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~
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。
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。
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。
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。
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：
- 《數字影像處理》（第3版），岡薩雷斯著，阮秋琦譯，電子工業出版社，2013年.
- 《數字影像處理學》（第3版），阮秋琦，電子工業出版社，2008年，北京.
- 《OpenCV3程式設計入門》，毛星雲，冷雪飛，電子工業出版社，2015，北京.
- Eastmount - [Android] 透過Menu實現圖片懷舊、浮雕、模糊、光照和素描效果
- 使用python和opencv將圖片轉化為素描圖-python程式碼解析
- 謝灰灰在找胡蘿蔔. IOS開發－－使用lookup table為圖片新增濾鏡
- 百度百科. 濾鏡