四、图片特效

最新推荐文章于 2024-07-07 11:19:22 发布
最新推荐文章于 2024-07-07 11:19:22 发布
阅读量1.3k 收藏 3
点赞数
分类专栏： openCV+TensorFlow图像处理 文章标签： opencv python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq23001186/article/details/128005291
版权

目录

一、灰度处理

  • 使用openCV的imread方法实现
import cv2

img0 = cv2.imread('image0.jpg', 0)
img1 = cv2.imread('image0.jpg', 1)
print(img0.shape)
print(img1.shape)
cv2.imshow('src', img0)
cv2.waitKey(0)

在这里插入图片描述

  • 使用openCV的cvtColor方法实现：cvtColor实现颜色空间的转换
import cv2

img = cv2.imread('image0.jpg', 1)
dst = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 颜色空间转换 1 data 2 BGR gray
cv2.imshow('dst', dst)
cv2.waitKey(0)
  • 利用R=G=B的方式实现：使用（R+G+B）/ 3 赋值给像素点
import cv2
import numpy as np

img = cv2.imread('image0.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
# RGB R=G=B = gray  (R+G+B)/3
dst = np.zeros((height, width, 3), np.uint8)
for i in range(0, height):
    for j in range(0, width):
        (b, g, r) = img[i, j]
        gray = (int(b) + int(g) + int(r)) / 3
        dst[i, j] = np.uint8(gray)
cv2.imshow('dst', dst)
cv2.waitKey(0)
  • 使用心理学公式：r * 0.299 + g * 0.587 + b * 0.114
import cv2
import numpy as np

img = cv2.imread('image0.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
dst = np.zeros((height, width, 3), np.uint8)
for i in range(0, height):
    for j in range(0, width):
        (b, g, r) = img[i, j]
        b = int(b)
        g = int(g)
        r = int(r)
        gray = r * 0.299 + g * 0.587 + b * 0.114
        dst[i, j] = np.uint8(gray)
cv2.imshow('dst', dst)
cv2.waitKey(0)
  • 算法优化：浮点数据转换成定点数据；乘除转换成位移计算
    • 这里的系数是按乘以4计算了，如果希望精度更快，可以乘100，1000。。。。。
import cv2
import numpy as np

img = cv2.imread('image0.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
# RGB R=G=B = gray  (R+G+B)/3
dst = np.zeros((height, width, 3), np.uint8)
for i in range(0, height):
    for j in range(0, width):
        (b, g, r) = img[i, j]
        b = int(b)
        g = int(g)
        r = int(r)
        # 浮点转定点：gray = r * 0.299 + g * 0.587 + b * 0.114
        # 乘除转位移：gray = (r*1+g*2+b*1)/4
        gray = (r + (g << 1) + b) >> 2
        dst[i, j] = np.uint8(gray)
cv2.imshow('dst', dst)
cv2.waitKey(0)

在这里插入图片描述

二、颜色反转

  • 灰度图片的颜色反转：255-当前的灰度值
import cv2
import numpy as np

img = cv2.imread('image0.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
dst = np.zeros((height, width, 1), np.uint8)
for i in range(0, height):
    for j in range(0, width):
        grayPixel = gray[i, j]
        dst[i, j] = 255 - grayPixel
cv2.imshow('dst', dst)
cv2.waitKey(0)

在这里插入图片描述

  • 彩色图片的颜色反转：255-当前通道的颜色值
import cv2
import numpy as np

img = cv2.imread('image0.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
dst = np.zeros((height, width, 3), np.uint8)
for i in range(0, height):
    for j in range(0, width):
        (b, g, r) = img[i, j]
        dst[i, j] = (255 - b, 255 - g, 255 - r)
cv2.imshow('dst', dst)
cv2.waitKey(0)

在这里插入图片描述

三、马赛克

  • 图片实现马赛克的原理：将一片区局域中的所有的像素保持一致
    • 例如：我们想给一个10 * 10的区域打上马赛克
    • 那么我们取到10*10中左上角点的像素值，替换掉10 * 10的100个像素点
    • 这样就实现了马赛克效果
import cv2

img = cv2.imread('image0.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
for m in range(100, 300):
    for n in range(100, 200):
        # pixel ->10*10
        if m % 10 == 0 and n % 10 == 0:
            for i in range(0, 10):
                for j in range(0, 10):
                    (b, g, r) = img[m, n]
                    img[i + m, j + n] = (b, g, r)
cv2.imshow('dst', img)
cv2.waitKey(0)

