影像處理--影像特效

AndreasZhou 發表於 2020-08-01

影像特效基礎

(1)灰度處理

在講解影像特效之前,我們先get一下做灰度影像的四種方法。

方法一:通過設定imread的第二個引數,來實現圖片的灰度處理。

方法二:cv庫提供了一個函式cvtColor,來實現圖片的灰度處理。

方法三:Gray = (B+G+R)/3 根據BGR的均值作為計算。

方法四:Gray = R*0.299 + G*0.587 + B*0.114 根據線性規則來做運算。心理學計算公式。也是概率分佈的。

方法五:灰度影像處理的演算法的優化。gray = (B*1+G*2+R*1)/4

我們先來講解一下方法一:

# 方法一:通過設定imread的第二個引數,來實現圖片的灰度處理
import cv2

img0 = cv2.imread('image0.JPG',0)
img1 = cv2.imread('image0.JPG',1)

print(img0.shape)
print(img1.shape)


cv2.imshow('image0',img0)
cv2.imshow('image1',img1)
cv2.waitKey(0)

# (547, 730)  灰度圖片顯示的是圖片的寬高資訊,沒有深度.深度預設是1。
# (547, 730, 3) 彩色圖片顯示的是圖片的高度寬度資訊,還有深度資訊。這裡的深度是3

| 影像處理--影像特效|

接下來我們講解一下方法2:

# 方法2 cvtColor
import cv2
img = cv2.imread('image0.JPG',1)
dst = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 顏色空間轉換  1 data 2 BGR gray 轉換為灰度
cv2.imshow('image',dst)
cv2.waitKey(0)

| 影像處理--影像特效|

接下來我們講解一下方法三:

# 方法3 灰度影像的BGR和彩色影像的BGR有什麼區別呢?
# 彩色影像的BGR是不一樣的,而灰度影像的BRG是一樣的:B=G=R  gray
import cv2
import numpy as np
img = cv2.imread('image0.JPG',1)
# print(img.shape)
print(img[100][100])

imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
# print(height,width)
dst = np.zeros((height,width,3),np.uint8)

for i in range(0,height):
    for j in range(0,width):
        # 讀取原來影像的BGR
        (B,G,R) = img[i][j]
        # 三個點的均值計算
        B = G = R = int((int(B)+int(G)+int(R))/3)
        dst[i][j]= np.uint8((B,G,R))
        
#         這個方法也是可以的
#         gray = (int(B)+int(G)+int(R))/3
#         dst[i][j] = np.uint8(gray)
                
cv2.imshow('dst',dst)
cv2.waitKey(0)

| 影像處理--影像特效|

接下來我們來講解一下方法四:

# 方法4   心理學計算公式。也是概率分佈的。  gray = R*0.299 + G*0.587 + B*0.114

import cv2
import numpy as np

img = cv2.imread('image0.JPG',1)
# print(img.shape)
print(img[100][100])

imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
# print(height,width)
dst1 = np.zeros((height,width,3),np.uint8)

for i in range(0,height):
    for j in range(0,width):
        # 讀取原來影像的BGR
        (B,G,R) = img[i][j]
        B = int(B)
        G = int(G)
        R = int(R)
        gray = R*0.299 + G*0.587 + B*0.114
        dst[i][j] = np.uint8(gray)
               
cv2.imshow('dst1',dst1)
cv2.waitKey(0)

| 影像處理--影像特效|

最後我們講解一下方法五:

在這裡我們學習一下演算法的優化,我們可以更好更快的計算出影像的灰度值。在這裡我們要先明白兩個知識點。

  1. 定點數的效率要比浮點數的效率高一些 。 定點-》浮點
  2. 加減的運算效率要比乘除的運算效率高一些。移位的運算也要比乘除高一些。 + - —》 */ 《— >>移位
# 方法5  演算法優化,更快更好的計算影像的灰度值。
# 1 灰度知識點,是本小結中最重要的知識點。  2 很多影像的基礎   3 演算法的實時性。
# 定點的演算法效率比浮點數的高一些   定點-》浮點。
# + -   -》 */  《-   >>移位。

