opencv学习17——油画效果

最新推荐文章于 2024-08-12 20:40:26 发布

GISer_Lin

最新推荐文章于 2024-08-12 20:40:26 发布

阅读量3.2k

点赞数 5

分类专栏： opencv 文章标签： opencv 图像处理

本文链接：https://blog.csdn.net/nominior/article/details/82954961

版权

opencv 专栏收录该内容

30 篇文章 13 订阅

订阅专栏

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：