溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要為大家展示了“Python如何處理圖像特效”，內容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領大家一起研究并學習一下“Python如何處理圖像特效”這篇文章吧。
讀取圖像信息：
"""
Author:XiaoMa
date:2021/11/16
"""
import cv2
import numpy as np
import math
import matplotlib.pyplot as plt
img0 = cv2.imread('E:\From Zhihu\For the desk\cvfifteen1.jpg')
img1 = cv2.cvtColor(img0, cv2.COLOR_BGR2GRAY)
h, w = img0.shape[:2]
print(h, w)
cv2.imshow("W0", img0)
cv2.imshow("W1", img1)
cv2.waitKey(delay = 0)得到的圖像信息如下：
386 686
毛玻璃特效的原理是在當前的像素點的鄰域內隨機取一個像素點來代替它，從而達到一個毛玻璃的模糊的效果。代碼如下，已經添加了注釋，如果有看不懂的地方評論區留言大家一起討論。
#毛玻璃特效
img2 = np.zeros((h, w, 3), np.uint8) #生成與原圖像等大的全零矩陣
for i in range(0, h - 6): #防止下面的隨機數超出邊緣
for j in range(0, w - 6):
index = int(np.random.random()*6) #0~6的隨機數
(b, g, r) = img0[i + index, j + index]
img2[i, j] = (b, g, r)
cv2.imshow("W2", img2)
cv2.waitKey(delay = 0)得到的效果如下：
由于取隨機數的時候必須要減去邊緣的那些像素點值，所以圖像的右邊界和下邊界不可避免的出現了未填充區域。
在寫博客的時候突然心生一計，如果我們在創建全零矩陣時就對邊界進行限定不就可以了嘛，試了一下，果然可以！！如下：
#毛玻璃特效
img2 = np.zeros((h - 6, w - 6, 3), np.uint8) #生成的全零矩陣考慮到了隨機數范圍，變小了
for i in range(0, h - 6): #防止下面的隨機數超出邊緣
for j in range(0, w - 6):
index = int(np.random.random()*6) #0~6的隨機數
(b, g, r) = img0[i + index, j + index]
img2[i, j] = (b, g, r)
cv2.imshow("W2", img2)
cv2.waitKey(delay = 0)
經過上述方式生成的毛玻璃特效就不會出現未填充部位，但圖像的尺寸確實小了。
Python 實現浮雕特效的原理是先勾勒出圖像的邊界曲線，然后降低邊界周圍的像素值，從而得到一幅立體的浮雕形式的圖像。
#浮雕特效(需要對灰度圖像進行操作)
img3 = np.zeros((h, w, 3), np.uint8)
for i in range(0, h):
for j in range(0, w - 2): #減2的效果和上面一樣
grayP0 = int(img1[i, j])
grayP1 = int(img1[i, j + 2]) #取與前一個像素點相鄰的點
newP = grayP0 - grayP1 + 150 #得到差值，加一個常數可以增加浮雕立體感
if newP > 255:
newP = 255
if newP < 0:
newP = 0
img3[i, j] = newP
cv2.imshow("W3", img3)
cv2.waitKey(delay = 0)得到效果如下：
該特效實現較為簡單，直接在代碼中給出注釋：
#素描特效
img4 = 255 - img1 #對原灰度圖像的像素點進行反轉
blurred = cv2.GaussianBlur(img4, (21, 21), 0) #進行高斯模糊
inverted_blurred = 255 - blurred #反轉
img4 = cv2.divide(img1, inverted_blurred, scale = 127.0) #灰度圖像除以倒置的模糊圖像得到鉛筆素描畫
cv2.imshow("W4", img4)
cv2.waitKey(delay = 0)
懷舊特效需要專門的 R, G, B 通道的轉換公式來對圖像的三個通道進行處理，轉換公式為：
實現代碼如下：
#懷舊特效
img5 = np.zeros((h, w, 3), np.uint8)
for i in range(0, h):
for j in range(0, w):
B = 0.272 * img0[i, j][2] + 0.534 * img0[i, j][1] + 0.131 * img0[i, j][0]
G = 0.349 * img0[i, j][2] + 0.686 * img0[i, j][1] + 0.168 * img0[i, j][0]
