OpenCV實現(xiàn)圖像背景虛化效果原理詳解

更新時間：2022年03月21日 09:05:06 作者：Mr.Winter`

相信用過相機的同學都知道虛化特效，這是一種使焦點聚集在拍攝主題上，讓背景變得朦朧的效果。本文將詳細介紹一些這一效果的實現(xiàn)原理以及代碼，需要的可以參考一下

0 寫在前面

相信用過相機的同學都知道虛化特效，這是一種使焦點聚集在拍攝主題上，讓背景變得朦朧的效果，例如本文最后實現(xiàn)的背景虛化效果

相機虛化特效背后的原理是什么？和計算機視覺有什么關系？本文帶你研究這些問題。

1 小孔成像

小學我們就知道，沒有光就不存在圖像，為了產(chǎn)生圖像，場景必須有一個或多個、直接或間接的光源。

如圖所示，光照主要分為三類：

散射
直接光照
漫反射

在獲得光源后，將產(chǎn)生從物體到檢測平面的光線。

由于從物體上某點A出發(fā)存在無數(shù)條四散的光線到達檢測平面，因此可以認為A的成像點A’均勻地分布在成像平面上，同理其他點亦然。所以這種情況下，檢測平面上是無數(shù)張物體圖像的混疊，導致成像模糊甚至無法成像。

面對一張白紙上看不到你的臉，不是因為白紙上沒有來自于你的光線，而是因為來自于你不同部分的光線在白紙上產(chǎn)生了重疊，不信你試試？

那如何在白紙上成像？

其實非常簡單，采用小學就嘗試過的小孔成像

本質(zhì)上小孔相當于一個濾光器，僅保留從物點發(fā)出的少數(shù)光線，此時應能獲得清晰的圖像。

2 光學成像

小孔成像的缺陷是成像光線較少，亮度低。為了既能獲得較多光線，又不讓像點四散在檢測面上造成影像重疊，引入具有聚光性的透鏡。透鏡成像與小孔成像的本質(zhì)都是避免因像點四散導致的無法成像，前者利用聚光，后者則利用濾光。

現(xiàn)代相機在應用上通常使用透鏡成像，但不管是透鏡成像還是小孔成像，都是計算機視覺研究的基本模型和假設，例如透視幾何、相機內(nèi)參矩陣、畸變修正等等，因此本節(jié)對于建立機器視覺的研究思維很有幫助。

3 虛化效果

介紹完前面的基礎知識，終于開始圖像虛化特效的原理啦！

理想透鏡應保證光線聚焦于一點——焦點，這個點不會產(chǎn)生任何成像混疊，圖像最清晰。在焦點前后光線開始四散，形成不同程度的成像重疊區(qū)域，稱為彌散圓，對于人眼而言，在一定范圍內(nèi)影象產(chǎn)生的模糊是不能辨認的，不能辨認的彌散圓范圍稱為容許彌散圓

當對被攝主體平面調(diào)焦時，因為容許彌散圓的存在，在一定離焦范圍內(nèi)，成像仍然清晰，這個范圍稱為焦深。調(diào)整成像面和鏡頭距離，使成像面處于焦深內(nèi)，物體可以清晰成像的過程，稱為對焦。

類似地，對被攝物體而言，位于調(diào)焦物平面前后的能相對清晰成像的景物間縱深距離稱為景深。圖像虛化效果就和這個景深有關系！

景深越小，被攝物體前后能清晰成像的范圍越小，也就相應地出現(xiàn)朦朧虛化的效果
景深越大，被攝物體前后能清晰成像的范圍越大，也就沒有虛化效果

如何調(diào)節(jié)景深？記住一句話：光圈越大景深越小，所以拿手機拍照的時候，大光圈也就代表了虛化效果！

所以下次有機會給女生拍照的話，請先確認

“請問你喜歡小景深還是大景深？”

4 代碼實戰(zhàn)

相機背景虛化特效在圖像處理中可以采用引導濾波器實現(xiàn)，源碼如下。

//引導濾波器
Mat guidedFilter(Mat& srcMat, Mat& guidedMat, int radius, double eps)
{
    srcMat.convertTo(srcMat, CV_64FC1);
    guidedMat.convertTo(guidedMat, CV_64FC1);
    // 計算均值
    Mat mean_p, mean_I, mean_Ip, mean_II;
    boxFilter(srcMat, mean_p, CV_64FC1, Size(radius, radius));                      // 生成待濾波圖像均值mean_p 
    boxFilter(guidedMat, mean_I, CV_64FC1, Size(radius, radius));                   // 生成引導圖像均值mean_I   
    boxFilter(srcMat.mul(guidedMat), mean_Ip, CV_64FC1, Size(radius, radius));      // 生成互相關均值mean_Ip
    boxFilter(guidedMat.mul(guidedMat), mean_II, CV_64FC1, Size(radius, radius));   // 生成引導圖像自相關均值mean_II
    // 計算相關系數(shù)、Ip的協(xié)方差cov和I的方差var------------------
    Mat cov_Ip = mean_Ip - mean_I.mul(mean_p);
    Mat var_I = mean_II - mean_I.mul(mean_I);
    // 計算參數(shù)系數(shù)a、b
    Mat a = cov_Ip / (var_I + eps);
    Mat b = mean_p - a.mul(mean_I);
    // 計算系數(shù)a、b的均值
    Mat mean_a, mean_b;
    boxFilter(a, mean_a, CV_64FC1, Size(radius, radius));
    boxFilter(b, mean_b, CV_64FC1, Size(radius, radius));
    // 生成輸出矩陣
    Mat dstImage = mean_a.mul(srcMat) + mean_b;
    return dstImage;
}

關于引導濾波器的相關原理我們下次再開新的章節(jié)闡述。

主函數(shù)內(nèi)調(diào)用濾波器即可，效果如文首所示。

int main()
{
    Mat resultMat; 
    Mat vSrcImage[3], vResultImage[3];
    Mat vResultImage[3];    
    Mat srcImage = imread("1.jpg");
    imshow("源圖像", srcImage);
    // 對源圖像進行通道分離，并對每個分通道進行引導濾波
    split(srcImage, vSrcImage);
    for (int i = 0; i < 3; i++)
    {
        Mat tempImage;
        vSrcImage[i].convertTo(tempImage, CV_64FC1, 1.0 / 255.0);
        Mat cloneImage = tempImage.clone();
        Mat resultImage = guidedFilter(tempImage, cloneImage, 5, 0.3);
        vResultImage[i] = resultImage;
    }
    // 將分通道導向濾波后結果合并
    merge(vResultImage, 3, resultMat);
    imshow("背景虛化特效", resultMat);
    waitKey(0);
    return 0;
}

一個小小的圖像虛化特效，背后牽扯出光學成像的各種原理，構建了計算機視覺模型的地基。正如我們每個人一樣，也許你覺得自己很渺小，說不定也是別人的中流砥柱呢！

到此這篇關于OpenCV實現(xiàn)圖像背景虛化效果原理詳解的文章就介紹到這了,更多相關OpenCV圖像背景虛化內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: