Python影像處理丨5種影像處理特效

華為雲開發者聯盟 發表於 2022-11-17
Python
摘要:本篇文章主要講解了影像常見的特效處理,從處理效果圖、演算法原理、程式碼實現三個步驟進行詳細講解,涉及影像素描特效、懷舊特效、光照特效、流年特效、影像濾鏡等。

本文分享自華為雲社群《[Python影像處理] 二十五.影像特效處理之素描、懷舊、光照、流年以及濾鏡特效》,作者: eastmount。

一.影像素描特效

影像素描特效會將影像的邊界都凸顯出來,透過邊緣檢測及閾值化處理能實現該功能。一幅影像的內部都具有相似性,而在影像邊界處具有明顯的差異,邊緣檢測利用數學中的求導來擴大這種變化。但是求導過程中會增大影像的噪聲,所以邊緣檢測之前引入了高斯濾波降噪處理。本文的影像素描特效主要經過以下幾個步驟:

  • 呼叫cv2.cvtColor()函式將彩色影像灰度化處理;
  • 透過cv2.GaussianBlur()函式實現高斯濾波降噪;
  • 邊緣檢測採用Canny運算元實現;
  • 最後透過cv2.threshold()反二進位制閾值化處理實現素描特效。

其執行程式碼如下所示。

#coding:utf-8
import cv2
import numpy as np
#讀取原始影像
img = cv2.imread('scenery.png')
#影像灰度處理
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#高斯濾波降噪
gaussian = cv2.GaussianBlur(gray, (5,5), 0)
#Canny運算元
canny = cv2.Canny(gaussian, 50, 150)
#閾值化處理
ret, result = cv2.threshold(canny, 100, 255, cv2.THRESH_BINARY_INV)
#顯示影像
cv2.imshow('src', img)
cv2.imshow('result', result)
cv2.waitKey()
cv2.destroyAllWindows()

最終輸出結果如下圖所示,它將彩色影像素描處理。原圖是作者去年九月份拍攝於喀納斯,真的很美~

Python影像處理丨5種影像處理特效

影像的素描特效有很多種方法,本文僅提供了一種方法,主要提取的是影像的邊緣輪廓,還有很多更精細的素描特效方法,提取的輪廓更為清晰,如下圖所示。希望讀者能自行擴充套件相關演算法知識,並實現對應的效果。

Python影像處理丨5種影像處理特效

二.影像懷舊特效

影像懷舊特效是指影像經歷歲月的昏暗效果,如圖所示,左邊“src”為原始影像,右邊“dst”為懷舊特效影像。

Python影像處理丨5種影像處理特效

懷舊特效是將影像的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:

Python影像處理丨5種影像處理特效

Python實現程式碼主要透過雙層迴圈遍歷影像的各畫素點,再結合該公式計算各顏色通道的畫素值,最終生成如圖所示的效果,其完整程式碼如下。

#coding:utf-8
import cv2
import numpy as np
#讀取原始影像
img = cv2.imread('nana.png')
#獲取影像行和列
rows, cols = img.shape[:2]
#新建目標影像
dst = np.zeros((rows, cols, 3), dtype="uint8")
#影像懷舊特效
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))
#顯示影像
cv2.imshow('src', img)
cv2.imshow('dst', dst)
cv2.waitKey()
cv2.destroyAllWindows()

三.影像光照特效

影像光照特效是指影像存在一個類似於燈光的光暈特效,影像畫素值圍繞光照中心點呈圓形範圍內的增強。如下圖所示,該影像的中心點為(192,192),光照特效之後中心圓範圍內的畫素增強了200。

Python影像處理丨5種影像處理特效

Python實現程式碼主要是透過雙層迴圈遍歷影像的各畫素點,尋找影像的中心點,再透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),判斷該距離與影像中心圓半徑的大小關係,中心圓範圍內的影像灰度值增強,範圍外的影像灰度值保留,並結合邊界範圍判斷生成最終的光照效果。

#coding:utf-8
import cv2
import math
import numpy as np
#讀取原始影像
img = cv2.imread('scenery.png')
#獲取影像行和列
rows, cols = img.shape[:2]
#設定中心點
centerX = rows / 2
centerY = cols / 2
print centerX, centerY
radius = min(centerX, centerY)
print radius
#設定光照強度
strength = 200
#新建目標影像
dst = np.zeros((rows, cols, 3), dtype="uint8")
#影像光照特效
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))
#顯示影像
cv2.imshow('src', img)
cv2.imshow('dst', dst)
cv2.waitKey()
cv2.destroyAllWindows()

四.影像流年特效

流年是用來形容如水般流逝的光陰或年華,影像處理中特指將原影像轉換為具有時代感或歲月沉澱的特效,其效果如圖所示。

Python影像處理丨5種影像處理特效

Python實現程式碼如下,它將原始影像的藍色(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
import math
import numpy as np
#讀取原始影像
img = cv2.imread('scenery.png')
#獲取影像行和列
rows, cols = img.shape[:2]
#新建目標影像
dst = np.zeros((rows, cols, 3), dtype="uint8")
#影像流年特效
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][1]
        R = img[i,j][2]
 if B>255:
            B = 255
 dst[i,j] = np.uint8((B, G, R))
#顯示影像
cv2.imshow('src', img)
cv2.imshow('dst', dst)
cv2.waitKey()
cv2.destroyAllWindows()

五.影像濾鏡特效

濾鏡主要是用來實現影像的各種特殊效果,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,它透過將每一個原始顏色進行轉換之後得到新的顏色。比如,原始影像的某畫素點為紅色(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像。下面這張圖片另存為本地,即可直接用於影像濾鏡處理。

Python影像處理丨5種影像處理特效

濾鏡特效實現的Python程式碼如下所示,它透過自定義getBRG()函式獲取顏色查詢表中對映的濾鏡顏色,再依次迴圈替換各顏色。

#coding:utf-8
import cv2
import numpy as np
#獲取濾鏡顏色
def getBGR(img, table, i, j):
 #獲取影像顏色
    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) * 64)
    y = int(r/4 + int((b%32) / 4) * 64)
 #返回濾鏡顏色表中對應的顏色
 return lj_map[x][y]
#讀取原始影像
img = cv2.imread('scenery.png')
lj_map = cv2.imread('table.png')
#獲取影像行和列
rows, cols = img.shape[:2]
#新建目標影像
dst = np.zeros((rows, cols, 3), 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, i, j)
#顯示影像
cv2.imshow('src', img)
cv2.imshow('dst', dst)
cv2.waitKey()
cv2.destroyAllWindows()

濾鏡特效的執行結果如圖所示,其中左邊“src”為原始風景影像,右邊“dst”為濾鏡處理後的影像,其顏色變得更為鮮豔,對比度更強。

Python影像處理丨5種影像處理特效

六.本文小結

本篇文章主要講解了影像常見的特效處理,從處理效果圖、演算法原理、程式碼實現三個步驟進行詳細講解,涉及影像素描特效、懷舊特效、光照特效、流年特效、影像濾鏡等,這些知識點將為讀者從事Python影像處理相關專案實踐或科學研究提供一定基礎。

參考文獻:

 

 

點選關注,第一時間瞭解華為雲新鮮技術~