏡功能就是提供了這么一個轉(zhuǎn)換的矩陣，在原始色彩的基礎上進行顏色的轉(zhuǎn)換。假設現(xiàn)在存在一張新的濾鏡顏色查找表，如圖所示，它是一張512×512大小，包含各像素顏色分布的圖像。下面這張圖片另存為本地，即可直接用于圖像濾鏡處理。

#coding:utf-8import cv2 as cv import numpy as np#獲取濾鏡顏色def getBGR(img, table, i, j): #獲取圖像顏色 b, g, r = img[i][j] #計算標準顏色表中顏色的位置坐標 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]#讀取原始圖像img = cv.imread(’d:/paojie.png’)lj_map = cv.imread(’lvjing.png’)#獲取圖像行和列rows, cols = img.shape[:2]#新建目標圖像dst = np.zeros((rows, cols, 3), dtype='uint8')#循環(huán)設置濾鏡顏色for i in range(rows): for j in range(cols): dst[i][j] = getBGR(img, lj_map, i, j) #顯示圖像cv.imshow(’result’,np.vstack((img,dst)))cv.waitKey()cv.destroyAllWindows()圖像濾鏡特效展示

以上就是python opencv圖像處理(素描、懷舊、光照、流年、濾鏡 原理及實現(xiàn))的詳細內(nèi)容，更多關(guān)于python opencv圖像處理的資料請關(guān)注好吧啦網(wǎng)其它相關(guān)文章！