在这里插入图片描述

四、毛玻璃

  • 毛玻璃的实现原理：
    • 马赛克效果我们使用的是左上角的像素点来替换掉其他像素点
    • 而毛玻璃是使用随机的像素点来替换掉当前的像素点
import cv2
import numpy as np
import random

img = cv2.imread('image0.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
dst = np.zeros((height, width, 3), np.uint8)
mm = 8  # 水平方向上和竖直方向都有可能是8
for m in range(0, height - mm):  # -mm是为了防止矩阵越界，同时这里减了mm，所以生成的时候下方和右方会有很色的边框
    for n in range(0, width - mm):
        index = int(random.random() * 8)  # random.random()是0-1，所以index是0-8
        (b, g, r) = img[m + index, n + index]
        dst[m, n] = (b, g, r)
cv2.imshow('dst', dst)
cv2.waitKey(0)

在这里插入图片描述

五、图片融合

  • 2张图片融合的计算公式：dst = src1a+src2(1-a)，其中a指的是alpha系数
import cv2

img0 = cv2.imread('image0.jpg', 1)
img1 = cv2.imread('image1.jpg', 1)
imgInfo = img0.shape
height = imgInfo[0]
width = imgInfo[1]
# ROI感兴趣范围，这个要比2张图片的范围都小
roiH = int(height / 2)
roiW = int(width / 2)
img0ROI = img0[0:roiH, 0:roiW]
img1ROI = img1[0:roiH, 0:roiW]
# dst
dst = cv2.addWeighted(img0ROI, 0.5, img1ROI, 0.5, 0)  # add src1*a+src2*(1-a)
# 1 src1 2 a 3 src2 4 1-a
cv2.imshow('dst', dst)
cv2.waitKey(0)

在这里插入图片描述

六、边缘检测与浮雕效果

1 - 边缘检测

  • 什么是边缘检测：边缘检测的效果有点类似素描，边缘检测的实质是图像的卷积计算
  • openCV的API方式实现边缘检测的步骤：
    • 灰度处理
    • 高斯滤波
    • canny方法
import cv2

img = cv2.imread('image0.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
cv2.imshow('src', img)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 灰度处理
imgG = cv2.GaussianBlur(gray, (3, 3), 0)  # 高斯滤波
dst = cv2.Canny(img, 50, 50)  # 图片卷积——》th，双阀值
cv2.imshow('dst', dst)
cv2.waitKey(0)

在这里插入图片描述

  • 源码形式实现边缘检测：sobel算法实现，这里会涉及到如下几个概念
  • sobel算法的算子模板：水平方向、垂直方向
水平方向     垂直方向
[1 2 1          [ 1 0 -1
 0 0 0            2 0 -2
-1 -2 -1 ]        1 0 -1 ]
  • 图片卷积：假设1张图片中的4个像素点为[1 2 3 4]，当前的模板是[a b c d]，那么卷积的结果：a1+b2+c3+d4 = dst
    • a：竖直方向上的梯度 -> 水平方向上的算子与图片卷积的结果
    • b：水平方向上的梯度 -> 垂直方向上的算子与图片卷积的结果
    • f：阀值，f = sqrt(a * a + b * b)
    • th：判决门限
  • 阀值判决：f > th 是边缘，否则是非边缘
import cv2
import numpy as np
import math

img = cv2.imread('image0.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
cv2.imshow('src', img)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
dst = np.zeros((height, width, 1), np.uint8)
for i in range(0, height - 2):
    for j in range(0, width - 2):
        gy = gray[i, j] * 1 + gray[i, j + 1] * 2 + gray[i, j + 2] * 1 - gray[i + 2, j] * 1 - gray[i + 2, j + 1] * 2 - \
             gray[i + 2, j + 2] * 1
        gx = gray[i, j] + gray[i + 1, j] * 2 + gray[i + 2, j] - gray[i, j + 2] - gray[i + 1, j + 2] * 2 - gray[
            i + 2, j + 2]
        grad = math.sqrt(gx * gx + gy * gy)
        if grad > 50:  # 50为域值
            dst[i, j] = 255
        else:
            dst[i, j] = 0
cv2.imshow('dst', dst)
cv2.waitKey(0)

在这里插入图片描述

2 - 浮雕效果

  • 浮雕效果计算公式：每一个新的像素值等于相邻像素的像素值之差加上一个恒定值（比如150）
    • newP = gray0 - gray1 + 150
    • 这里加上150是为了增强图片的浮雕灰度等级
    • 相邻像素相减是为了突出灰度的突片及边缘特征
import cv2
import numpy as np

img = cv2.imread('image0.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
dst = np.zeros((height, width, 1), np.uint8)
for i in range(0, height):
    for j in range(0, width - 1):
        grayP0 = int(gray[i, j])
        grayP1 = int(gray[i, j + 1])
        newP = grayP0 - grayP1 + 150
        if newP > 255:
            newP = 255
        if newP < 0:
            newP = 0
        dst[i, j] = newP
cv2.imshow('dst', dst)
cv2.waitKey(0)