# 我們的方法四是利用到線性的概率分佈的問題:gray = R*0.299 + G*0.587 + B*0.114。
# 那麼這裡我們使用到的是浮點型的小數,那麼我們想要使用整數來提高效率。gray = (B*1+G*2+R*1)/4。
# 因為整數的計算是比小數的計算的計算效率還要快。
# 當然不一定是乘以1,2這樣子。我們也可以乘以100,1000,10000。根據具體的問題決定,儘量減少誤差。

import cv2
import numpy as np

img = cv2.imread('image0.JPG',1)
# print(img.shape)
print(img[100][100])

imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
# print(height,width)
dst2 = np.zeros((height,width,3),np.uint8)

for i in range(0,height):
    for j in range(0,width):
        # 讀取原來影像的BGR
        (B,G,R) = img[i][j]
        B = int(B)
        G = int(G)
        R = int(R)
        # 在這裡我們使用定點的整數,來實現優化,使得我們得出來的結果快,但是多多少少都是有誤差的。
        gray = (B*1+G*2+R*1)/4
        
        
        # 下面的這種更加的優化
        # gray = (B+(G<<1)+R)>>2   # 使用了左移和右移
        
        dst2[i][j] = np.uint8(gray)
               
cv2.imshow('dst2',dst2)
cv2.waitKey(0)

| 影像處理--影像特效|

(2)顏色反轉(底板效果)

底板效果有點像膠捲相機洗出來的效果

1.彩色圖片的顏色反轉

彩色圖片的每一個畫素值的顏色是有BGR三個顏色值組成的,那麼我們在實現顏色反轉(底板效果)的時候,我們需要用255減去每一個顏色值。即

我們針對每一種顏色進行處理:例如對於B,------255-B=newB

BGR 255-B = newB 255-G = newG 255-R = newR

dst[i,j] = (255-b,255-g,255-r)

實現彩色圖片的顏色反轉的程式碼如下所示:

# 彩色圖片的圖片的反轉,產生底板效果
# 我們針對每一種顏色進行處理:例如對於B,------255-B=newB
# BGR   255-B = newB   255-G = newG  255-R = newR

import cv2
import numpy as np

img = cv2.imread('image0.JPG',1)
imgInfo = img.shape

height = imgInfo[0]
width = imgInfo[1]
deepth = imgInfo[2]


dst = np.zeros([height,width,3],np.uint8)   # 這裡面的3表示一個畫素的顏色是有三個顏色值組成的

for i in range(0,height):
    for j in range(0,width):
        (B,G,R) = img[i,j]
        newB = 255-B
        newG = 255-G
        newR = 255-R
        dst[i,j] = np.uint8((newB,newG,newR))

cv2.imshow('dst',dst)
cv2.waitKey(0)


|影像處理--影像特效|

2.灰色圖片的顏色反轉

灰度影像的值是0-255,那麼我們要實現顏色反轉(底板效果),那麼我們就要使得每一個畫素都用255-灰度圖片的值。

dst[i,j] = 255-grayPixel

程式碼的實現如下所示:

# 灰度圖片的圖片的反轉
# 灰度圖片的值是0-255,  然後用255-當前的值

import cv2
import numpy as np

img = cv2.imread('image0.JPG',1)
imgInfo = img.shape

height = imgInfo[0]
width = imgInfo[1]
deepth = imgInfo[2]

# grayPixel = img[100,100]
# print(grayPixel)

# 將彩色圖片轉換為灰度圖片
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

dst = np.zeros([height,width,3],np.uint8)

for i in range(0,height):
    for j in range(0,width):
        grayPixel = gray[i,j]
#         print(grayPixel)
        dst[i,j] = 255 - grayPixel
                
cv2.imshow('dst',dst)
cv2.waitKey(0)

| 影像處理--影像特效|

(3)馬賽克效果

我們先通過下面的一張圖來體驗一下馬賽克。(馬賽克分為矩形馬賽克和圓形馬賽克,我們這裡使用的是矩形的馬賽克)。

| 影像處理--影像特效|

程式碼的實現如下所示:

