计算机视觉—图像特效（3）

最新推荐文章于 2024-05-02 12:48:25 发布
最新推荐文章于 2024-05-02 12:48:25 发布
阅读量342 收藏 3
点赞数
文章标签： 人工智能 python
原文链接：https://juejin.im/post/5b0291ee518825673e35ef13
版权

一、灰度处理

(1) imread (src,0)

#imread 
import cv2
img0 = cv2.imread('canton.jpg',0)
img1 = cv2.imread('canton.jpg',1)
print(img0.shape)
print(img1.shape)
cv2.imshow('src',img0)
cv2.imshow('src',img1)
cv2.waitKey(0)
复制代码

（2）cvtColor ()

将图像从一个颜色空间转换为另一个颜色空间。

该功能将输入图像从一个颜色空间转换为另一个颜色空间。如果要转换RGB颜色空间，则应明确指定通道的顺序（RGB或BGR）。请注意，OpenCV中的默认颜色格式通常被称为RGB，但它实际上是BGR（字节相反）。因此，标准（24位）彩色图像中的第一个字节将是一个8位蓝色分量，第二个字节将是绿色，第三个字节将是红色。第四，第五和第六个字节将成为第二个像素（蓝色，然后是绿色，然后是红色），依此类推

cv::cvtColor()支持多种颜色空间之间的转换，其支持的转换类型和转换码如下：

1、RGB和BGR（opencv默认的彩色图像的颜色空间是BGR）颜色空间的转换

cv::COLOR_BGR2RGB cv::COLOR_RGB2BGR cv::COLOR_RGBA2BGRA cv::COLOR_BGRA2RGBA

2、向RGB和BGR图像中增添alpha通道

cv::COLOR_RGB2RGBA cv::COLOR_BGR2BGRA

3、从RGB和BGR图像中去除alpha通道

cv::COLOR_RGBA2RGB cv::COLOR_BGRA2BGR

4、从RBG和BGR颜色空间转换到灰度空间

cv::COLOR_RGB2GRAY cv::COLOR_BGR2GRAY

cv::COLOR_RGBA2GRAY

cv::COLOR_BGRA2GRAY

5、从灰度空间转换到RGB和BGR颜色空间

cv::COLOR_GRAY2RGB cv::COLOR_GRAY2BGR

cv::COLOR_GRAY2RGBA cv::COLOR_GRAY2BGRA

6、RGB和BGR颜色空间与BGR565颜色空间之间的转换

cv::COLOR_RGB2BGR565 cv::COLOR_BGR2BGR565 cv::COLOR_BGR5652RGB cv::COLOR_BGR5652BGR cv::COLOR_RGBA2BGR565 cv::COLOR_BGRA2BGR565 cv::COLOR_BGR5652RGBA cv::COLOR_BGR5652BGRA

