一、算法描述
图像油画效果
1.类似于马赛克及毛玻璃效果,也是卷积操作的一种
2.基本原理:将在计算某点像素值时,通过计算周围区域的某些像素值得到本点像素值
1)分别读取彩色图、灰度图,将灰度全值(0-255)划分灰度等级
2)确定统计窗口大小
3)确定统计窗口内 灰度图各像素的对应灰度等级,获取灰度等级频率最高的灰度等级(最高频灰度等级)
4)遍历灰度图统计窗口,确定属于最高频灰度等级的像素位置,并计算彩色图中对应位置的统计值(最大值、平均值)
5)将统计值赋值,得到油画效果图
3.此代码中,为了快速运行,处理范围设置为300*300,而不是原图像矩阵;进一步简化,在遍历时横向和纵向都进行了跳跃,并相应地在最后填充像素值时进行统一填充(可以通过gap进行设置,如果为1,图像处理较慢,为3时,图像呈现明显的斑块状,因为周围9个像素点都是统一填充的,设置2时比较折中)
二、代码实现
# -*- coding: utf-8 -*-
# @Time : 2020/7/5 8:11
# @Author : Zhao HL
import cv2
import numpy as np
basicSize = 4
grayLevelSize = 8
gap = 2
Mean_sta = True
img = cv2.imread(r'E:\_Python\00_test\0.png', 1)
grayImg = cv2.imread(r'E:\_Python\00_test\0.png', 0)
imgHeight, imgWidth = 300, 300
dstImg = np.zeros(img.shape, np.uint8)
def comp_max(tp1,tp2):
if tp1[0]<tp2[0]:
tp1[0] = tp2[0]
if tp1[1]<tp2[1]:
tp1[1] = tp2[1]
if tp1[2]<tp2[2]:
tp1[2] = tp2[2]
return tp1
for i in range(basicSize, imgHeight - basicSize, gap):
for j in range(basicSize, imgWidth - basicSize, gap):
# 灰度等级统计
grayLevel = np.zeros(grayLevelSize, np.uint8) # 存放各个灰度等级的个数
graySum = [0, 0, 0] # 用于最后高频灰度等级均值计算
# 对小区域进行遍历统计
for m in range(-basicSize, basicSize):
for n in range(-basicSize, basicSize):
pixlv = int(grayImg[i + m, j + n] / (256 / grayLevelSize)) # 判断像素等级
grayLevel[pixlv] += 1 # 计算对应灰度等级个数
# 找出最高频灰度等级及其索引
mostLevel = np.max(grayLevel)
mostLevelIndex = np.argmax(grayLevel)
level_pixNum = 0
# 计算最高频等级内的所有灰度值的均值
for m in range(-basicSize, basicSize):
for n in range(-basicSize, basicSize):
if int(grayImg[i + m, j + n] / (256 / grayLevelSize)) == mostLevelIndex:
level_pixNum+=1
if Mean_sta:
graySum += img[i + m, j + n]
else:
graySum = comp_max(graySum,img[i + m, j + n])
if Mean_sta:
graySum = graySum/level_pixNum
# 写入目标像素
for m in range(gap):
for n in range(gap):
dstImg[i + m, j + n] = graySum
cv2.imshow('', dstImg)
cv2.waitKey(0)
cv2.destroyAllWindows()
print('complete')
三、处理前后效果对比:
原图:
mean
max