Python圖像處理丨5種圖像處理特效
摘要：本篇文章主要講解了圖像常見的特效處理，從處理效果圖、算法原理、代碼實現三個步驟進行詳細講解，涉及圖像素描特效、懷舊特效、光照特效、流年特效、圖像濾鏡等。
本文分享自華為雲社區《[Python圖像處理] 二十五.圖像特效處理之素描、懷舊、光照、流年以及濾鏡特效》，作者： eastmount。
一.圖像素描特效
圖像素描特效會將圖像的邊界都凸顯出來，通過邊緣檢測及閾值化處理能實現該功能。一幅圖像的內部都具有相似性，而在圖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圖像的噪聲，所以邊緣檢測之前引入了高斯濾波降噪處理。本文的圖像素描特效主要經過以下幾個步驟：
- 調用cv2.cvtColor()函數將彩色圖像灰度化處理；
- 通過cv2.GaussianBlur()函數實現高斯濾波降噪；
- 邊緣檢測採用Canny算子實現；
- 最後通過cv2.threshold()反二進制閾值化處理實現素描特效。
其運行代碼如下所示。
#coding:utf-8 import cv2 import numpy as np #讀取原始圖像 img = cv2.imread('scenery.png') #圖像灰度處理 gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #高斯濾波降噪 gaussian = cv2.GaussianBlur(gray, (5,5), 0) #Canny算子 canny = cv2.Canny(gaussian, 50, 150) #閾值化處理 ret, result = cv2.threshold(canny, 100, 255, cv2.THRESH_BINARY_INV) #顯示圖像 cv2.imshow('src', img) cv2.imshow('result', result) cv2.waitKey() cv2.destroyAllWindows()
最終輸出結果如下圖所示，它將彩色圖像素描處理。原圖是作者去年九月份拍攝於喀納斯，真的很美~
圖像的素描特效有很多種方法，本文僅提供了一種方法，主要提取的是圖像的邊緣輪廓，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。希望讀者能自行擴展相關算法知識，並實現對應的效果。
二.圖像懷舊特效
圖像懷舊特效是指圖像經歷歲月的昏暗效果，如圖所示，左邊「src」為原始圖像，右邊「dst」為懷舊特效圖像。
懷舊特效是將圖像的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實現代碼主要通過雙層循環遍歷圖像的各像素點，再結合該公式計算各顏色通道的像素值，最終生成如圖所示的效果，其完整代碼如下。
#coding:utf-8 import cv2 import numpy as np #讀取原始圖像 img = cv2.imread('nana.png') #獲取圖像行和列 rows, cols = img.shape[:2] #新建目標圖像 dst = np.zeros((rows, cols, 3), dtype="uint8") #圖像懷舊特效 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)) #顯示圖像 cv2.imshow('src', img) cv2.imshow('dst', dst) cv2.waitKey() cv2.destroyAllWindows()
三.圖像光照特效
圖像光照特效是指圖像存在一個類似於燈光的光暈特效，圖像像素值圍繞光照中心點呈圓形範圍內的增強。如下圖所示，該圖像的中心點為（192，192），光照特效之後中心圓範圍內的像素增強了200。
Python實現代碼主要是通過雙層循環遍歷圖像的各像素點，尋找圖像的中心點，再通過計算當前點到光照中心的距離（平面坐標系中兩點之間的距離），判斷該距離與圖像中心圓半徑的大小關係，中心圓範圍內的圖像灰度值增強，範圍外的圖像灰度值保留，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 #讀取原始圖像 img = cv2.imread('scenery.png') #獲取圖像行和列 rows, cols = img.shape[:2] #設置中心點 centerX = rows / 2 centerY = cols / 2 print centerX, centerY radius = min(centerX, centerY) print radius #設置光照強度 strength = 200 #新建目標圖像 dst = np.zeros((rows, cols, 3), dtype="uint8") #圖像光照特效 for i in range(rows): for j in range(cols): #計算當前點到光照中心距離(平面坐標系中兩點之間的距離) distance = math.pow((centerY-j), 2) + math.pow((centerX-i), 2) #獲取原始圖像 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)) #顯示圖像 cv2.imshow('src', img) cv2.imshow('dst', dst) cv2.waitKey() cv2.destroyAllWindows()
四.圖像流年特效
流年是用來形容如水般流逝的光陰或年華，圖像處理中特指將原圖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實現代碼如下，它將原始圖像的藍色（B）通道的像素值開根號，再乘以一個權重參數，產生最終的流年效果。
#coding:utf-8 import cv2 import math import numpy as np #讀取原始圖像 img = cv2.imread('scenery.png') #獲取圖像行和列 rows, cols = img.shape[:2] #新建目標圖像 dst = np.zeros((rows, cols, 3), dtype="uint8") #圖像流年特效 for i in range(rows): for j in range(cols): #B通道的數值開平方乘以參數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)) #顯示圖像 cv2.imshow('src', img) cv2.imshow('dst', dst) cv2.waitKey() cv2.destroyAllWindows()
五.圖像濾鏡特效
濾鏡主要是用來實現圖像的各種特殊效果，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找表（Look up Table）的濾鏡處理方法，它通過將每一個原始顏色進行轉換之後得到新的顏色。比如，原始圖像的某像素點為紅色（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，而顏色查找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找表，如圖所示，它是一張512×512大小，包含各像素顏色分佈的圖像。下面這張圖片另存為本地，即可直接用於圖像濾鏡處理。
濾鏡特效實現的Python代碼如下所示，它通過自定義getBRG()函數獲取顏色查找表中映射的濾鏡顏色，再依次循環替換各顏色。
#coding:utf-8 import cv2 import numpy as np #獲取濾鏡顏色 def getBGR(img, table, i, j): #獲取圖像顏色 b, g, r = img[i][j] #計算標準顏色表中顏色的位置坐標 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] #讀取原始圖像 img = cv2.imread('scenery.png') lj_map = cv2.imread('table.png') #獲取圖像行和列 rows, cols = img.shape[:2] #新建目標圖像 dst = np.zeros((rows, cols, 3), dtype="uint8") #循環設置濾鏡顏色 for i in range(rows): for j in range(cols): dst[i][j] = getBGR(img, lj_map, i, j) #顯示圖像 cv2.imshow('src', img) cv2.imshow('dst', dst) cv2.waitKey() cv2.destroyAllWindows()
濾鏡特效的運行結果如圖所示，其中左邊「src」為原始風景圖像，右邊「dst」為濾鏡處理後的圖像，其顏色變得更為鮮艷，對比度更強。
六.本文小結
本篇文章主要講解了圖像常見的特效處理，從處理效果圖、算法原理、代碼實現三個步驟進行詳細講解，涉及圖像素描特效、懷舊特效、光照特效、流年特效、圖像濾鏡等，這些知識點將為讀者從事Python圖像處理相關項目實踐或科學研究提供一定基礎。
參考文獻：
- 《數字圖像處理》（第3版），岡薩雷斯著，阮秋琦譯，電子工業出版社，2013年.
- 《數字圖像處理學》（第3版），阮秋琦，電子工業出版社，2008年，北京.
- 《OpenCV3編程入門》，毛星雲，冷雪飛，電子工業出版社，2015，北京.
- Eastmount – [Android] 通過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代碼解析
- 謝灰灰在找胡蘿蔔. IOS開發－－使用lookup table為圖片添加濾鏡
- 百度百科. 濾鏡