R = 0.393 * img0[i, j][2] + 0.769 * img0[i, j][1] + 0.189 * img0[i, j][0]
if B > 255:
B = 255
if G > 255:
G = 255
if R > 255:
R = 255
img5[i, j] = np.uint8((B, G, R))
cv2.imshow("W5", img5)
cv2.waitKey(delay = 0)得到效果如下：
這個特效計算量比起前面的幾種還是有點大的，需要對像素點進行遍歷，然后計算每一個點的三個通道的值。
比起前面的懷舊特效，流年特效只需要對圖像的每一個像素點的藍色通道（B）進行簡單調整就可以了，首先是對其開根號，然后乘以一個參數即可，實現代碼如下：
#流年特效
img6 = np.zeros((h, w, 3), np.uint8)
for i in range(0, h):
for j in range(0, w):
B = math.sqrt(img0[i, j][0]) *14 # B通道的數值開平方乘以參數14
G = img0[i, j][1]
R = img0[i, j][2]
if B > 255:
B = 255
img6[i, j] = np.uint8((B, G, R))
cv2.imshow("W6", img6)
cv2.waitKey(delay = 0)
大家可以多修改參數進行調試，觀察不同的參數下的效果。
水波特效是使用三角函數得到波紋的傳遞函數，然后根據設定的中心進行特效的生成，該部分的算法有點難度，多嘗試幾次就可以了，以后博主有時間會專門出一片水波特效的介紹博文。實現代碼如下：
#水波特效
img7 = np.zeros((h, w, 3), np.uint8)
wavelength = 20 #定義水波特效波長
amplitude = 30 #幅度
phase = math.pi / 4 #相位
centreX = 0.5 #水波中心點X
centreY = 0.5 #水波中心點Y
radius = min(h, w) / 2
icentreX = w*centreX #水波覆蓋寬度
icentreY = h*centreY #水波覆蓋高度
for i in range(0, h):
for j in range(0, w):
dx = j - icentreX
dy = i - icentreY
distance = dx * dx + dy * dy
if distance > radius * radius:
x = j
y = i
else:
# 計算水波區域
distance = math.sqrt(distance)
amount = amplitude * math.sin(distance / wavelength * 2 * math.pi - phase)
amount = amount * (radius - distance) / radius
amount = amount * wavelength / (distance + 0.0001)
x = j + dx * amount
y = i + dy * amount
# 邊界判斷
if x < 0:
x = 0
if x >= w - 1:
x = w - 2
if y < 0:
y = 0
if y >= h - 1:
y = h - 2
p = x - int(x)
q = y - int(y)
# 圖像水波賦值
img7[i, j, :] = (1 - p) * (1 - q) * img0[int(y), int(x), :] + p * (1 - q) * img0[int(y), int(x), :]
+ (1 - p) * q * img0[int(y), int(x), :] + p * q * img0[int(y), int(x), :]
cv2.imshow("W7", img7)
cv2.waitKey(delay = 0)得到效果如下：
由于這張圖片剛好波紋附近是頭發，導致得到的波紋顯得不太清晰，可以換幾張圖片嘗試一下，看看該算法的效果。
該特效主要原理是提取圖像的邊界輪廓，然后和原圖像相與得到最終的卡通化效果，代碼如下，已添加注釋：
#卡通特效
num_bilateral = 7 #定義雙邊濾波的數目
for i in range(num_bilateral): #雙邊濾波處理，除去噪聲，保留邊界
img_color = cv2.bilateralFilter(img0, d = 9, sigmaColor = 5, sigmaSpace = 3)
img_blur = cv2.medianBlur(img1, 7) # 中值濾波處理
img_edge = cv2.adaptiveThreshold(img_blur, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, blockSize = 5, C = 2) #邊緣檢測及自適應閾值化處理，提取邊界
img_edge = cv2.cvtColor(img_edge, cv2.COLOR_GRAY2RGB) #轉換回彩色圖像
img8 = cv2.bitwise_and(img0, img_edge) #圖像的與運算
cv2.imshow('W8', img8)
