模拟油画和铅笔画的滤镜效果-CSDN博客

油画效果

先上未经任何处理的原图

原图.png

然后使用油画风格的滤镜OilPaintFilter看看效果，OilPaintFilter的使用方式就一句话：）

RxImageData.bitmap(bitmap).addFilter(new OilPaintFilter()).into(image);复制代码

油画效果.png

OilPaintFilter在处理人物图片和风景图片时具有比较好的效果。

OilPaintFilter的源码如下：

import com.cv4j.core.datamodel.ColorProcessor;
import com.cv4j.core.datamodel.ImageProcessor;

/**
 * Created by Tony Shen on 2017/5/7.
 */

public class OilPaintFilter extends BaseFilter {

    private int radius = 15; // default value
    private int intensity = 40; // default value

    public OilPaintFilter() {
        this(15, 40);
    }

    public OilPaintFilter(int radius, int graylevel) {
        this.radius = radius;
        this.intensity = graylevel;
    }

    public int getRadius() {
        return radius;
    }

    public void setRadius(int radius) {
        this.radius = radius;
    }

    public int getIntensity() {
        return intensity;
    }

    public void setIntensity(int intensity) {
        this.intensity = intensity;
    }

    @Override
    public ImageProcessor doFilter(ImageProcessor src) {

        byte[][] output = new byte[3][R.length];

        int index = 0;
        int subradius = this.radius / 2;
        int[] intensityCount = new int[intensity+1];
        int[] ravg = new int[intensity+1];
        int[] gavg = new int[intensity+1];
        int[] bavg = new int[intensity+1];

        for(int i=0; i<=intensity; i++) {
            intensityCount[i] = 0;
            ravg[i] = 0;
            gavg[i] = 0;
            bavg[i] = 0;
        }

        for(int row=0; row<height; row++) {
            int ta = 0, tr = 0, tg = 0, tb = 0;
            for(int col=0; col<width; col++) {

                for(int subRow = -subradius; subRow <= subradius; subRow++)
                {
                    for(int subCol = -subradius; subCol <= subradius; subCol++)
                    {
                        int nrow = row + subRow;
                        int ncol = col + subCol;
                        if(nrow >=height || nrow < 0)
                        {
                            nrow = 0;
                        }
                        if(ncol >= width || ncol < 0)
                        {
                            ncol = 0;
                        }
                        index = nrow * width + ncol;
                        tr = R[index] & 0xff;
                        tg = G[index] & 0xff;
                        tb = B[index] & 0xff;
                        int curIntensity = (int)(((double)((tr+tg+tb)/3)*intensity)/255.0f);
                        intensityCount[curIntensity]++;
                        ravg[curIntensity] += tr;
                        gavg[curIntensity] += tg;
                        bavg[curIntensity] += tb;
                    }
                }

                // find the max number of same gray level pixel
                int maxCount = 0, maxIndex = 0;
                for(int m=0; m<intensityCount.length; m++)
                {
                    if(intensityCount[m] > maxCount)
                    {
                        maxCount = intensityCount[m];
                        maxIndex = m;
                    }
                }

                // get average value of the pixel
                int nr = ravg[maxIndex] / maxCount;
                int ng = gavg[maxIndex] / maxCount;
                int nb = bavg[maxIndex] / maxCount;
                index = row * width + col;
                output[0][index] = (byte) nr;
                output[1][index] = (byte) ng;
                output[2][index] = (byte) nb;

                // post clear values for next pixel
                for(int i=0; i<=intensity; i++)
                {
                    intensityCount[i] = 0;
                    ravg[i] = 0;
                    gavg[i] = 0;
                    bavg[i] = 0;
                }

            }
        }

        ((ColorProcessor) src).putRGB(output[0], output[1], output[2]);
        output = null;

        return src;
    }
}复制代码

其原理是使用边缘保留滤波，边缘保留滤波有很多种，可以参考之前的一篇文章基于边缘保留滤波实现人脸磨皮的算法。这里主要用的是Mean shift算法，修改局部的像素权重从而实现图像的像素模糊，以达到近似油画的效果。

铅笔画效果

我们还开发了另一款滤镜StrokeAreaFilter，用于模拟铅笔画的效果。

RxImageData.bitmap(bitmap).addFilter(new StrokeAreaFilter()).into(image);复制代码

看下效果

铅笔画效果.png

对于铅笔画而言可能有点牵强，那再组合一个随机噪声的滤镜试试。

RxImageData.bitmap(bitmap)
        .addFilter(new StrokeAreaFilter())
        .addFilter(new GaussianNoiseFilter())
        .into(image);复制代码

铅笔画效果2.png

效果也不是特别好，那再换一个USMFilter试试。

RxImageData.bitmap(bitmap)
       .addFilter(new StrokeAreaFilter())
       .addFilter(new USMFilter())
       .into(image);复制代码

终于，这次效果比前面两幅效果更好了。

铅笔画效果3.png

但是，由于是两个滤镜的叠加，速度会慢很多。再者，USMFilter它是继承高斯滤镜的。所以，在实际使用中只需单独使用StrokeAreaFilter即可，细节多少可以根据参数来调节。

总结

本文所使用的两款滤镜OilPaintFilter和StrokeAreaFilter都在cv4j中。

cv4j 是gloomyfish和我一起开发的图像处理库，纯java实现，目前还处于早期的版本，目前已经更新了滤镜的文档。

上周末我们做了两款滤镜，效果还算是蛮酷的，但是速度在移动端还不够理想，未来会想办法对算法做一些改进，以便更好地满足移动端的体验。

该系列先前的文章：
二值图像分析之轮廓分析
 基于边缘保留滤波实现人脸磨皮的算法
 二值图像分析---案例实战(文本分离+硬币计数)
Java实现高斯模糊和图像的空间卷积
 Java实现图片滤镜的高级玩法
 Java实现图片的滤镜效果