# 用相同的顏色值,去替代所有需要打上馬賽克地方的顏色值。

import cv2
import numpy as np

img = cv2.imread('image0.JPG',1)

imgInfo = img.shape

heihth = imgInfo[0]
width = imgInfo[1]

for m in range(100,300):
    for n in range(100,200):
        # pixel ->10*10,對每一個10*10的區域進行處理,先定義了一個10*10的小方塊
        if m%10 == 0 and n%10 == 0:
            for i in range(0,10):
                for j in range(0,10):
                    (b,g,r) = img[m,n]  # 這個保證的是每一個10*10的都用同一個顏色值
                    img[i+m,j+n] = (b,g,r) # 使得10*10的區域都是用一個顏色的值,實現馬賽克的效果。
                   
cv2.imshow('dst',img)
cv2.waitKey(0)

| 影像處理--影像特效|

全屏馬賽克,程式碼實現如下:

# 用相同的顏色值,去替代所有需要打上馬賽克地方的顏色值。

import cv2
import numpy as np

img = cv2.imread('image0.JPG',1)
imgInfo = img.shape
heigth = imgInfo[0]
width = imgInfo[1]

for m in range(0,heigth-10):
    for n in range(0,width-10):
        # pixel ->10*10
        if m%10 == 0 and n%10 == 0:
            for i in range(0,10):
                for j in range(0,10):
                    (b,g,r) = img[m,n]  # 這個保證的是每一個10*10的都用同一個顏色值
                    img[i+m,j+n] = (b,g,r)
                   
cv2.imshow('dst',img)
cv2.waitKey(0)

| 影像處理--影像特效|

(4)毛玻璃效果

我們先通過下面的一張圖來體驗一下毛玻璃效果。

| 影像處理--影像特效|

程式碼的實現如下所示:

# 對於每一個區域中的畫素的顏色值,我們用隨機的一個顏色的值。去替代所在區域的畫素的顏色值。

import cv2
import numpy as np
import random

img = cv2.imread('image0.JPG',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]

dst = np.zeros((height,width,3),np.uint8)

mm = 8 # 定義一個範圍
# 減去mm是防止當前的矩陣越界
for m in range(0,height-mm):
    for n in range(0,width-mm):
        index = int(random.random()*mm)# 0-8
        (b,g,r) = img[m+index,n+index]
        dst[m,n] = (b,g,r)
        
cv2.imshow('dst',dst)
cv2.waitKey(0)

|影像處理--影像特效|

(5)圖片融合

我們先通過下面的一張圖來體驗一下圖片的融合效果。

| 影像處理--影像特效|

程式碼的實現如下所示:

# 實現的是將兩個圖片的畫素顏色的融合  dst = src1*a + src2*(1-a),如果a=0.3,那麼1-a=0.7
# 按照某一個係數的比例來實現圖片的融合。

import cv2
import numpy as np
img0 = cv2.imread('image0.JPG',1)
img1 = cv2.imread('image1.JPG',1)
imgInfo = img0.shape
height = imgInfo[0]
width = imgInfo[1]
# ROI
# 將寬和高變成原來的一半
roiH = int(height/2)
roiW = int(width/2)
img0ROI = img0[0:roiH,0:roiW]
img1ROI = img1[0:roiH,0:roiW]
dst = np.zeros((roiH,roiW,3),np.uint8)
dst = cv2.addWeighted(img0ROI, 0.5, img1ROI, 0.5,3)  # add  src1*a + src2*(1-a)
cv2.imshow('dst',dst)
cv2.waitKey(0)

| 影像處理--影像特效|

(6)邊緣檢測

我們先通過下面的一張圖來體驗一下圖片的邊緣檢測的效果。

| 影像處理--影像特效|

# 方法一:通過呼叫opencv的api的形式
import cv2
import numpy as np
# import tensorflow as tf
import random

img = cv2.imread('image0.JPG',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]

cv2.imshow('src',img)

