腳本之家服務器常用軟件

快捷導航

Python?OpenCV實現(xiàn)3種濾鏡效果實例

更新時間：2022年04月11日 10:08:01 作者：蘇州程序大白

opencv是一個很強大的庫,支持多個編程語言,下面這篇文章主要給大家介紹了關于Python?OpenCV實現(xiàn)3種濾鏡效果的相關資料,文中通過示例代碼介紹的非常詳細,需要的朋友可以參考下

前言

本篇文章要使用OpenCV、Numpy 和Math這3個工具包實現(xiàn)一個簡單的濾鏡編輯器。在這個濾鏡編輯器中，包含了3種濾鏡效果，它們分別是浮雕濾鏡、雕刻濾鏡和凸透鏡濾鏡。本篇文章將對目標圖像（如圖1所示）進行處理，使得目標圖像分別呈現(xiàn)浮雕濾鏡（如圖2所示）、雕刻濾鏡（如圖3所示）和凸透鏡濾鏡（如圖4所示）的視覺效果。

浮雕濾鏡效果

為了實現(xiàn)浮雕濾鏡效果，首先要把實現(xiàn)浮雕濾鏡效果的原理搞清楚、弄明白。實現(xiàn)浮雕濾鏡效果的原理如下所示：

根據灰度圖像中的某一個像素的像素值與其周圍像素的像素值之間的差值，確定這個像素經過卷積處理后的像素值；
由于邊緣點的像素值與其周圍像素的像素值之間的差值較大，經卷積處理后，導致這些邊緣點較亮，從而達到凸顯邊緣的目的，進而形成浮雕狀；
為經卷積處理后的每一個像素加上一個灰度偏移值128，作為呈現(xiàn)浮雕濾鏡效果的圖像的底色。

明確了實現(xiàn)浮雕濾鏡效果的原理后，再來學習一下實現(xiàn)浮雕濾鏡效果的算法。實現(xiàn)浮雕濾鏡效果的算法如下所示：

對灰度圖像中的每一個像素進行卷積處理；
實現(xiàn)浮雕濾鏡效果的卷積核算子需采用如下矩陣：

[[1, 0], [0, -1]]

掌握了實現(xiàn)浮雕濾鏡效果的原理和算法后，下面開始編寫用于實現(xiàn)浮雕濾鏡效果的方法，即fuDiao()方法。fuDiao()方法是一個自定義的、有參且有返回值的方法，fuDiao()方法的語法格式如下所示：

def fuDiao(img):
    ……# 省略方法體中的代碼
    return canvas

參數(shù)說明：

img：與目標圖像對應的灰度圖像。

返回值說明：

canvas：畫布，用于呈現(xiàn)浮雕濾鏡效果的圖像。

那么，fuDiao()方法被省略的代碼各自發(fā)揮怎樣的作用？此外，被省略的代碼又是那些呢？

先要明確fuDiao()方法中被省略的代碼各自發(fā)揮的作用是什么：

因為用于實現(xiàn)浮雕濾鏡效果的卷積核算子是一個二維矩陣，所以需要使用Numpy工具包中的array()方法創(chuàng)建這個二維矩陣。關鍵代碼如下所示：

kernel = np.array([[1, 0], [0, -1]])

分別獲取灰度圖像中像素的行數(shù)和列數(shù)。關鍵代碼如下所示：

row = img.shape[0]
col = img.shape[1]

根據灰度圖像中像素的行數(shù)和列數(shù)，創(chuàng)建一個等高、等寬的，純黑色的畫布。關鍵代碼如下所示：

canvas = np.zeros([row, col], dtype=np.uint8)

根據橫、縱坐標，使用嵌套的for循環(huán)得到灰度圖像中的每一個像素。關鍵代碼如下所示：

for i in range(row - 1):
for j in range(col - 1):

使用實現(xiàn)浮雕濾鏡效果的卷積核算子，對灰度圖像中的每一個像素進行卷積處理，并且為經卷積處理后的每一個像素加上一個灰度偏移值128。關鍵代碼如下所示：

new_value = np.sum(img[i:i + 2, j:j + 2] * kernel) + 128

對于經卷積處理且加上一個灰度偏移值后的每一個像素的像素值，如果大于255，那么等于255；如果小于0，那么等于0。關鍵代碼如下所示：

if new_value > 255:
   new_value = 255
   elif new_value < 0:
      new_value = 0
  else:
    pass

把經過比較后的每一個像素的像素值根據坐標賦值給畫布對應位置上的像素。關鍵代碼如下所示：

canvas[i, j] = new_value

結合fuDiao()方法中被省略的代碼和它們各自發(fā)揮的作用，就能夠迅速完成fuDiao()方法的編寫。fuDiao()方法的代碼如下所示：

def fuDiao(img):
      kernel = np.array([[1, 0], [0, -1]])
      row = img.shape[0]
      col = img.shape[1]
      canvas = np.zeros([row, col], dtype=np.uint8)
      for i in range(row - 1):
         for j in range(col - 1):
             new_value = np.sum(img[i:i + 2, j:j + 2] * kernel) + 128
             if new_value > 255:
                 new_value = 255
              elif new_value < 0:
                 new_value = 0
              else:
                  pass
             canvas[i, j] = new_value
      return canvas

