python提高图片清晰度_高清修复,让模糊图片变清晰

374e910bfbdce1826dba5a0f9b9a8088.png

在我们的生活和工作中,经常会接触和使用一些图片,比如,需要网上找一张照片、做图需要一些素材等等。但有时候找到的照片都是几十K很小的照片,高清的很难找到,或者根本就没有。

那么,如果没有高清图片,而又必须使用这张照片,有没有办法把模糊的图片做清晰呢?

当然是有办法的,通过PS绘画、合成、后期等技法,在做清晰的同时甚至能更进一步的创作,比如美化、上色等等。

我们以一张网页下载的小照片介绍:(下图)

d0feb432a3b7619a110b01f79f6bea76.png
模糊小照片放大修复对比

原图为浏览器搜索到的小照片,体积仅有13.5KB,分辨率199x273像素,放大就模糊,这个大小,打印1寸的照片都不够,对于输出使用基本没有价值。在通过修复处理后,照片放大清晰自然,已经可以满足大幅面照片打印的要求,甚至还给原本黑白的照片上了色,拓展我们使用的场景。

d17ef6dfab9dba518691ce2ca79d9133.png
原照片放大局部

可以看到,放大后颗粒粗糙、马赛克问题严重,模糊严重,如果继续放大,模糊更严重。修复的目的就需要去掉颗粒使整体画面干净,清晰刻画五官线条,增加细节纹理,提高整体清晰度。

7c669f500c88755c0b868b050529a79c.png
模糊照片修清晰放大局部

修复画面的照片清晰自然,衣服皮肤都有了细节,放大细节更丰富,不模糊,完全能满足打印大尺寸照片的要求,还可根据需要选择黑白或者彩色。

修复思路:

模糊的照片想要提高清晰度,目前主要两种方法,一种重新画;另一种就是使用素材合成,下面分别介绍。想简单的PS调整调整就清晰那是不可能的,就不用想了。

1.绘画:对有手绘能力的人来说,可以通过参考绘画,调整线条、明暗、过渡在感觉上提高清晰度。难度大,一般修片师很难驾驭;效果一般,真实程度、自然程度都低,不适合要求高的用途。这里的绘画不是指老照片修复中的普通修复,普通修复使用图章等工具修复的效果仅仅能保持原照片的清晰度,很难提高清晰度,不规范的普通修复甚至会把清晰的原照片修模糊了。

2.合成:使用清晰的照片作为素材,把衣服五官分区找清晰合适的素材替换,最终把替换的素材合并成一张高清的照片,达到清晰的目的,这种操作方式清晰度可控,清晰度受素材的影响,素材越清晰合成的效果越清晰。效果好,但难度也大,需要专业人员才能操作。

有些人认为合成也只是PS里不是太难的操作,会PS的基本都会合成,一样可以合成老照片,其实不然,PS设计的合成没有规则限制,甚至可以天马行空,好看、融合、表达主题就可以。而老照片修复中的合成必须限制在一个范围,不仅仅是合成融合,最主要是还要调整了和原照片相似,如果不相似,融合合成了也没用。通常我们不可能找到一模一样的素材来替换,把素材调整到和原照片相似,才是老照片修复合成中的难点。

上图案例就是使用素材合成的方法完成,因为过程复杂,技术点较多,文字很难描述,所以我们针对合成方法使用这个案例录制了视频教程,当然,我们也录制了老照片修复专业的系列教程,全套视频教程从入门、普通、精修、高清,循序渐进,系统编排,会PS的都能看懂,目前全套专业教程已在腾讯课堂上架,满足老照片修复专业学习的需求。

预告:

下一期:【教程】使用自动软件、每个人都可以做出专业级老照片修复效果。可关注41图片老照片修复公众号(www41tpcom)后续更新。

下面链接进入腾讯课堂:

