Python图像处理丨5种图像处理特效

摘要：本篇文章主要讲解了图像常见的特效处理，从处理效果图、算法原理、代码实现三个步骤进行详细讲解，涉及图像素描特效、怀旧特效、光照特效、流年特效、图像滤镜等。

本文分享自华为云社区《[Python图像处理] 二十五.图像特效处理之素描、怀旧、光照、流年以及滤镜特效》，作者： eastmount。

一.图像素描特效

图像素描特效会将图像的边界都凸显出来，通过边缘检测及阈值化处理能实现该功能。一幅图像的内部都具有相似性，而在图像边界处具有明显的差异，边缘检测利用数学中的求导来扩大这种变化。但是求导过程中会增大图像的噪声，所以边缘检测之前引入了高斯滤波降噪处理。本文的图像素描特效主要经过以下几个步骤：

调用cv2.cvtColor()函数将彩色图像灰度化处理；
通过cv2.GaussianBlur()函数实现高斯滤波降噪；
边缘检测采用Canny算子实现；
最后通过cv2.threshold()反二进制阈值化处理实现素描特效。

其运行代码如下所示。

#coding:utf-8

import cv2

import numpy as np

#读取原始图像

img = cv2.imread('scenery.png')

#图像灰度处理

gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#高斯滤波降噪

gaussian = cv2.GaussianBlur(gray, (5,5), 0)

#Canny算子

canny = cv2.Canny(gaussian, 50, 150)

#阈值化处理

ret, result = cv2.threshold(canny, 100, 255, cv2.THRESH_BINARY_INV)

#显示图像

cv2.imshow('src', img)

cv2.imshow('result', result)

cv2.waitKey()

cv2.destroyAllWindows()

最终输出结果如下图所示，它将彩色图像素描处理。原图是作者去年九月份拍摄于喀纳斯，真的很美~

图像的素描特效有很多种方法，本文仅提供了一种方法，主要提取的是图像的边缘轮廓，还有很多更精细的素描特效方法，提取的轮廓更为清晰，如下图所示。希望读者能自行扩展相关算法知识，并实现对应的效果。

二.图像怀旧特效

图像怀旧特效是指图像经历岁月的昏暗效果，如图所示，左边“src”为原始图像，右边“dst”为怀旧特效图像。

怀旧特效是将图像的RGB三个分量分别按照一定比例进行处理的结果，其怀旧公式如下所示：

Python实现代码主要通过双层循环遍历图像的各像素点，再结合该公式计算各颜色通道的像素值，最终生成如图所示的效果，其完整代码如下。

#coding:utf-8

import cv2

import numpy as np

#读取原始图像

img = cv2.imread('nana.png')

#获取图像行和列

rows, cols = img.shape[:2]

#新建目标图像

dst = np.zeros((rows, cols, 3), dtype="uint8")

#图像怀旧特效

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))

#显示图像

cv2.imshow('src', img)

cv2.imshow('dst', dst)

cv2.waitKey()

cv2.destroyAllWindows()

三.图像光照特效

图像光照特效是指图像存在一个类似于灯光的光晕特效，图像像素值围绕光照中心点呈圆形范围内的增强。如下图所示，该图像的中心点为（192，192），光照特效之后中心圆范围内的像素增强了200。

Python实现代码主要是通过双层循环遍历图像的各像素点，寻找图像的中心点，再通过计算当前点到光照中心的距离（平面坐标系中两点之间的距离），判断该距离与图像中心圆半径的大小关系，中心圆范围内的图像灰度值增强，范围外的图像灰度值保留，并结合边界范围判断生成最终的光照效果。

#coding:utf-8

import cv2

import math

import numpy as np

#读取原始图像

img = cv2.imread('scenery.png')

#获取图像行和列

rows, cols = img.shape[:2]

#设置中心点

centerX = rows / 2

centerY = cols / 2

print centerX, centerY

radius = min(centerX, centerY)

print radius

#设置光照强度

strength = 200

#新建目标图像

dst = np.zeros((rows, cols, 3), dtype="uint8")

#图像光照特效

for i in range(rows):

 for j in range(cols):

 #计算当前点到光照中心距离(平面坐标系中两点之间的距离)

        distance = math.pow((centerY-j), 2) + math.pow((centerX-i), 2)

 #获取原始图像

        B = img[i,j][0]

        G = img[i,j][1]