在这里插入图片描述

七、颜色映射

  • 颜色映射最简单的实现方式：
    • 做一个很大的查找表，根据原始图像的rgb值根据查找表查找一组新的rgb，用新的rgb代替原来像素值
    • 也可以用一些简单的公式完成颜色映射，利用公式的方法可能无法表示一些更为复杂的效果
  • 案例：蓝色与绿色增强
import cv2
import numpy as np

img = cv2.imread('image0.jpg', 1)
cv2.imshow('src', img)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
dst = np.zeros((height, width, 3), np.uint8)
for i in range(0, height):
    for j in range(0, width):
        (b, g, r) = img[i, j]
        b = b * 1.5
        g = g * 1.3
        if b > 255:
            b = 255
        if g > 255:
            g = 255
        dst[i, j] = (b, g, r)
cv2.imshow('dst', dst)
cv2.waitKey(0)

在这里插入图片描述

八、油画效果

  • 油画效果实现步骤
    • ①.gray 灰度化
    • ②.将图片分割为若干个小方块。统计这些小方块中每个像素的灰度值，比如7 * 7 ，10 * 10
    • ③.将0-255划分段，并将第二步的映射到对应段范围中：如划分4个段，每个段有64个等级。0-63 第1段；64-127第2段
    • ④.例如：这时有一个像素点.灰度值是10，那么他就在0-63这个点
      • 找到每个方块中灰度等级最多的所有像素，count 并求取这些像素的均值
      • 用统计出来的平均值，替代原来的像素值
import cv2
import numpy as np

img = cv2.imread('image0.jpg', 1)
cv2.imshow('src', img)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
dst = np.zeros((height, width, 3), np.uint8)
# 这里从-4开始，所以边界值要从4开始
for i in range(4, height - 4):
    for j in range(4, width - 4):
        array1 = np.zeros(8, np.uint8)
        for m in range(-4, 4):  # 定义8*8的小方块
            for n in range(-4, 4):
                p1 = int(gray[i + m, j + n] / 32)  # 灰度等级划分为8个段，每个为256/8
                array1[p1] = array1[p1] + 1
        currentMax = array1[0]
        l = 0  # 记录是哪个段
        for k in range(0, 8):  # 求最大值
            if currentMax < array1[k]:
                currentMax = array1[k]
                l = k
        # 简化 均值
        for m in range(-4, 4):
            for n in range(-4, 4):
                # l是处于哪一个灰度段，32是它的灰度等级
                # 小于等于下一个灰度段，保证处于范围之内
                if gray[i + m, j + n] >= (l * 32) and gray[i + m, j + n] <= ((l + 1) * 32):
                    (b, g, r) = img[i + m, j + n]
        dst[i, j] = (b, g, r)
cv2.imshow('dst', dst)
cv2.waitKey(0)