7、灰度空间域BGR565之间的转换

cv::COLOR_GRAY2BGR555 cv::COLOR_BGR5552GRAY

8、RGB和BGR颜色空间与CIE XYZ之间的转换

cv::COLOR_RGB2XYZ cv::COLOR_BGR2XYZ cv::COLOR_XYZ2RGB cv::COLOR_XYZ2BGR

9、RGB和BGR颜色空间与uma色度（YCrCb空间）之间的转换

cv::COLOR_RGB2YCrCb cv::COLOR_BGR2YCrCb cv::COLOR_YCrCb2RGB cv::COLOR_YCrCb2BGR

10、RGB和BGR颜色空间与HSV颜色空间之间的相互转换

cv::COLOR_RGB2HSV

cv::COLOR_BGR2HSV

cv::COLOR_HSV2RGB

cv::COLOR_HSV2BGR

11、RGB和BGR颜色空间与HLS颜色空间之间的相互转换

cv::COLOR_RGB2HLS cv::COLOR_BGR2HLS cv::COLOR_HLS2RGB cv::COLOR_HLS2BGR

12、RGB和BGR颜色空间与CIE Lab颜色空间之间的相互转换

cv::COLOR_RGB2Lab cv::COLOR_BGR2Lab cv::COLOR_Lab2RGB cv::COLOR_Lab2BGR

13、RGB和BGR颜色空间与CIE Luv颜色空间之间的相互转换

cv::COLOR_RGB2Luv cv::COLOR_BGR2Luv cv::COLOR_Luv2RGB cv::COLOR_Luv2BGR

14、Bayer格式（raw data）向RGB或BGR颜色空间的转换

cv::COLOR_BayerBG2RGB

cv::COLOR_BayerGB2RGB

cv::COLOR_BayerRG2RGB

cv::COLOR_BayerGR2RGB

cv::COLOR_BayerBG2BGR

cv::COLOR_BayerGB2BGR

cv::COLOR_BayerRG2BGR

cv::COLOR_BayerGR2BGR

cvtColor（

  • InputArray 输入图像：8位无符号，16位无符号（CV_16UC ...）或单精度浮点。，
  • OutputArray 输出与src相同大小和深度的图像。，
  • INT 颜色空间转换代码，
  • INT 目标图像中的通道数量; 如果参数为0，则通道的数量自动从src和代码中导出。 ）
import cv2
img = cv2.imread('canton.jpg',1)
dst = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imshow('dst',dst)
cv2.waitKey(0)
复制代码

（3）np.uint8（）

import cv2
import numpy as np
img = cv2.imread('canton.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*0.2+g*0.5+b*0.2
        dst[i,j] = np.uint8(gray)
cv2.imshow('dst',dst)
cv2.waitKey(0)
复制代码

结果：

二、颜色翻转

（1）灰色图片颜色翻转

import cv2
import numpy as np
img = cv2.imread('canton.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)
复制代码

结果：

（2）彩色图片颜色翻转

import cv2
import numpy as np
img = cv2.imread('canton.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)
复制代码

结果：

三、马赛克效果

import cv2
import numpy as np
img = cv2.imread('cantontower.jpg',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
for m in range(0,600):
    for n in range(300,600):
        # 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)
复制代码

结果：

四、毛玻璃效果

import cv2
import numpy as np
import random
img = cv2.imread('cantontower.jpg',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
dst = np.zeros((height,width,3),np.uint8)
mm = 8
for m in range(0,height-mm):
    for n in range(0,width-mm):
        index = int(random.random()*8)#0-8
        (b,g,r) = img[m+index,n+index]
        dst[m,n] = (b,g,r)
cv2.imshow('dst',dst)
cv2.waitKey(0)
复制代码

结果：

五、图片融合

（1）addWeighted（）

cv2.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]])

  • 参数
  • src1 图片1链接
  • alpha 是src1透明度
  • src2 图片2链接
  • beta 是src2透明度
  • gamma 一个加到权重总和上的标量值，dst = src1 * alpha + src2 * beta + gamma;
  • dtype 输出阵列的可选深度，有默认值-1。;当两个输入数组具有相同的深度时，这个参数设置为-1（默认值），即等同于src1.depth（）
import cv2
import numpy as np
img0 = cv2.imread('cantontower.jpg',1)
img1 = cv2.imread('qilou.jpg',1)
imgInfo = img0.shape
height = imgInfo[0]
width = imgInfo[1]

roiH = int(height/2)
roiW = int(width/2)
img0ROI = img0[0:roiH,0:roiW]
img1ROI = img1[0:roiH,0:roiW]

dst = np.zeros((roiH,roiW,3),np.uint8)
dst = cv2.addWeighted(img0ROI,0.5,img1ROI,0.5,0)
# dst = src1 * alpha + src2 * beta + gamma;

cv2.imshow('dst',dst)
cv2.waitKey(0)
复制代码

结果：

六、边缘检测

（1）GaussianBlur（）

GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, int borderType=BORDER_DEFAULT)

