Python中八大圖像特效算法的示例詳解

Posted on by

0 寫在前面

圖像特效處理是基於圖像像素數據特征，將原圖像進行一定步驟的計算——例如像素作差、灰度變換、顏色通道融合等，從而達到期望的效果。圖像特效處理是日常生活中應用非常廣泛的一種計算機視覺應用，出現在各種美圖軟件中，這些精美濾鏡背後的數學原理都是相通的，本文主要介紹八大基本圖像特效算法，在這些算法基礎上可以進行二次開發，生成更高級的濾鏡。

本文采用面向對象設計，定義瞭一個圖像處理類ImgProcess，使圖像特效算法的應用更簡潔，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處理過的圖片。這個類的構造函數為

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]

讀取的是圖像的基本信息。本文還是把冰冰作為模特~

那麼下面，正式開始各種算法的介紹吧~

1 毛玻璃特效

毛玻璃特效，是利用圖像鄰域內隨機一個像素點顏色代替當前像素，從而實現毛玻璃一般朦朧模糊的效果。

# 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

2 浮雕特效

浮雕特效，是讓要呈現的圖像看起來“突起於石頭表面”，根據凹凸程度不同形成三維的立體效果。數學原理是先刻畫處圖像的輪廓，再降低邊緣周圍的像素值，從而產生一張立體浮雕效果。

# 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])    # 得到邊緣
            val = edge + 120                                # 產生立體感
            if val > 255:
                val = 255
            if val < 0:
                val = 0
            reliefImg[i, j] = val
    return reliefImg

3 油畫特效

油畫特效，是讓圖像看上去像顏料所畫，產生一種古典、褶皺的效果。幾乎所有修圖軟件都支持油畫特效，其數學原理是

  • 定義一個卷積核
  • 用卷積核對圖形進行掃描，對掃描框內像素的灰度進行量化
  • 對不同的等級的像素點數目進行計數
  • 找到掃描框中灰度等級最多的像素點，並對這些像素點的灰度值求均值
  • 用均值代替原像素值
  • 重復上述操作直至卷積核掃描完整幅圖像
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卷積核
            for k in range(-2, 2):
                for t in range(-2, 2):
                    level = int(self.gray[i + k, j + t] / 32)
                    # 量化計數
                    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

4 馬賽克特效

馬賽克特效，是當前使用較為廣泛的一種圖像或視頻處理手段，它將圖像或視頻中特定區域的色階細節劣化並造成色塊打亂的效果，主要目的通常是使特定區域無法辨認。其數學原理很簡單，就是讓某個集合內的像素相同即可。

# 馬賽克特效
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

5 素描特效

素描特效，是使用單一色彩表現明度變化的繪畫。數學原理是采用高斯模糊與灰度倒置的方式產生素描的空間造型。

# 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)

6 懷舊特效

懷舊特效，是基於心理學公式對原圖像三個色彩通道進行變換和低通濾波，產生懷舊的光影效果。

心理學公式(人眼對綠色更敏感)：

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

# 懷舊特效
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

7 流年特效

流年特效，是美圖軟件常用的特性處理手段。其數學原理是基於原圖像藍色通道進行變換，變換采取經驗公式14√6

# 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

8 卡通特效

卡通特效，顧名思義，是卡通特效。

# 卡通特效
def cartoon(self):
    num = 7   # 雙邊濾波數目
    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)

以上就是Python中八大圖像特效算法的示例詳解的詳細內容，更多關於Python圖像特效算法的資料請關註WalkonNet其它相關文章！

推薦閱讀：