# canny  1 轉換為灰度圖片gray  2 高斯濾波-去掉噪聲干擾  3 呼叫canny方法實現邊緣檢測

gray = cv2.cvtColor(img,cv2.COLOR_BGR2BGRA)

imgG = cv2.GaussianBlur(gray,(3,3),0)

dst = cv2.Canny(img,50,50)

cv2.imshow('dst',dst)

| 影像處理--影像特效|

import cv2
import numpy as np
import random
import math
img = cv2.imread('image0.JPG',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
cv2.imshow('src',img)
# sobel 1 運算元模版 2 圖片卷積 3 閾值判決 
# [1 2 1          [ 1 0 -1
#  0 0 0            2 0 -2
# -1 -2 -1 ]       1 0 -1 ]
              
# [1 2 3 4] [a b c d] a*1+b*2+c*3+d*4 = dst
# sqrt(a*a+b*b) = f>th
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
dst = np.zeros((height,width,1),np.uint8)
for i in range(0,height-2):
    for j in range(0,width-2):
        # 求出x方向的梯度
        gy = gray[i,j]*1+gray[i,j+1]*2+gray[i,j+2]*1-gray[i+2,j]*1-gray[i+2,j+1]*2-gray[i+2,j+2]*1
        # 求出y方向的梯度
        gx = gray[i,j]+gray[i+1,j]*2+gray[i+2,j]-gray[i,j+2]-gray[i+1,j+2]*2-gray[i+2,j+2]
        # 求出梯度
        grad = math.sqrt(gx*gx+gy*gy)
        # 閾值判決
        if grad>50:
            dst[i,j] = 255
        else:
            dst[i,j] = 0
cv2.imshow('dst',dst)
cv2.waitKey(0)

| 影像處理--影像特效|

(7)浮雕效果

程式碼的實現的結果為:

import cv2
import numpy as np
img = cv2.imread('image0.jpg',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# newP = gray0-gray1+150
dst = np.zeros((height,width,1),np.uint8)
for i in range(0,height):
    # 注意這裡的width需要減去1,不然會報錯。
    for j in range(0,width-1):
        grayP0 = int(gray[i,j])
        grayP1 = int(gray[i,j+1])
        newP = grayP0-grayP1+150
        if newP > 255:
            newP = 255
        if newP < 0:
            newP = 0
        dst[i,j] = newP
cv2.imshow('dst',dst)
cv2.waitKey(0)

| 影像處理--影像特效|

(8)顏色對映

程式碼的實現的結果為:

import cv2
import numpy as np
img = cv2.imread('image0.jpg',1)
cv2.imshow('src',img)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
#rgb -》RGB new “藍色”
# b=b*1.5
# g = g*1.3
dst = np.zeros((height,width,3),np.uint8)
for i in range(0,height):
    for j in range(0,width):
        (b,g,r) = img[i,j]
        b = b*1.5
        g = g*1.3
        if b>255:
            b = 255
        if g>255:
            g = 255
        dst[i,j]=(b,g,r)
cv2.imshow('dst',dst)
cv2.waitKey(0)

| 影像處理--影像特效|

(9)油畫特效

程式碼的實現的結果為:

# 1 gray 
# 2 7*7 10*10 
# 3 0-255 256 4 64 0-63 64-127 
# 3 10 0-63 99 64-127
# 4 count 
# 5 dst = result

import cv2
import numpy as np
img = cv2.imread('image0.JPG',1)
cv2.imshow('src',img)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
dst = np.zeros((height,width,3),np.uint8)
for i in range(4,height-4):
    for j in range(4,width-4):
        # 這裡是劃分為8個段
        array1 = np.zeros(8,np.uint8)
        for m in range(-4,4):
            for n in range(-4,4):
                # 總共是256個,8個段,每一個段是32個。
                p1 = int(gray[i+m,j+n]/32)
                # p1到底投影在哪一個灰度等級中
                array1[p1] = array1[p1]+1
        