王国君_腾讯课堂​lzpxf.ke.qq.com
578292558af946e991c88eebaa6614a3.png
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【课程简介】 本课程基于面向Python的OpenCV,以OpenCV的官方文档的知识脉络为主线,介绍了OpenCV函数的具体使用方法、函数所使用的算法的具体原理。 在介绍函数使用时,提供了大量的程序案例演示。 在介绍具体原理时,采用了通俗易懂的语言和贴近生活的示例来说明问题,尽量避免涉及过于复杂抽象的公式。 课程包含数字图像处理的常用知识点,覆盖面全,方便学员系统深入全面地掌握OpenCV。 【你将收获什么】 1.  掌握数字图像的在计算机内表示的方法和处理的基本原理。掌握数字图像的表示方法是进行图像处理的前提和基础,能够为后续的智能图像处理打下坚实基础。 2.  使用好OpenCV开源库对于提升工作效率具有很大的帮助。OpenCV是优秀的开源库,提供了大量的函数帮助我们提升工作效率。大多数情况下,我们直接调用函数就能够满足我们的需求。同时,它的函数具有较好的交互性,能够根据需要更好地掌控图像处理的具体细节。 3.  学习图像处理的常用算法。课程不仅介绍函数的具体使用,也介绍了常用算法的基本原理,帮助学习者更好地理解图像处理的基本逻辑、方法,快速入门图像处理领域。 【我将如何教你】 1)在“黑盒”和“白盒“之间取得平衡  可以将OpenCV看成“黑盒”,不用关心其函数是如何实现的。在需要实现某一个功能时,直接调用其对应的函数即可,像使用Photoshop的各种功能一样。也可以将OpenCV看成“白盒”,关注其每一个函数的具体实现,认真研究每一个函数的具体实现方法和实现细节。这两种方式都是学习图像处理的很好方式,但是大多数课程过于强调其中某一种,要么忽略了算法的实现、要么忽略了使用方法。本课程尽量将OpenCV在“黑盒”和“白盒”之间取得平衡。既介绍算法的原理和方法,又将重点放在如何调用函数上,让学习者能够更加游刃有余地在计算机视觉项目中使用OpenCV来解决具体的问题。 2)将枯燥的算法采用具体的案例介绍  在图像处理中,有大量的算法保证了图像处理的准确、高效。OpenCV将一些常用的算法进行了封装,我们可以直接调用OpenCV的函数来使用对应的算法。但是,深入地理解算法能够帮助学习者更好地使用OpenCV函数。本课程尝试抛弃传统的使用复杂公式介绍算法的形式,尽量通过简单、通俗易懂的生活中实例来帮助学习者理解算法的基本逻辑 3)案例驱动、强调实战 OpenCV是一个庞大的资源库,提供了非常多的函数帮助我们高效地处理问题。初学者使用OpenCV的最大困惑就是熟练地掌握了每一个函数的调用方法,但是在解决实际问题时,不知道具体应该使用哪个函数。本课程通过大量的具体案例帮助学习快速掌握每个函数的应用场景,快速掌握OpenCV的核心使用方法和技巧。
根据提供的引用内容,可以使用OpenCV库来计算图像的清晰度。你可以使用Laplacian算子来计算图像的梯度,梯度越大,说明像素化越大,物体之间的边缘也就越清晰。可以通过以下步骤来实现: 1. 使用OpenCV的imread函数读取图片,并将其转换成灰度图像。 2. 使用cv2.Laplacian函数计算图像的Laplacian算子。 3. 使用cv2.sumElems函数计算Laplacian算子后图像的总和,即清晰度分数。 4. 使用cv2.mean函数计算Laplacian算子后图像的均值,即平均清晰度。 下面是一个示例代码,可以帮助你实现上述步骤: ```python import cv2 def calculate_image_clarity(image_path): # 读取图片并转换成灰度图像 img = cv2.imread(image_path, 0) # 计算图像的Laplacian算子 laplacian = cv2.Laplacian(img, cv2.CV_8UC1, ksize=3) # 计算清晰度分数 score = cv2.sumElems(laplacian) # 计算平均清晰度 mean_value = cv2.mean(laplacian) return score[0], mean_value[0] # 调用函数计算图片清晰度 score_blur, mean_value_blur_laplacian = calculate_image_clarity("/Users/zoulei/files/personal/images/1.jpg") score_clear, mean_value_clear_laplacian = calculate_image_clarity("/Users/zoulei/files/personal/images/2.jpg") print("模糊图片清晰度分数: ", score_blur) print("模糊图片的平均清晰度: ", mean_value_blur_laplacian) print("清晰图片清晰度分数: ", score_clear) print("清晰图片的平均清晰度: ", mean_value_clear_laplacian) ```

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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