【Python-图形】对不规则环形进行渐变处理

Linqing_Orthox

已于 2023-06-20 03:19:07 修改

阅读量490

点赞数 3

文章标签： opencv 图形渲染

于 2023-06-20 03:15:15 首次发布

本文链接：https://blog.csdn.net/Orthox1/article/details/131298587

版权

(完整代码在最下方)

一、实现：从嵌套的圈a到圈b（即环形）的所有像素颜色从颜色x渐变为颜色y。

二、应用：估测两条等高线之间每一处的具体高度。

三、简介：网上找了很多资料，但基本所有的渐变都是变化率固定的的线性变化，这样只适合规则图形。如果在不规则图形上，就会出现在a端颜色统一为x，b端却分化为颜色x和颜色z的情况。我希望做一个变化率不固定的方法出来，于是就有了以下代码：

四、过程：

1.预先准备

pip install opencv-python、pip install numpy

import cv2 as cv
import numpy as np

待处理图片

2.采用OpenCV的边缘检测获取轮廓

# 【启动代码】
# 随意替换，只要能输入方法需要的参数即可

# 1.读取图像
path = '你的路径'
image = cv.imread(path)

# 2.识别颜色种类
color_values = np.unique(image)
color_values.sort()

# 3.随机挑选其中三个颜色a、b、c，画出a与b的交界线、b与c的交界线，将两个交界线作为后续步骤中进行操作的两个轮廓。
_, edge1 = cv.threshold(image, color_values[1], color_values[2], cv.THRESH_BINARY_INV)
edge1 = cv.Canny(edge1, 50, 150)
contour1, _ = cv.findContours(edge1, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)

_, edge2 = cv.threshold(image, color_values[2], color_values[3], cv.THRESH_BINARY_INV)
edge2 = cv.Canny(edge2, 50, 150)
contour2, _ = cv.findContours(edge2, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)

3.轮廓挑选

# 4.两个轮廓全部展示
contour_image = image.copy() 
cv.drawContours(contours_image, contour1, -1, (255, 0, 0), 2)
cv.drawContours(contours_image, contour2, -1, (0, 255, 0), 2)
cv.imshow("Contours", contours_image)
cv.waitKey(0)
cv.destroyAllWindows()

绿线和蓝线之间就是我们要实现渐变的区域，可以看到有四个圈，现在我们只想对右边的两个圈进行渐变。

OpenCV里的轮廓是实际上是一堆轮廓的集合，这里都取[1]，取到右边的两个圈

# 5.两个轮廓中都只取其中一个部分展示
contours_image = image.copy() 
cv.drawContours(contours_image, contour1[1], -1, (255, 0, 0), 2)
cv.drawContours(contours_image, contour2[1], -1, (0, 255, 0), 2)
cv.imshow("Contour", contours_image)
cv.waitKey(0)
cv.destroyAllWindows()

这里轮廓线断断续续应该是显示问题，后续运作是正常的

4.调用方法，输入参数

五个参数分别是待处理图片，内轮廓、外轮廓、内颜色、外颜色。

内颜色和外颜色我随便写了深红和正红。

等下要实现的是从内轮廓的内颜色渐变到外轮廓的外颜色

# 6.将轮廓与颜色输入函数
image = draw_gradient(image,contour1[1],contour2[1],(0,0,127),(0,0,255))
cv.imshow("Result", image)
cv.waitKey(0)
cv.destroyAllWindows()

5.方法运行，得到结果

# 【方法体】

def draw_gradient(image,inner_contour,outer_contour,inner_color,outer_color):
    # 1.计算颜色差值
    # 适用于RGB等三通道图像，也可以改成别的模式
    difference = [None] * 3
    for i in range(3):
        difference[i] = inner_color[i] - outer_color[i]
    height, width = image.shape[:2]