        # 獲取到8個畫素段中,哪一個是最大的,並且知道了最大的畫素段的下標
        currentMax = array1[0]
        l = 0
        for k in range(0,8):
            if currentMax<array1[k]:
                currentMax = array1[k]
                l = k
        # 簡化 均值
        for m in range(-4,4):
            for n in range(-4,4):
                if gray[i+m,j+n]>=(l*32) and gray[i+m,j+n]<=((l+1)*32):
                    (b,g,r) = img[i+m,j+n]
        dst[i,j] = (b,g,r)
cv2.imshow('dst',dst)
cv2.waitKey(0)

| 影像處理--影像特效|

(10)線段繪製

import cv2
import numpy as np
newImageInfo = (500,500,3)
dst = np.zeros(newImageInfo,np.uint8)
# line
# 繪製線段 1 dst 2 begin 3 end 4 color
cv2.line(dst,(100,100),(400,400),(0,0,255))
# 5 line w
cv2.line(dst,(100,200),(400,200),(0,255,255),20)
# 6 line type
cv2.line(dst,(100,300),(400,300),(0,255,0),20,cv2.LINE_AA)

cv2.line(dst,(200,150),(50,250),(25,100,255))
cv2.line(dst,(50,250),(400,380),(25,100,255))
cv2.line(dst,(400,380),(200,150),(25,100,255))

cv2.imshow('dst',dst)
cv2.waitKey(0)

| 影像處理--影像特效|

(11)矩形圓形任意多邊形繪製

import cv2
import numpy as np
newImageInfo = (500,500,3)
dst = np.zeros(newImageInfo,np.uint8)
# 矩形的繪製
#  1 dst 2 左上角 3 右下角 4 color 5 fill -1 >0 line w   第五個引數如果是-1,表示的是fill填充。如果是一個大於0的值,表示的是線條的寬度。
cv2.rectangle(dst,(50,100),(200,300),(255,0,0),5)
# 圓形的繪製
#  1 dst 2 center 3 r 4 顏色color 5 寬度或者是否填充
cv2.circle(dst,(250,250),(50),(0,255,0),2)
# 橢圓形的繪製
# 1  dst 2 center 3 軸的長度(橢圓有兩個軸,一個是長軸,一個是短軸,所以這裡的150是長軸的值,100是短軸的值) 
# 4 angle偏轉角度 5 begin角度 6 end角度 7 顏色color 8 表示的是否填充,以及寬度  
cv2.ellipse(dst,(256,256),(150,100),0,0,180,(255,255,0),-1)

# 定義任意多邊形
points = np.array([[150,50],[140,140],[200,170],[250,250],[150,50]],np.int32)
print(points.shape)

# 實現了維度的轉換
points = points.reshape((-1,1,2))
print(points.shape)

# 完成當前多邊形的繪製
cv2.polylines(dst,[points],True,(0,255,255))
cv2.imshow('dst',dst)
cv2.waitKey(0)

|影像處理--影像特效|

(12)文字圖片繪製

1.圖片上繪製文字

import cv2 
import numpy as np
img = cv2.imread('image0.jpg',1)
font = cv2.FONT_HERSHEY_SIMPLEX
# 繪製一個矩形框
cv2.rectangle(img,(200,100),(500,400),(0,255,0),3)
# 1 dst 2 文字內容 3 座標 4 font 5 字型大小 6 color 7 粗細 8 line type
cv2.putText(img,'this is flow',(100,300),font,1,(200,100,255),2,cv2.LINE_AA)
cv2.imshow('src',img)
cv2.waitKey(0)

| 影像處理--影像特效|

2.圖片上繪製圖片

import cv2 
img = cv2.imread('image0.jpg',1)
height = int(img.shape[0]*0.2)
width = int(img.shape[1]*0.2)
# 將圖片的寬和高進行縮放,實現了將小的圖片放到了大的圖片上。
imgResize = cv2.resize(img,(width,height))
for i in range(0,height):
    for j in range(0,width):
        img[i+200,j+350] = imgResize[i,j]
cv2.imshow('src',img)
cv2.waitKey(0)

|影像處理--影像特效|