雕刻濾鏡效果

實現(xiàn)雕刻濾鏡效果的原理與實現(xiàn)浮雕濾鏡效果的原理大致相同，實現(xiàn)雕刻濾鏡效果的原理如下所示：

根據灰度圖像中的某一個像素的像素值與其周圍像素的像素值之間的差值，確定這個像素經過卷積處理后的像素值；
由于邊緣點的像素值與其周圍像素的像素值之間的差值較大，經卷積處理后，導致這些邊緣點較暗，從而達到凹陷邊緣的目的，進而形成雕刻狀；
為經卷積處理后的每一個像素加上一個灰度偏移值128，作為呈現(xiàn)雕刻濾鏡效果的圖像的底色。

雖然實現(xiàn)雕刻濾鏡效果的原理與實現(xiàn)浮雕濾鏡效果的原理大致相同，但是實現(xiàn)雕刻濾鏡效果的算法與實現(xiàn)浮雕濾鏡效果的算法大不相同。實現(xiàn)雕刻濾鏡效果的算法如下所示：

對灰度圖像中的每一個像素進行卷積處理；
實現(xiàn)雕刻濾鏡效果的卷積核算子需采用如下矩陣：

[[-1, 0],
[0, 1]]

掌握了實現(xiàn)雕刻濾鏡效果的原理和算法后，下面開始編寫用于實現(xiàn)雕刻濾鏡效果的方法，即diaoKe()方法。與fuDiao()方法相同，diaoKe()方法也是一個自定義的、有參且有返回值的方法，diaoKe()方法的語法格式如下所示：

def diaoKe(img):
   ……# 省略方法體中的代碼
    return canvas

參數(shù)說明：

img：與目標圖像對應的灰度圖像。

返回值說明：

canvas：畫布，用于呈現(xiàn)雕刻濾鏡效果的圖像。

diaoKe()方法被省略的代碼與fuDiao()方法被省略的代碼大同小異，首先明確下diaoKe()方法中被省略的代碼各自發(fā)揮的作用是什么：

用于實現(xiàn)雕刻濾鏡效果的卷積核算子與用于實現(xiàn)浮雕濾鏡效果的卷積核算子雖然不同，但也是一個二維矩陣，因此需要使用Numpy工具包中的array()方法創(chuàng)建這個二維矩陣。關鍵代碼如下所示：

kernel = np.array([[-1, 0], [0, 1]])

分別獲取灰度圖像中像素的行數(shù)和列數(shù)。關鍵代碼如下所示：

row = img.shape[0]
col = img.shape[1]

根據灰度圖像中像素的行數(shù)和列數(shù)，創(chuàng)建一個等高、等寬的，純黑色的畫布。關鍵代碼如下所示：

canvas = np.zeros([row, col], dtype=np.uint8)

根據橫、縱坐標，使用嵌套的for循環(huán)得到灰度圖像中的每一個像素。關鍵代碼如下所示：

for i in range(row - 1):
for j in range(col - 1):

使用實現(xiàn)雕刻濾鏡效果的卷積核算子，對灰度圖像中的每一個像素進行卷積處理，并且為經卷積處理后的每一個像素加上一個灰度偏移值128。關鍵代碼如下所示：

new_value = np.sum(img[i:i + 2, j:j + 2] * kernel) + 128

對于經卷積處理且加上一個灰度偏移值后的每一個像素的像素值，如果大于255，那么等于255；如果小于0，那么等于0。關鍵代碼如下所示：

  if new_value > 255:
      new_value = 255
  elif new_value < 0:
      new_value = 0
  else:
      pass

把經過比較后的每一個像素的像素值根據坐標賦值給畫布對應位置上的像素。關鍵代碼如下所示：

canvas[i, j] = new_value

結合diaoKe()方法中被省略的代碼和它們各自發(fā)揮的作用，就能夠迅速完成diaoKe()方法的編寫。diaoKe()方法的代碼如下所示：

  def diaoKe(img):
      kernel = np.array([[-1, 0], [0, 1]])
      row = img.shape[0]
      col = img.shape[1]
      canvas = np.zeros([row, col], dtype=np.uint8)
      for i in range(row - 1):
          for j in range(col - 1):
              new_value = np.sum(img[i:i + 2, j:j + 2] * kernel) + 128
              if new_value > 255:
                  new_value = 255
              elif new_value < 0:
                  new_value = 0
              else:
                  pass
              canvas[i, j] = new_value
      return canvas

凸透鏡濾鏡效果

所謂凸透鏡濾鏡效果，相當于用戶使用凸透鏡觀察一幅圖像而成的視覺效果。實現(xiàn)凸透鏡濾鏡效果的原理與實現(xiàn)浮雕濾鏡效果的原理和實現(xiàn)雕刻濾鏡效果的原理大不相同。下面將著重對實現(xiàn)凸透鏡濾鏡效果的原理進行講解：