        R = img[i,j][2]

 if (distance < radius * radius):

 #按照距离大小计算增强的光照值

            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

 #判断边界 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))

#显示图像

cv2.imshow('src', img)

cv2.imshow('dst', dst)

cv2.waitKey()

cv2.destroyAllWindows()

四.图像流年特效

流年是用来形容如水般流逝的光阴或年华，图像处理中特指将原图像转换为具有时代感或岁月沉淀的特效，其效果如图所示。

Python实现代码如下，它将原始图像的蓝色（B）通道的像素值开根号，再乘以一个权重参数，产生最终的流年效果。

#coding:utf-8

import cv2

import math

import numpy as np

#读取原始图像

img = cv2.imread('scenery.png')

#获取图像行和列

rows, cols = img.shape[:2]

#新建目标图像

dst = np.zeros((rows, cols, 3), dtype="uint8")

#图像流年特效

for i in range(rows):

 for j in range(cols):

 #B通道的数值开平方乘以参数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))

#显示图像

cv2.imshow('src', img)

cv2.imshow('dst', dst)

cv2.waitKey()

cv2.destroyAllWindows()

五.图像滤镜特效

滤镜主要是用来实现图像的各种特殊效果，它在Photoshop中具有非常神奇的作用。滤镜通常需要同通道、图层等联合使用，才能取得最佳艺术效果。本小节将讲述一种基于颜色查找表（Look up Table）的滤镜处理方法，它通过将每一个原始颜色进行转换之后得到新的颜色。比如，原始图像的某像素点为红色（R-255, G-0, B-0），进行转换之后变为绿色（R-0, G-255, B-0），之后所有是红色的地方都会被自动转换为绿色，而颜色查找表就是将所有的颜色进行一次（矩阵）转换，很多的滤镜功能就是提供了这么一个转换的矩阵，在原始色彩的基础上进行颜色的转换。

假设现在存在一张新的滤镜颜色查找表，如图所示，它是一张512×512大小，包含各像素颜色分布的图像。下面这张图片另存为本地，即可直接用于图像滤镜处理。

滤镜特效实现的Python代码如下所示，它通过自定义getBRG()函数获取颜色查找表中映射的滤镜颜色，再依次循环替换各颜色。

#coding:utf-8

import cv2

import numpy as np

#获取滤镜颜色

def getBGR(img, table, i, j):

 #获取图像颜色

    b, g, r = img[i][j]

 #计算标准颜色表中颜色的位置坐标

    x = int(g/4 + int(b/32) * 64)

    y = int(r/4 + int((b%32) / 4) * 64)

 #返回滤镜颜色表中对应的颜色

 return lj_map[x][y]

#读取原始图像

img = cv2.imread('scenery.png')

lj_map = cv2.imread('table.png')

#获取图像行和列

rows, cols = img.shape[:2]

#新建目标图像

dst = np.zeros((rows, cols, 3), dtype="uint8")

#循环设置滤镜颜色

for i in range(rows):

 for j in range(cols):

 dst[i][j] = getBGR(img, lj_map, i, j)

#显示图像

cv2.imshow('src', img)

cv2.imshow('dst', dst)

cv2.waitKey()

cv2.destroyAllWindows()

滤镜特效的运行结果如图所示，其中左边“src”为原始风景图像，右边“dst”为滤镜处理后的图像，其颜色变得更为鲜艳，对比度更强。

六.本文小结

本篇文章主要讲解了图像常见的特效处理，从处理效果图、算法原理、代码实现三个步骤进行详细讲解，涉及图像素描特效、怀旧特效、光照特效、流年特效、图像滤镜等，这些知识点将为读者从事Python图像处理相关项目实践或科学研究提供一定基础。

参考文献：

《数字图像处理》（第3版），冈萨雷斯著，阮秋琦译，电子工业出版社，2013年.
《数字图像处理学》（第3版），阮秋琦，电子工业出版社，2008年，北京.
《OpenCV3编程入门》，毛星云，冷雪飞，电子工业出版社，2015，北京.
Eastmount - [Android] 通过Menu实现图片怀旧、浮雕、模糊、光照和素描效果
使用python和opencv将图片转化为素描图-python代码解析
謝灰灰在找胡蘿蔔. IOS开发－－使用lookup table为图片添加滤镜
百度百科. 滤镜

点击关注，第一时间了解华为云新鲜技术~