参数

  • src，输入图像，即源图像，填Mat类的对象即可。它可以是单独的任意通道数的图片，但需要注意，图片深度应该为CV_8U,CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
  • dst，即目标图像，需要和源图片有一样的尺寸和类型。比如可以用Mat::Clone，以源图片为模板，来初始化得到如假包换的目标图。
  • ksize，高斯内核的大小。其中ksize.width和ksize.height可以不同，但他们都必须为正数和奇数（并不能理解）。或者，它们可以是零的，它们都是由sigma计算而来。
  • sigmaX，表示高斯核函数在X方向的的标准偏差。
  • sigmaY，表示高斯核函数在Y方向的的标准偏差。若sigmaY为零，就将它设为sigmaX，如果sigmaX和sigmaY都是0，那么就由ksize.width和ksize.height计算出来。为了结果的正确性着想，最好是把第三个参数Size，第四个参数sigmaX和第五个参数sigmaY全部指定到。
  • borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_DEFAULT。

（2）Canny（）

Canny(InputArray image,OutputArray edges,double threshold1,double threshold2,int apertureSize = 3,bool L2gradient = false )

参数

  • image 输入8位图像.
  • edges 输出边缘图; 单通道8位图像，其大小与图像相同。
  • threshold1 滞后程序的第一阈值。
  • threshold2 滞后程序的第二阈值。
  • apertureSize Sobel算子的光圈大小。
  • L2gradient 一个标志，表明是否有更准确的 L2 norm =(dI/dx)2+(dI/dy)2，还是默认的 L1 norm =|dI/dx|+|dI/dy| 就行 ( L2gradient=false )
import cv2
import numpy as np
import random
img = cv2.imread('cantontower.jpg',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
cv2.imshow('src',img)

gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
imgG = cv2.GaussianBlur(gray,(3,3),0)
dst = cv2.Canny(img,50,50)
cv2.imshow('dst',dst)
cv2.waitKey(0)
复制代码

结果：

（3）边缘检测原理

边缘是图像中灰度发生急剧变化的区域边界。图像灰度的变化情况可以用图像灰度分布的梯度来表示，数字图像中求导是利用差分近似微分来进行的，实际上常用空域微分算子通过卷积来完成

Sobel算子是高斯平滑与微分操作的结合体。所以其抗噪能力非常强，用途较多。一般的sobel算子包含x与y两个方向，算子模板为：

在opencv函数中，还能够设置卷积核(ksize)的大小，假设ksize=-1,就演变为3*3的Scharr算子，模板无非变了个数字：

import cv2
import numpy as np
import random
import math
img = cv2.imread('cantontower.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]*1+gray[i+2,j]*1-gray[i,j+1]*2+gray[i+2,j+1]*2-gray[i,j+2]*1+gray[i+2,j+2]*1
        grad = math.sqrt(gx*gx+gy*gy)
        if grad>50:
            dst[i,j] = 255
        else:
            dst[i,j] = 0
cv2.imshow('dst',dst)
cv2.waitKey(0)
复制代码

七、浮雕功能

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)
# newP = gray0-gray1+150
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)
复制代码

结果：

七、颜色风格

import cv2
import numpy as np
img = cv2.imread('cantontower.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
        r = r
        if b>255:
            b = 255
        if g>255:
            g = 255
        if r>255:
            r = 255
        dst[i,j]=(b,g,r)
cv2.imshow('dst',dst)
cv2.waitKey(0)
复制代码

结果：

八、油画特效

import cv2
import numpy as np
img = cv2.imread('image00.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)
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):
            for n in range(-4,4):
                p1 = int(gray[i+m,j+n]/32)
                array1[p1] = array1[p1]+1
        currentMax = array1[0]
        l = 0
        for k in range(0,8):
            if currentMax<array1[k]:
                currentMax = array1[k]
                l = k
        for m in range(-4,4):
            for n in range(-4,4):
                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)
复制代码

