【个人】项目实训 _ 图片风格_怀旧滤镜

---

一、怀旧滤镜核心代码

新建 pasttime_effect.py 文件

import cv2
import numpy as np

#读取原始图片
original_image = cv2.imread('2.jpg')

# 获取图像的行和列
original_rows, original_cols = original_image.shape[:2]

#新建目标图像
pasttime_image = np.zeros((original_rows,original_cols,3),dtype="uint8")

#图片怀旧特效
for i in range(original_rows):
    for j in range(original_cols):
        B = 0.272*original_image[i,j][2] + 0.534*original_image[i,j][1] + 0.131*original_image[i,j][0]
        G = 0.349*original_image[i,j][2] + 0.686*original_image[i,j][1] + 0.168*original_image[i,j][0]
        R = 0.393*original_image[i,j][2] + 0.769*original_image[i,j][1] + 0.189*original_image[i,j][0]
        if B>255:
            B=255
        if G>255:
            G=255
        if R>255:
            R=255
        pasttime_image[i,j] = np.uint8((B,G,R))

# 处理完成，显示图像
cv2.imshow('original_image', original_image)
cv2.imshow('glass_effect_image', pasttime_image)

cv2.waitKey()
cv2.destroyAllWindows()

代码思想：

图像怀旧特效是指图像经历岁月的昏暗效果，让图片变的偏黄偏暗，给人以怀旧复古的感觉。

可以利用怀旧 RGB 三色公式计算通道新数值：

    R2 = 0.393*R + 0.769*G + 0.189*B
    B2 = 0.272*R + 0.534*G + 0.131*B
    G2 = 0.349*R + 0.686*G + 0.168*B

效果如下：

---

二、UI界面

1.更改glass_effect.py文件

def pasttimeeffect_fun(instance):
    # 读取原始图像
    original_image = instance.m_image

    instance.m_image = pasttime_image
    instance.updata_image()

2.在对应UI.py文件中添加action

    # 创建一个action，当该action被触发时显示油漆特效处理后的图片
    action_pasttime_img_show = QAction('&怀旧滤镜', instance)
    action_pasttime_img_show.triggered.connect(instance.pasttime_effect_emit)

    # 艺术风格迁移选项新增一个action：怀旧滤镜
    tempMenu.addAction(action_pasttime_img_show)

---

3.在主UI.py文件中添加信号发射函数

引入模块

from part3 import m_init_style_transfer,glass_effect,paint_effect,pasttime_effect

定义信号发射函数

    def pasttime_effect_emit(self):
        pasttime_effect.pasttimeeffect_fun(self)

效果如下：

---

三、解决问题

使用界面后发现，效果图片时偏蓝色而非偏黄色，但是核心代码并没有改动。

此时，将核心代码中的 R 与 B 互换位置，即可得到真正的偏黄色的怀旧风格图片。

原因可能是使用界面进入的图片为 RGB 通道而非 BGR 通道。

R = 0.272 * original_image2[i, j][2] + 0.534 * original_image2[i, j][1] + 0.131 * original_image2[i, j][0]
G = 0.349 * original_image2[i, j][2] + 0.686 * original_image2[i, j][1] + 0.168 * original_image2[i, j][0]
B = 0.393 * original_image2[i, j][2] + 0.769 * original_image2[i, j][1] + 0.189 * original_image2[i, j][0]

效果如下：

成功。

---

四、参考链接

参考链接：图像处理：怀旧滤镜效果