    # 2.遍历每行每列的像素
    for y in range(height):
        for x in range(width):
            # 3. 判断是否在大轮廓内
            distance_to_outer = cv.pointPolygonTest(outer_contour, (x,y), True)
            if distance_to_outer > 0:
                # 4. 判断是否在小轮廓外
                distance_to_inner = cv.pointPolygonTest(inner_contour, (x,y), True)
                if distance_to_inner < 0:
                    # 5.若符合以上两个条件，将该点改为介于inner_color和outer_color之间的渐变颜色
                    # 5.1计算颜色比例
                    ratio = - distance_to_inner / (distance_to_outer - distance_to_inner)
                    # 5.2替换颜色
                    for i in range(3):
                        image[y,x][i] = (ratio * difference[i] + outer_color[i])
                        
    return image

最终结果如下：

可以看到，颜色并不是均匀变化的，而是由到内轮廓的距离与外轮廓的距离所决定。像素位置越接近内轮廓，其颜色就越接近内颜色，反之亦然。

五、完整代码

import cv2 as cv
import numpy as np

# 【方法体】

def draw_gradient(image,inner_contour,outer_contour,inner_color,outer_color):
    # 1.计算颜色差值
    # 适用于RGB等三通道图像，也可以改成别的模式
    difference = [None] * 3
    for i in range(3):
        difference[i] = inner_color[i] - outer_color[i]
    height, width = image.shape[:2]

    # 2.遍历每行每列的像素
    for y in range(height):
        for x in range(width):
            # 3. 判断是否在大轮廓内
            distance_to_outer = cv.pointPolygonTest(outer_contour, (x,y), True)
            if distance_to_outer > 0:
                # 4. 判断是否在小轮廓外
                distance_to_inner = cv.pointPolygonTest(inner_contour, (x,y), True)
                if distance_to_inner < 0:
                    # 5.若符合以上两个条件，将该点改为介于inner_color和outer_color之间的渐变颜色
                    # 5.1计算颜色比例
                    ratio = - distance_to_inner / (distance_to_outer - distance_to_inner)
                    # 5.2替换颜色
                    for i in range(3):
                        image[y,x][i] = (ratio * difference[i] + outer_color[i])
                        
    return image

# 【启动代码】
# 随意替换，只要能输入方法需要的参数即可

# 1.读取图像
path = '你的路径'
image = cv.imread(path)

# 2.识别颜色种类
color_values = np.unique(image)
color_values.sort()

# 3.随机挑选其中三个颜色a、b、c，画出a与b的交界线、b与c的交界线，将两个交界线作为后续步骤中进行操作的两个轮廓。
_, edge1 = cv.threshold(image, color_values[1], color_values[2], cv.THRESH_BINARY_INV)
edge1 = cv.Canny(edge1, 50, 150)
contour1, _ = cv.findContours(edge1, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)

_, edge2 = cv.threshold(image, color_values[2], color_values[3], cv.THRESH_BINARY_INV)
edge2 = cv.Canny(edge2, 50, 150)
contour2, _ = cv.findContours(edge2, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)

# 4.两个轮廓全部展示
contour_image = image.copy() 
cv.drawContours(contours_image, contour1, -1, (255, 0, 0), 2)
cv.drawContours(contours_image, contour2, -1, (0, 255, 0), 2)
cv.imshow("Contours", contours_image)
cv.waitKey(0)
cv.destroyAllWindows()

# 5.两个轮廓中都只取其中一个部分展示
contours_image = image.copy() 
cv.drawContours(contours_image, contour1[1], -1, (255, 0, 0), 2)
cv.drawContours(contours_image, contour2[1], -1, (0, 255, 0), 2)
cv.imshow("Contour", contours_image)
cv.waitKey(0)
cv.destroyAllWindows()

# 6.将轮廓与颜色输入函数
image = draw_gradient(image,contour1[1],contour2[1],(0,0,127),(0,0,255))
cv.imshow("Result", image)
cv.waitKey(0)
cv.destroyAllWindows()