在这里插入图片描述

无休止符
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
JS实现的空间图片特效
01-02
伪3D空间视觉效果,看到图片就像是在3D空间里面。
分享116个图片JS特效，总有一款适合您
zy19830907的博客
12-05 406
分享116个图片JS特效，总有一款适合您
特效贴图1500张
01-07
特效贴图1500张
定点与浮点的转换
09-10
定点与浮点转换方法，通过设定小数点在16位数中的不同位置，就可以表示不同大小和不同精度的小数。数的定标有Q表示法和S表示法两种。
OpenCV图像处理----图像特效
bjsyc123456的博客
05-12 1192
图像融合 按照一定的比例将两张图片融合在一起 addWeighted()方法： 参数1第一张图片矩阵 参数2第一张图片矩阵的权重 参数3第二张图片矩阵 参数4第二张图片矩阵的权重 融合之后的偏移量 进行叠加的两张图片宽高应该相同 叠加之后的像素偏移值如果填的话不要填太大,超过255会导致图像偏白 import cv2 import cv2 as cv img = cv.imread("img/lena.jpg") tony = cv.imread("img/tony.jpg", ) #
安卓手机图片特效
08-21
在安卓平台上，实现图片特效涉及了多个图像处理技术与编程概念。以下是对这些知识点的详细说明： 1. **图片缩放**：通过调整图片的宽度和高度，改变其原始尺寸。在Android中，通常使用`Bitmap.createScaledBitmap()...
图片切换特效
05-29
四、图片轮播组件的选择与使用 在实际开发中，许多开发者会选择使用现成的图片轮播插件，如Slick、Swiper等。这些组件提供了丰富的选项和预设的动画效果，易于集成，并且通常具有良好的性能和跨浏览器兼容性。 五...
图片画廊和Lightbox特效插件
06-11
图片画廊和Lightbox特效插件是Web开发中常见的元素，用于展示和浏览一组图片，为用户提供更加丰富和互动的视觉体验。这类插件通常具备多种布局方式，以适应不同场景的需求。在本案例中，提供了四种不同的布局效果： ...
图片转场特效
08-20
在数字媒体制作和视频编辑领域，图片转场特效是一种常用的技术，用于在多个图像...而"图片特效2010-8-12"这个文件名可能是其中的一个示例文件，可能包含了2010年8月12日创建的一些图片转场效果实例，供用户学习和参考。
数字图像处理之浮雕效果——基于傅里叶变换的频域操作
weixin_42479402的博客
06-21 549
问题简述 这是信号与系统课程的一个课后作业，要求运用傅里叶变换的理论知识，在matlab中对数字图像进行浮雕效果的处理。 浮雕效果和图像边缘的检测差不多，学习过深...
opencv图像处理浮雕效果
求知小鸟
10-07 1097
opencv图像处理浮雕效果 浮雕效果是将俩个像素差值加上某一个固定的像素值。 import cv2 import numpy as np import random import math img0 = cv2.imread(r"C:\Users\lenovo\Desktop\python\python_vision\image.jpg",1) imgInfo = img0.shape height = imgInfo[0] weight = imgInfo[1] # 转换灰度图像 2.高斯滤波
【数字图像处理】浮雕效果和倒影效果
jsgaobiao的博客
03-17 9576
Ø  【作业要求】 Perform either of the following two tasks:   1. Write your own imresize() function codeto simulate the matab function imresize(). You should implement at least the‘nearest’ and the ‘bili
10款让人惊叹的HTML5/jQuery图片动画特效
weixin_30929011的博客
05-05 1452
1、HTML5相册照片浏览器 可连接Flickr照片服务 以前我们经常会分享一些jQuery相册浏览插件，效果不错，实用性也很强。不过如果能利用HTML5来实现相册浏览器，那么相册浏览效果肯定会更加炫酷。今天分享的这款HTML5相册浏览器可以连接到Flickr获取照片，也可以连接到youtube获取视频，照片在初始化的时候有波浪般的效果。 在线演示 源码下载 2、CSS3图片模糊效果 ...
颜色基本概念和颜色位移
自由理想的足迹
03-25 2745
颜色的基本概念：RGB中0x000000是黑色，0xffffff是白色; Alpha当0x00时候是完全透明的,0xff是完全不透明的。 颜色的深度，就是一个像素用多少位来表示，一般图像为8位深度，也就是2(^8) = 256种颜色。如果图像深度为24位，那就是2(^24)= 16777216种颜色称之为真彩色。虽然颜色的深度为8位，但是也不是说R只有8种，G只有8种，B只有4种颜色，也不是说
图像处理之opencv图像特效大全
阿优乐扬的博客
01-30 3962
1、特效1：灰度处理 1.1、cv2.imread()方法 1.2、cv2.cvtColor()方法 1.3、GRB均值法 1.4、心理学汇总计算法 1.5、优化灰度算法 2、特效2：地板效果 2.1、灰色图片颜色反转 2.2、彩色图片颜色反转 3、特效3：马赛克 4、特效4：毛玻璃效果 5、特效5：图像融合 6、特效6：边缘检测 7、特效7：浮雕效果 8、特效8：颜色映射 9、特效9：油画特效
css图片特效
QDY5945的博客
11-07 1446
网站图片往往有很多显示效果，使用css是实现图片特效的比较简便的方式。下面记录一段css鼠标指向的多重特效： <!DOCTYPE html> <html lang="en"> <head> <...
图像特效之波浪特效
大熊
10-17 1999
图像特效之波浪特效 1.关键代码 /* *Function: 波浪特效 */ int Wave(IMAGE_TYPE *BMP24_img,int degree) { int X,Y; DWORD width,height,x,y,bfsize; WORD biBitCount = 3; T_U8 *dst_data,*bmp,*img_data; T_U32 line_byt
分享10款效果惊艳的HTML5图片特效
weixin_33890526的博客
03-26 2850
在HTML5的世界里，图片特效都十分绚丽，我们在网站上也分享过很多不错的HTML5图片特效，现在我们精选10款效果惊艳的HTML5图片特效分享给大家。1、HTML5 3D正方体旋转动画 很酷的3D特效之前我们分享过很多非常不错的HTML5 3D立体动画特效，尤其是一些HTML5 Canvas动画，更是酷得让人惊叹。今天我们又要来分享一款好玩的HTML5 3D效果，该特效是一个...
竞赛 深度学习OCR中文识别 - opencv python
最新发布
iuerfee的博客
07-07 675
🔥 优质竞赛项目系列，今天要分享的是🚩 **基于深度学习OCR中文识别系统 **该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！🥇学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：3分创新点：4分🧿🧿。
下雪特效 opencv python
12-16
总的来说，利用opencv和python实现下雪特效主要包括读取背景图片、生成雪花效果、增强特效和应用到视频中四个步骤。通过这些步骤，我们可以实现逼真的下雪特效，为图片和视频增添更多的趣味和视觉效果。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

无休止符

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值