當使用凸透鏡中心觀察一幅圖像時，被觀察的圖像區(qū)域將按照一定比例進行放大；相應地，這個區(qū)域的周圍區(qū)域將被壓縮；
為了讓放大后的圖像區(qū)域看起來和諧自然，這些被壓縮的周圍區(qū)域要保持連續(xù)性。

明確了實現(xiàn)凸透鏡濾鏡效果的原理后，再來學習一下實現(xiàn)凸透鏡濾鏡效果的算法。實現(xiàn)凸透鏡濾鏡效果的算法如下所示：

根據目標圖像的寬、高確定凸透鏡的半徑；
選擇一個凸函數(shù)作為映射函數(shù)；

如果目標圖像中的某一個像素與目標圖像中心之間的距離的平方不大于凸透鏡的半徑的平方（兩個整數(shù)進行比較，保證比較結果的精確度），就使用映射函數(shù)對這個像素的橫、縱坐標進行映射處理。

掌握了實現(xiàn)凸透鏡濾鏡效果的原理和算法后，下面開始編寫用于實現(xiàn)凸透鏡濾鏡效果的方法，即tuTouJing()方法。與fuDiao()方法和diaoKe()方法相同，tuTouJing()方法也是一個自定義的、有參且有返回值的方法，tuTouJing()方法的語法格式如下所示：

def tuTouJing(img):
    ……# 省略方法體中的代碼
    return canvas

參數(shù)說明：

img：目標圖像。

返回值說明：

canvas：畫布，用于呈現(xiàn)凸透鏡濾鏡效果的圖像。

先要明確tuTouJing()方法中被省略的代碼各自發(fā)揮的作用是什么：

分別獲取目標圖像中像素的行數(shù)和列數(shù)以及目標圖像的通道數(shù)。關鍵代碼如下所示：

row = img.shape[0]
col = img.shape[1]
channel = img.shape[2]

根據目標圖像中像素的行數(shù)和列數(shù)以及目標圖像的通道數(shù)，創(chuàng)建一個等高、等寬、等通道數(shù)的，純黑色的畫布。關鍵代碼如下所示：

canvas = np.zeros([row, col, channel], dtype=np.uint8)

根據目標圖像中像素的行數(shù)和列數(shù)，分別獲取目標圖像中心的橫、縱坐標。關鍵代碼如下所示：

center_x = row/2
center_y = col/2

比較目標圖像中心的橫、縱坐標的大小，把較小的數(shù)值作為凸透鏡的半徑。關鍵代碼如下所示：

radius = min(center_x, center_y)

根據橫、縱坐標，使用嵌套的for循環(huán)得到目標圖像中的每一個像素。關鍵代碼如下所示：

for i in range(row):
for j in range(col):

計算目標圖像中的每一個像素與目標圖像中心之間的距離的平方和距離。關鍵代碼如下所示：

distance = ((i-center_x) * (i-center_x) + (j-center_y) * (j-center_y))
new_dist = math.sqrt(distance)

把目標圖像中的每一個像素的像素值根據坐標賦值給畫布對應位置上的像素。關鍵代碼如下所示：

canvas[i,j,:] = img[i, j, :]

如果目標圖像中的某一個像素與目標圖像中心之間的距離的平方不大于凸透鏡的半徑的平方，就使用映射函數(shù)對這個像素的橫、縱坐標進行映射處理。關鍵代碼如下所示：

if distance <= radius**2:
new_i = np.int(np.floor(new_dist * (i-center_x) / radius + center_x))
new_j = np.int(np.floor(new_dist * (j-center_y) / radius + center_y))

把經過映射處理后的每一個像素的像素值根據坐標賦值給畫布對應位置上的像素。關鍵代碼如下所示：

canvas[i,j,:] = img[new_i, new_j, :]

結合tuTouJing()方法中被省略的代碼和它們各自發(fā)揮的作用，就能夠迅速完成tuTouJing()方法的編寫。tuTouJing()方法的代碼如下所示：

  def tuTouJing(img):
      row = img.shape[0]
      col = img.shape[1]
      channel = img.shape[2]
      canvas = np.zeros([row, col, channel], dtype=np.uint8)
      center_x = row/2
      center_y = col/2
      radius = min(center_x, center_y)
      for i in range(row):
          for j in range(col):
              distance = ((i-center_x) * (i-center_x) + (j-center_y) * (j-center_y))
              new_dist = math.sqrt(distance)
              canvas[i,j,:] = img[i, j, :]
              if distance <= radius**2:
                  new_i = np.int(np.floor(new_dist * (i-center_x) / radius + center_x))
                  new_j = np.int(np.floor(new_dist * (j-center_y) / radius + center_y))
                  canvas[i,j,:] = img[new_i, new_j, :]
      return canvas