计算机视觉之图像特效（实现图像边缘检测、浮雕效果、颜色映射、油画特效等功能）...

1.图像边缘检测

图像的边缘检测：实质是对图像进行卷积运算。

实现canny边缘检测步骤：

1. 转换为灰度图
2. 进行高斯滤波
3. canny方法实现边缘检测 

 调用api实现canny边缘检测，测试代码如下：

 1 import cv2
 2 import numpy as np
 3 import random
 4 img = cv2.imread('image0.jpg', 1)
 5 imgInfo = img.shape
 6 height = imgInfo[0]
 7 width = imgInfo[1]
 8 cv2.imshow('src',img)
 9 # 转化为灰度图
10 gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
11 # 高斯滤波 模板大小为3*3
12 imgG = cv2.GaussianBlur(gray,(3,3),0)
13 # 调用canny方法 设置门限 大于门限则为边缘点
14 dst = cv2.Canny(img,50,50)
15 cv2.imshow('dst',dst)
16 cv2.waitKey(0)

运行结果如下：

src为原始图像：

dst为边缘检测处理后的图像：

手动实现图像边缘检测算法，以及相应的优化，测试代码如下：

 1 import cv2
 2 import numpy as np
 3 import random
 4 import math
 5 img = cv2.imread('image2.jpg', 1)
 6 imgInfo = img.shape
 7 height = imgInfo[0]
 8 width = imgInfo[1]
 9 cv2.imshow('src',img)
10 # sobel
11 # 1 算子模板 第一个为y方向上的 第二个为x方向的
12 # [ 1  2  1     [1 0 -1]
13 #   0  0  0      2 0 -2
14 #  -1 -2 -1]     1 0 -1]
15 # 2 图片卷积
16 # [1 2 3 4][a b c d] a*1+b*2+c*3+d*4 = dst
17 # 3 阈值判决
18 # sqrt(a*a+b*b) = f>th
19 gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
20 dst = np.zeros((height,width,1),np.uint8)
21 for i in range(0,height-2):
22     for j in range(0,width-2):
23         # y方向上的梯度
24         # 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
25         # 优化 y方向上的梯度
26         gy = gray[i,j]+(gray[i,j+1]<<1)+gray[i,j+2]-gray[i+2,j]-(gray[i+2,j+1]<<1)-gray[i+2,j+2]
27         # x方向上的梯度
28         # gx = gray[i,j]*1+gray[i+1,j]*2+gray[i+2,j]*1-gray[i,j+2]*1-gray[i+1,j+2]*2-gray[i+2,j+2]*1
29         # 优化 x方向上的梯度
30         gx = gray[i,j]+(gray[i+1,j]<<1)+gray[i+2,j]-gray[i,j+2]-(gray[i+1,j+2]<<1)-gray[i+2,j+2]
31         # 梯度
32         grad = math.sqrt(int(gx*gx+gy*gy))
33         # 判断是否超过阈值
34         if grad > 50:
35             dst[i,j] = 255
36         else:
37             dst[i,j] = 0
38 cv2.imshow('dst',dst)
39 cv2.waitKey(0)

运行结果如下：

src为初始图像：

dst为边缘检测处理后的图像：

2.浮雕效果

浮雕效果：newP = gray0-gray1+150（特定值） 即当前像素等于相邻像素之差再加上一个特定值突出灰度 即边缘特征，设定不同的特征值的时候会出现不同的浮雕效果。
测试代码如下：

 1 import cv2
 2 import numpy as np
 3 import random
 4 img = cv2.imread('image0.jpg', 1)
 5 imgInfo = img.shape
 6 height = imgInfo[0]
 7 width = imgInfo[1]
 8 cv2.imshow('src',img)
 9 # 转化为灰度图
10 gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
11 dst = np.zeros((height,width,1),np.uint8)
12 for i in range(0,height):
13     for j in range(0,width-1):
14         grayP0 = int(gray[i,j])
15         grayP1 = int(gray[i,j+1])
16         newP = grayP0-grayP1+50
17         if newP > 255:
18             newP = 255
19         if newP < 0:
20             newP = 0
21         dst[i,j] = newP
22 cv2.imshow('dst',dst)
23 cv2.waitKey(0)

运行结果如下：

src初始图像：

dst浮雕效果图像：（特定值为150的时候）

dst浮雕效果图像：（特定值为50的时候）

3.颜色映射

颜色映射按照我的理解就是一个颜色对应上另一个颜色，比如蓝色对应红色，那么一副纯蓝色的图像就会被映射为一副纯红色的图像。

颜色映射的实现方法：可以建立一张颜色映射表，另外一种简单的方法是对rgb分别乘上一个系数，以下面实现一个“蓝色效果”为例，b=b*1.5 g=g*1.3 r=r,测试代码如下：

 1 import cv2
 2 import numpy as np
 3 import random
 4 img = cv2.imread('image0.jpg', 1)
 5 imgInfo = img.shape
 6 height = imgInfo[0]
 7 width = imgInfo[1]
 8 cv2.imshow('src',img)
 9 dst = np.zeros((height,width,3),np.uint8)
10 for i in range(0,height):
11     for j in range(0,width):
12         (b,g,r) = img[i,j]
13         b = b * 1.5
14         g = g * 1.3
15         # 防止越界操作
16         if b > 255:
17             b = 255
18         if g > 255:
19             g = 255
20         dst[i,j] = (b,g,r)
21 cv2.imshow('dst',dst)
22 cv2.waitKey(0)

运行结果如下：

src为初始图像：

dst为蓝色效果图像：

4.油画特效

油画特效
1 gray
2 统计方块中的灰度值
3 对灰度值进行分段
4 对灰度值取平均作为结果

测试代码如下：

 1 import cv2
 2 import numpy as np
 3 import random
 4 img = cv2.imread('Jerry.jpg', 1)
 5 imgInfo = img.shape
 6 height = imgInfo[0]
 7 width = imgInfo[1]
 8 cv2.imshow('src',img)
 9 # 灰度化
10 gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
11 dst = np.zeros((height,width,3),np.uint8)
12 for i in range(4,height-4):
13     for j in range(4,width-4):
14         array1 = np.zeros(8,np.uint8)
15         for m in range(-4,4):
16             for n in range(-4,4):
17                 p1 = int(gray[i+m,j+n]/32)
18                 array1[p1] = array1[p1]+1
19         currentMax = array1[0]
20         l = 0
21         for k in range(0,8):
22             if currentMax < array1[k]:
23                 currentMax = array1[k]
24                 l=k
25         for m in range(-4,4):
26             for n in range(-4,4):
27                 if gray[i+m,j+n] >= (l*32) and gray[i+m,j+n] <= ((l+1)*32):
28                     (b,g,r) = img[i+m,j+n]
29         dst[i,j] = (b,g,r)
30 cv2.imshow('Jerry',dst)
31 cv2.waitKey(0)

运行结果如下：

src为原始图像：

Jerry是处理后的图像：

 

转载于:https://www.cnblogs.com/shixinzei/p/10899102.html