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)


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,出算法的时间复杂度是指什么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像素画的,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,软件测试生成更高级的滤软件商店下载镜。

本文采用面向对象设计,定义了一个像素工厂图像处理类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。这个类的构造索引是什么意思函数为

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~

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)
那么下面,正式开始各种算法的介绍吧~

1 毛索引超出了数组界限什么意思玻璃特效

毛玻璃特效,是利用图像邻域像素地牢内随机一软件工程专业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

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)

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像素的立体效果。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

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)

3 油画特效

油画特效,是让图像看上去像颜料算法导论所画,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
  • 重复上述操作直至算法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

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)

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。其数学软件商店原理很简单,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

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)

5 素描特效

素描特效,是使用单一色彩表现明度教程拼音变化的绘画。数学原理是采用高斯模糊与灰度倒置的方式产生索引类型素描的空间造型。

# 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)

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)

6算法工程师 怀旧特效

怀旧特效,是教程拼音基于心理学公式对原图像三个色彩通道进行教程视频怎么制作方法变换和低通滤波,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 + 0.1像素68 * 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

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)

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14b14sqrt b

# 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

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)

8 卡通特效教程视频怎么制作方法

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)

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)

限于篇幅,本文完整工程代码私索引下推信我获取~


计算机视觉基础教程大纲

章号 内容

0 色彩空间与数字成像

1 计算机几何基础

2 图像算法的五个特性增强、滤波、金字塔

3 图像特征提软件技术专业

4 图像特征描述

5 图像特征匹配

6 立体视觉

7 项目实战

更多优质内容和配套代码欢迎来我的AI频道“AI技术社”

发表评论

提供最优质的资源集合

立即查看 了解详情