结果：

weixin_34399060
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像扭曲特效
05-05
Unity3d特效 插件 图像扭曲特效资源包 Refract 2D unity3d 亲测可用，试试看~
图像特效
123
07-18 126
1.灰度处理 2.边缘检测 其原理为：计算像素点的图片卷积，然后将将卷积值与阈值进行比较，若大于阈值则令其颜色值为255，若小于其阈值，则令其颜色值为0. 1）API方式： 2）源码 ： 3.颜色映射 原理： 将b,g,r按照倍数进行缩放。 ...
计算机视觉教程2-6：八大图像特效算法制作你的专属滤镜(附Python代码)
最新发布
m0_61068009的博客
05-02 695
图像特效处理是基于图像像素数据特征，将原图像进行一定步骤的计算——例如像素作差、灰度变换、颜色通道融合等，从而达到期望的效果。图像特效处理是日常生活中应用非常广泛的一种计算机视觉应用，出现在各种美图软件中，这些精美滤镜背后的数学原理都是相通的，本文主要介绍八大基本图像特效算法，在这些算法基础上可以进行二次开发，生成更高级的滤镜。本文采用面向对象设计，定义了一个图像处理类ImgProcess，使图像特效算法的应用更简洁，例如import cv2Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。
图像的特效
Pierce_KK的博客
10-08 337
1. 灰度处理 方法1：img0 = cv2.imread('image0.jpg', 0) 方法2：cvtColor方法 img0 = cv2.imread('image0.jpg', 1) dst = cv2.cvtColor（img, cv2.COLOR_BGR2GRAY） #颜色空间转换  1 data  2颜色转换的方式  方法3: 对R,G,B的颜色取平均值 impor...
图像特效之怀旧风格
mmdev
07-02 152
图像的算法其实比较简单， 暂且不去追究这公式怎么来的，拿了用就行了 r= (BYTE)max(0, min(255, 0.393*r + 0.769*g + 0.189*b)); g= (BYTE)max(0, min(255, 0.349*r + 0.686*g + 0.168*b)); b= (BYTE)max(0, min(255, 0.272*r + 0.534*g + 0.13...
简单的图像特效（上）
weixin_42863990的博客
01-12 293
文章目录简单介绍正文灰度变换马赛克浮雕油画全局均衡化EMMM 简单介绍 博主是某工大的学生，最近在做各科的课设，然后其中一个是C++图像处理的课程设计。做这种东西没啥技术含量，但是加上写报告又得浪费个一两天的时间。 为了节约各位大佬们的时间（为了打发无聊），我在这里简单总结一下之前查到的各种简单的图像处理特效实现方法，尽量帮到想要想要学习图像处理特效的大家。 在评论里我会贴上一个完整的实现链接。帮...
计算机视觉学习：采用opencv3图像处理库做的一些项目，有检测人脸位置、人脸特效、头顶加LOGO等.zip
10-17
计算机视觉学习：采用opencv3图像处理库做的一些项目，有检测人脸位置、人脸特效、头顶加LOGO等 计算机视觉学习：采用opencv3图像处理库做的一些项目，有检测人脸位置、人脸特效、头顶加LOGO等 计算机视觉学习：采用...
python计算机视觉编程 pdf
11-25
本文主要讲解了 Python 计算机视觉编程中图像特效处理的原理和实现。文章首先介绍了如何读取图像信息，然后讲解了毛玻璃特效和浮雕特效的原理和实现。 1. 读取图像信息 读取图像信息是计算机视觉编程的基础步骤。...
图像过渡特效
03-03
2. **技术实现**：图像过渡特效的实现通常涉及到计算机图形学和图像处理技术。例如，使用OpenGL、DirectX等图形库可以实现硬件加速的过渡效果；在软件层面，如Adobe After Effects、Final Cut Pro等专业视频编辑软件...
MFC——图像特效
御承扬的博客
11-10 953
在图像处理软件中，经常会拥到一些图像特效，用于加强图像的应用效果。常见的特效有锐化、柔化、反色、灰度、浮雕效果；图像翻转、缩放、剪切、百叶窗和3D灰度等，本博文将通过MFC进行实例化。
