Learn OpenCV----使用Opencv构建Photoshop滤镜

最新推荐文章于 2024-03-19 09:42:37 发布

时闻折竹

最新推荐文章于 2024-03-19 09:42:37 发布

阅读量498

点赞数

分类专栏： Opencv 文章标签： opencv 计算机视觉

原文链接：https://www.learnopencv.com/photoshop-filters-in-opencv/

版权

Opencv 专栏收录该内容

20 篇文章 1 订阅

订阅专栏

阅读原文

使用Opencv构建Photoshop滤镜

概述
亮度效果
六十年代老电视效果
浮雕效果
双色效果
棕色

概述

滤镜的本质是对图像进行某些像素级别的修改，因此，在Photoshop中的某些滤镜是可以使用Opencv模仿得到的。在本篇博文中，主要对下列滤镜进行了实现，

亮度效果
六十年代的老电视
浮雕
双色效果
棕黑效果

亮度效果

亮度是光的强度的一种表现，它可以在图像中使用HSV颜色通道进行操作。
下图给出了从左到右增加饱和度（S）和值矩阵（V）的效果。
在这里插入图片描述
从上图可以看到，当我们增加V矩阵的值时，颜色会变得更亮。因此，如果想要让图片变量，可以增加图像的饱和度和值矩阵。
下边给出一个调节图像亮度的代码。

import cv2
import numpy as np

def nothing(x):
    pass

def brightness(img):
    # 构建窗口，第二个参数设置为0表示可以缩放窗口大小
    cv2.namedWindow('image', 0)
    # val是组件的名字
    # image是组件放置到某个窗口的名字
    # 组件的默认值
    # 组件的最大值
    # 跟踪栏每次更改后激活nothing回调函数
    cv2.createTrackbar('val', 'image', 100, 150, nothing)

    while True:
        hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
        hsv = np.array(hsv, dtype=np.float64)
        val = cv2.getTrackbarPos('val', 'image')
        # 除以100是让范围限制在0-1.5
        val = val/100

        # 更改通道1的值，即修改饱和度
        hsv[:, :, 1] = hsv[:, :, 1] * val
        hsv[:, :, 1][hsv[:, :, 1] > 255] = 255
        # 更改通道2的值，即修改V矩阵的值
        hsv[:, :, 2] = hsv[:, :, 2] * val
        hsv[:, :, 2][hsv[:, :, 2] > 255] = 255

        # 转会uint8，确保能显示
        hsv = np.array(hsv, dtype=np.uint8)
        res = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)

        cv2.imshow("original", img)
        cv2.imshow('image', res)
        # 按q推出程序
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    cv2.destroyAllWindows()
    
if __name__ == "__main__":
    img = cv2.imread("test.jpg")
    brightness(img)

测试效果如下
在这里插入图片描述

六十年代老电视效果

这样的效果是怎样的呢？应该是灰白的，并且有许多噪声的。
所以在实现这个效果时，需要考虑这两点。代码如下。

import cv2
import numpy as np

def nothing(x):
    pass

def tv_60(img):
    cv2.namedWindow('image')
    # 这个控件着当前图像中的最大噪声量
    cv2.createTrackbar('val', 'image', 0, 255, nothing)
    # 这个控件表示受噪声影响的像素的百分比
    cv2.createTrackbar('threshold', 'image', 0, 100, nothing)

    while True:
        height, width = img.shape[:2]
        # 将图像变灰白
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        # 动态取得两个控件的输出值
        thresh = cv2.getTrackbarPos('threshold', 'image')
        val = cv2.getTrackbarPos('val', 'image')
        # 由于添加噪声的过程为随机添加，因此在显示过程中有个动态的效果
        for i in range(height):
            for j in range(width):
                if np.random.randint(100) <= thresh:
                    if np.random.randint(2) == 0:
                        # 添加噪声到图像，并且最大为255（偏白噪点）
                        gray[i, j] = min(gray[i, j] + np.random.randint(0, val+1), 255)  
                    else:
                        # 将图像中的噪声减去，并且最小值为0（偏黑噪点）
                        gray[i, j] = max(gray[i, j] - np.random.randint(0, val+1), 0)

        cv2.imshow('Original', img)
        cv2.imshow('image', gray)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    cv2.destroyAllWindows()
    
if __name__ == "__main__":
    img = cv2.imread("test.jpg")
    tv_60(img)

在这里插入图片描述

浮雕效果

维基百科上的定义：是一种计算机图形技术，根据原始图像的明暗边界，图像的每个像素被一个高亮或阴影代替。低对比度的区域被灰色背景代替。
使用Opencv中实现这种效果十分简单，只要使用特殊的核对图像进行过滤即可。而且，附带的方向也可以根据内核的大小而改变。
下图给出了四个不同方向的内核。
在这里插入图片描述
可以看到，上述的内核其实本质是一样的，因此，我们可以只构建一个内核，然后使用旋转来获得其他三个不同方向的内核。

改变核的大小影响浮雕的强度。核尺寸越大，浮雕效果越显著。注意，所需的最小内核大小为2x2.