cv2.waitKey(delay = 0)得到效果如下：
如果對實現的效果不滿意，可以不斷調整雙邊濾波和中值濾波的參數，直到找到較為滿意的效果。
基礎操作，沒啥可注釋的，直接上代碼：
#將所有圖像保存到一張圖中
plt.rcParams['font.family'] = 'SimHei'
imgs = [img0, img1, img2, img3, img4, img5, img6, img7, img8]
titles = ['原圖', '灰度圖', '毛玻璃特效', '浮雕特效', '素描特效', '懷舊特效', '流年特效', '水波特效', '卡通特效']
for i in range(9):
imgs[i] = cv2.cvtColor(imgs[i], cv2.COLOR_BGR2RGB)
plt.subplot(3, 3, i + 1)
plt.imshow(imgs[i])
plt.title(titles[i])
plt.xticks([])
plt.yticks([])
plt.suptitle('圖像特效處理')
plt.savefig('E:\From Zhihu\For the desk\cvfifteenresult.jpg', dpi = 1080)
plt.show()得到最終的總圖 ：
修改一下圖像讀取路徑就可以使用了。還是那句話，建議從頭慢慢來一遍，當然如果你只是想給女朋友生成一張素描或者浮雕的話那就無所謂了哈哈哈。
"""
Author:XiaoMa
date:2021/11/16
"""
import cv2
import numpy as np
import math
import matplotlib.pyplot as plt
img0 = cv2.imread('E:\From Zhihu\For the desk\cvfifteen1.jpg')
img1 = cv2.cvtColor(img0, cv2.COLOR_BGR2GRAY)
h, w = img0.shape[:2]
print(h, w)
cv2.imshow("W0", img0)
cv2.imshow("W1", img1)
cv2.waitKey(delay = 0)
#毛玻璃特效
img2 = np.zeros((h - 6, w - 6, 3), np.uint8) #生成的全零矩陣考慮到了隨機數范圍，變小了
for i in range(0, h - 6): #防止下面的隨機數超出邊緣
for j in range(0, w - 6):
index = int(np.random.random()*6) #0~6的隨機數
(b, g, r) = img0[i + index, j + index]
img2[i, j] = (b, g, r)
cv2.imshow("W2", img2)
cv2.waitKey(delay = 0)
#浮雕特效(需要對灰度圖像進行操作)
img3 = np.zeros((h, w, 3), np.uint8)
for i in range(0, h):
for j in range(0, w - 2): #減2的效果和上面一樣
grayP0 = int(img1[i, j])
grayP1 = int(img1[i, j + 2]) #取與前一個像素點相鄰的點
newP = grayP0 - grayP1 + 150 #得到差值，加一個常數可以增加浮雕立體感
if newP > 255:
newP = 255
if newP < 0:
newP = 0
img3[i, j] = newP
cv2.imshow("W3", img3)
cv2.waitKey(delay = 0)
#素描特效
img4 = 255 - img1 #對原灰度圖像的像素點進行反轉
blurred = cv2.GaussianBlur(img4, (21, 21), 0) #進行高斯模糊
inverted_blurred = 255 - blurred #反轉
img4 = cv2.divide(img1, inverted_blurred, scale = 127.0) #灰度圖像除以倒置的模糊圖像得到鉛筆素描畫
cv2.imshow("W4", img4)
cv2.waitKey(delay = 0)
#懷舊特效
img5 = np.zeros((h, w, 3), np.uint8)
for i in range(0, h):
for j in range(0, w):
B = 0.272 * img0[i, j][2] + 0.534 * img0[i, j][1] + 0.131 * img0[i, j][0]
G = 0.349 * img0[i, j][2] + 0.686 * img0[i, j][1] + 0.168 * img0[i, j][0]
R = 0.393 * img0[i, j][2] + 0.769 * img0[i, j][1] + 0.189 * img0[i, j][0]
if B > 255:
B = 255
if G > 255:
G = 255
if R > 255:
R = 255
img5[i, j] = np.uint8((B, G, R))
cv2.imshow("W5", img5)
cv2.waitKey(delay = 0)