图像特效之灯光特效
大熊
09-30 900
图像特效之灯光特效 关键代码： int Lighting(IMAGE_TYPE *BMP24_img,int power) { DWORD width,height,i,j,bfsize; WORD biBitCount; T_U8 *dst,*bmp,*img_data; int R,G,B,radius,brightness,CenteralX,CenteralY; int
在视频中实现图像特效
fanxiushu的专栏
06-24 1239
by fanxiushu 2020-06-24 转载或引用请注明原始作者。 说起图像特效，可以打开Photoshop软件，里边有个”滤镜“菜单，再到”滤镜“里边，可以看到的是各种形形色色的效果， 比如各种扭曲效果啊，模糊效果啊，油画效果啊等等。Photoshop处理的是单张图片，不是视频 （视频可以简单理解成连续不断更迭的多张图片），而这些特效算法也较复杂，耗时也长 。...
Python程序的5种图像处理特效
u012181546的博客
11-18 1403
Python 实现代码主要是通过双层循环遍历图像的各像素点，寻找图像的中心点，再通过计算当前点到光照中心的距离（平面坐标系中两点之间的距离），判断该距离与图像中心圆半径的大小关系，中心圆范围内的图像灰度值增强，范围外的图像灰度值保留，并结合边界范围判断生成最终的光照效果。图像的素描特效有很多种方法，本文仅提供了一种方法，主要提取的是图像的边缘轮廓，还有很多更精细的素描特效方法，提取的轮廓更为清晰，如下图所示。如下图所示，该图像的中心点为（192，192），光照特效之后中心圆范围内的像素增强了 200。
图像滤镜艺术---水彩画滤镜
Trent1985的专栏
09-12 5987
本文详细介绍了一款水彩画滤镜特效的算法实现，并提供了一个完整的DEMO分享给大家，希望大家喜欢！
C++实例（十三）图像特效
yang_jianfeng的博客
02-09 792
一、图像滤镜 图像锐化 图像柔化 图像反色 图像灰度 图像雾化 二、图像绘制 在对话框中绘制图像 绘制对话框背景 在视图中绘制图像 指定区域绘制图像 图像纹理填充矩形 三、图像色彩转换 显示3D灰色图像 改变图像饱和度 改变图像对比度 四、图像边缘提取 水墨边缘 提取图片中的对象 图像浮雕效果 五、字体特效 空心字 渐变颜色的空心字 贴图字 获取路径点信息 显示Word艺术字 旋转的文字 可任意旋转的文字 ...
Python 实现二叉树前序，中序，后序，零基础也能看得懂
m0_67621628的博客
03-17 606
self.element = element self.l_child = l_child self.r_child = r_child class Tree(object): “”“树类”"" def init(self): self.root = Node() self.queue = [] def add_node(self, element): “”“为树添加节点”"" node = Node(element) 如果树是空的，则对根节点赋值 if self.root.element == -1: s
图片特效的网站
weixin_34072458的博客
08-30 112
一个图片特效的网站 2008-07-02 13:02:39 　标签：图片 网站 特效 一个　　　 [推送到技术圈] 版权声明：原创作品，如需转载，请与作者联系。否则将追究法律责任。 一个不错的图片特效网站，源代码下载下来就可以用。[url]http://www.7stk.com/tuxiang/tuxiang.htm[/url...
opencv中的颜色通道BGR与常规颜色通道RGB的差异
分享编程，算法知识；记录学习成长历程。
07-15 2587
opencv中颜色和matplotlib中颜色通道对比

“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
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
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