import cv2
import numpy as np

def nothing(x):
    pass
 
# 初始内核生成函数
'''
如果size==3
0   -1  -1
1   0   -1
1   1   0
'''
def kernel_generator(size):
    kernel = np.zeros((size, size), dtype=np.int8)
    for i in range(size):
        for j in range(size):
            if i < j:
                kernel[i][j] = -1
            elif i > j:
                kernel[i][j] = 1
    return kernel

def emboss(img):
    cv2.namedWindow('image')
    # 该组件控制内核的大小
    cv2.createTrackbar('size', 'image', 0, 8, nothing)
    switch = '0 : BL n1 : BR n2 : TR n3 : BR'
    # 该组件控制内核的方向
    cv2.createTrackbar(switch, 'image', 0, 3, nothing)

    while True:
        size = cv2.getTrackbarPos('size', 'image')
        # 对于每个内核的大小都加2，因为内核大小必须大于等于2
        size += 2 
        s = cv2.getTrackbarPos(switch, 'image')
        height, width = img.shape[:2]
        y = np.ones((height, width), np.uint8) * 128
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        # 根据内核大小生成初始内核(bottom left)
        kernel = kernel_generator(size)
        # 根据s，即方向来旋转内核
        # 逆时针旋转s个90度
        kernel = np.rot90(kernel, s)
        # filter2D，使用内核和图像进行卷积过滤
        # add，使用add时浮雕背景设置为y，即灰色
        res = cv2.add(cv2.filter2D(gray, -1, kernel), y)

        cv2.imshow('Original', img)
        cv2.imshow('image', res)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    cv2.destroyAllWindows()

if __name__ == "__main__":
    img = cv2.imread("test.jpg")
    emboss(img)

在这里插入图片描述

双色效果

没啥好说的，大伙自己看吧。

import cv2
import numpy as np

def nothing(x):
    pass
    
def exponential_function(channel, exp):
    table = np.array([min((i**exp), 255) for i in np.arange(0, 256)]).astype("uint8") # generating table for exponential function
    channel = cv2.LUT(channel, table)
    return channel

def duo_tone(img):
    cv2.namedWindow('image')
    cv2.createTrackbar('exponent', 'image', 0, 10, nothing)
    switch1 = '0 : BLUE n1 : GREEN n2 : RED'
    cv2.createTrackbar(switch1, 'image', 1, 2, nothing)
    switch2 = '0 : BLUE n1 : GREEN n2 : RED n3 : NONE'
    cv2.createTrackbar(switch2, 'image', 3, 3, nothing)
    switch3 = '0 : DARK n1 : LIGHT'
    cv2.createTrackbar(switch3, 'image', 0, 1, nothing)

    while True:
        exp = cv2.getTrackbarPos('exponent', 'image')
        # 将值转换为1-2
        exp = 1 + exp/100 
        s1 = cv2.getTrackbarPos(switch1, 'image')
        s2 = cv2.getTrackbarPos(switch2, 'image')
        s3 = cv2.getTrackbarPos(switch3, 'image')
        res = img.copy()
        for i in range(3):
            if i in (s1, s2): # if channel is present
                res[:, :, i] = exponential_function(res[:, :, i], exp) # increasing the values if channel selected
            else:
                if s3: # for light
                    res[:, :, i] = exponential_function(res[:, :, i], 2 - exp) # reducing value to make the channels light
                else: # for dark
                    res[:, :, i] = 0 # converting the whole channel to 0
        cv2.imshow('Original', img)
        cv2.imshow('image', res)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    cv2.destroyAllWindows()
    
if __name__ == "__main__":
    img = cv2.imread("test.jpg")
    duo_tone(img)

在这里插入图片描述

棕色

这个就更好理解了，简单来说就是对图像进行调色。让一张普通的图像变为温暖的棕色。

import cv2
import numpy as np

def sepia(img):
    res = img.copy()
    # opencv读取图像后，一般为BGR的模式
    # 为了实现棕色效果，我们需要将BGR还原为RGB
    res = cv2.cvtColor(res, cv2.COLOR_BGR2RGB)
    res = np.array(res, dtype=np.float64)
    # 棕色矩阵，使用这个矩阵对图像进行转换即可。
    res = cv2.transform(res, np.matrix([[0.393, 0.769, 0.189],
                                        [0.349, 0.686, 0.168],
                                        [0.272, 0.534, 0.131]]))
    # 图像值裁剪，保证最大值为255
    res[np.where(res > 255)] = 255 
    res = np.array(res, dtype=np.uint8)
    res = cv2.cvtColor(res, cv2.COLOR_RGB2BGR)
    cv2.imshow("original", img)
    cv2.imshow("Sepia", res)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    
if __name__ == "__main__":
    img = cv2.imread("test.jpg")
    sepia(img)

在这里插入图片描述
不得不说，这个棕色效果，确实能给人一种温暖的感觉XD。

时闻折竹

关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
Learn OpenCV----使用Opencv构建Photoshop滤镜

阅读原文使用Opencv构建Photoshop滤镜概述亮度效果六十年代老电视效果浮雕效果双色效果棕色概述滤镜的本质是对图像进行某些像素级别的修改，因此，在Photoshop中的某些滤镜是可以使用Opencv模仿得到的。在本篇博文中，主要对下列滤镜进行了实现，亮度效果六十年代的老电视浮雕双色效果棕黑效果亮度效果亮度是光的强度的一种表现，它可以在图像中使用HSV颜色通道进行操作。下图给出了从左到右增加饱和度（S）和值矩阵（V）的效果。从上图可以看到，当我们增加V矩阵的值时，颜色会变
复制链接

扫一扫