#流年特效
img6 = np.zeros((h, w, 3), np.uint8)
for i in range(0, h):
for j in range(0, w):
B = math.sqrt(img0[i, j][0]) *14 # B通道的數值開平方乘以參數14
G = img0[i, j][1]
R = img0[i, j][2]
if B > 255:
B = 255
img6[i, j] = np.uint8((B, G, R))
cv2.imshow("W6", img6)
cv2.waitKey(delay = 0)
#水波特效
img7 = np.zeros((h, w, 3), np.uint8)
wavelength = 20 #定義水波特效波長
amplitude = 30 #幅度
phase = math.pi / 4 #相位
centreX = 0.5 #水波中心點X
centreY = 0.5 #水波中心點Y
radius = min(h, w) / 2
icentreX = w*centreX #水波覆蓋寬度
icentreY = h*centreY #水波覆蓋高度
for i in range(0, h):
for j in range(0, w):
dx = j - icentreX
dy = i - icentreY
distance = dx * dx + dy * dy
if distance > radius * radius:
x = j
y = i
else:
# 計算水波區域
distance = math.sqrt(distance)
amount = amplitude * math.sin(distance / wavelength * 2 * math.pi - phase)
amount = amount * (radius - distance) / radius
amount = amount * wavelength / (distance + 0.0001)
x = j + dx * amount
y = i + dy * amount
# 邊界判斷
if x < 0:
x = 0
if x >= w - 1:
x = w - 2
if y < 0:
y = 0
if y >= h - 1:
y = h - 2
p = x - int(x)
q = y - int(y)
# 圖像水波賦值
img7[i, j, :] = (1 - p) * (1 - q) * img0[int(y), int(x), :] + p * (1 - q) * img0[int(y), int(x), :]
+ (1 - p) * q * img0[int(y), int(x), :] + p * q * img0[int(y), int(x), :]
cv2.imshow("W7", img7)
cv2.waitKey(delay = 0)
#卡通特效
num_bilateral = 7 #定義雙邊濾波的數目
for i in range(num_bilateral): #雙邊濾波處理
img_color = cv2.bilateralFilter(img0, d = 9, sigmaColor = 5, sigmaSpace = 3)
img_blur = cv2.medianBlur(img1, 7) # 中值濾波處理
img_edge = cv2.adaptiveThreshold(img_blur, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, blockSize = 5, C = 2) #邊緣檢測及自適應閾值化處理
img_edge = cv2.cvtColor(img_edge, cv2.COLOR_GRAY2RGB) #轉換回彩色圖像
img8 = cv2.bitwise_and(img0, img_edge) #圖像的與運算
cv2.imshow('W8', img8)
cv2.waitKey(delay = 0)
#將所有圖像保存到一張圖中
plt.rcParams['font.family'] = 'SimHei'
imgs = [img0, img1, img2, img3, img4, img5, img6, img7, img8]
titles = ['原圖', '灰度圖', '毛玻璃特效', '浮雕特效', '素描特效', '懷舊特效', '流年特效', '水波特效', '卡通特效']
for i in range(9):
imgs[i] = cv2.cvtColor(imgs[i], cv2.COLOR_BGR2RGB)
plt.subplot(3, 3, i + 1)
plt.imshow(imgs[i])
plt.title(titles[i])
plt.xticks([])
plt.yticks([])
plt.suptitle('圖像特效處理')
plt.savefig('E:\From Zhihu\For the desk\cvfifteenresult.jpg', dpi = 1080)
plt.show()以上是“Python如何處理圖像特效”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
