计算机视觉—图像特效（3）

最新推荐文章于 2022-11-18 11:15:26 发布
最新推荐文章于 2022-11-18 11:15:26 发布
阅读量344 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
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)
FRIGIDWINTER的博客
03-07 1万+
美图软件中的那些滤镜效果是如何实现的？本文从原理到Python实战详解八大图像特效算法，为你的图片加一层属于自己的滤镜吧！
[Python图像处理] 二十五.图像特效处理之素描、怀旧、光照、流年以及滤镜特效
杨秀璋的专栏
08-14 1万+
该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。本篇文章继续分享素描特效、怀旧特效、光照特效、流年特效以及滤镜特效。代码通过Python和OpenCV实现，基础性文章，希望对你有所帮助。
06 RGB和BGR颜色空间
慢慢来，才会快
05-11 1986
最常见的色彩空间就是RGB，人眼也是基于RGB的色彩空间去分辨颜色的。 OpenCV默认使用的是BGR。BGR和RGB色彩空间的区别在于图片在色彩通道上的排列顺序不同。 在这点上numpy与opencv不同 使用matplotlib显示plt.imshow(img)也与opencv的imshow不同 ...
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 2611
opencv中颜色和matplotlib中颜色通道对比
图像的特效
Pierce_KK的博客
10-08 339
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...
Python程序的5种图像处理特效
u012181546的博客
11-18 1408
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。
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
最新发布
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...
Vc.zip_vc 特效_图像特效_特效
09-21
OpenCV（Open Source Computer Vision Library）是一个广泛使用的开源计算机视觉库，它提供了大量的图像处理和计算机视觉功能，包括各种特效算法。例如，可以使用OpenCV的滤波器（如高斯模糊、中值滤波）实现图像...
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...
unity 彩带粒子_Unity粒子系统插件，打造酷炫魔幻特效
weixin_39972264的博客
12-19 1159
原标题：Unity粒子系统插件，打造酷炫魔幻特效儿时的你是否也会幻想自己拥有超能力，能召唤各种水光火电或是操纵世间万物？现在的我们已经不需要幻想了，因为游戏就能满足所有的这些或天真或童趣的想法。而作为开发者的大家，通常就是这种梦境的创造者。趁着六一儿童节，我们来帮助大家让这些梦想成为现实吧。今天为大家介绍Asset Store资源商店中几款Unity粒子系统插件，可以用于实现魔幻而逼真的超现实特效...
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~
Python 计算机视觉（十五）—— 图像特效处理
qq_52309640的博客
11-19 5万+
本篇文章总结了图像特效处理中的毛玻璃、浮雕、素描等一些操作的原理和简单实现。
python窗口显示图片imread() imshow()_Opencv第一个程序：显示图片
weixin_39619478的博客
11-30 1181
Opencv第一个程序：显示图片
opencv_python使用cv2.imread()读取中文路径报错问题
热门推荐
长沙周杰伦的博客
12-02 7万+
opencv_python使用cv2.imread()读取中文路径报错：window.cpp:325: error: (-215) size.width>0 && size.height>0 in function cv::imshow,解决办法为......
opencv-python图形图像处理入门基础知识
老猿Python
09-16 9103
本文详细介绍了opencv-python的安装、加载图像文件、捕获摄像头、显示图像、鼠标事件捕获、键盘事件处理、几何图像绘制、颜色空间转换、图像阈值处理、图像修复等基础知识，适合开始学习opencv-python的初学者。
python+opencv操作图像视频
szfhy的博客
04-06 1万+
直接上code吧，算是学习笔记。 #!/usr/bin/env python import numpy as np import cv2 #imread第二个参数为0,强制将图像转换为灰度图像，如果为1，强制转换为彩色图像，-1应该是根据图像自身的信息决定 #img = cv2.imread("src.png", 0) img = cv2.imread("src.png", 1) cv2.im
opencv: cv2.imread()读取中文路径报错的问题及使用cv2.resize
邦戈邦戈栗子的博客
08-26 1041
使用python中cv2读取带中文路径的图片失败，解决办法如下： 附带resize使用 Python: cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]]) (1) src:原图片 (2)dsize:缩放图片尺寸,如果dsize=0，默认计算方式如下dsize=Size(round(fx∗src.cols),round(fy∗s...
解决cv2.imread()中文路径加载图片报错问题
liuhao的博客
04-18 4253
错误： cv2.error: OpenCV(4.1.0) C:\projects\opencv-python\opencv\modules\highgui\src\window.cpp:352: error: (-215:Assertion failed) size.width>0 && size.height>0 in function ‘cv::imshow’ 一、...
Python计算机视觉基础：图像特效实战与代码解析
本资源是一份关于Python计算机视觉编程的PDF教程，作者通过分享一系列文章和论文，旨在帮助读者深入了解并掌握图像特效处理的基本原理和代码实现。主要内容包括： 1. 毛玻璃特效：此特效利用像素点的邻域随机取样...

“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