該系列文章是講解Python OpenCV圖像處理知識(shí)，前期主要講解圖像入門(mén)、OpenCV基礎(chǔ)用法，中期講解圖像處理的各種算法，包括圖像銳化算子、圖像增強(qiáng)技術(shù)、圖像分割等，后期結(jié)合深度學(xué)習(xí)研究圖像識(shí)別、圖像分類(lèi)應(yīng)用。希望文章對(duì)您有所幫助，如果有不足之處，還請(qǐng)海涵~
前文參考：
[Python圖像處理] 一.圖像處理基礎(chǔ)知識(shí)及OpenCV入門(mén)函數(shù)
[Python圖像處理] 二.OpenCV+Numpy庫(kù)讀取與修改像素
[Python圖像處理] 三.獲取圖像屬性、興趣ROI區(qū)域及通道處理
[Python圖像處理] 四.圖像平滑之均值濾波、方框?yàn)V波、高斯濾波及中值濾波
[Python圖像處理] 五.圖像融合、加法運(yùn)算及圖像類(lèi)型轉(zhuǎn)換
[Python圖像處理] 六.圖像縮放、圖像旋轉(zhuǎn)、圖像翻轉(zhuǎn)與圖像平移
[Python圖像處理] 七.圖像閾值化處理及算法對(duì)比
[Python圖像處理] 八.圖像腐蝕與圖像膨脹
[Python圖像處理] 九.形態(tài)學(xué)之圖像開(kāi)運(yùn)算、閉運(yùn)算、梯度運(yùn)算
[Python圖像處理] 十.形態(tài)學(xué)之圖像頂帽運(yùn)算和黑帽運(yùn)算
[Python圖像處理] 十一.灰度直方圖概念及OpenCV繪制直方圖
[Python圖像處理] 十二.圖像幾何變換之圖像仿射變換、圖像透視變換和圖像校正
[Python圖像處理] 十三.基于灰度三維圖的圖像頂帽運(yùn)算和黑帽運(yùn)算
[Python圖像處理] 十四.基于OpenCV和像素處理的圖像灰度化處理
[Python圖像處理] 十五.圖像的灰度線(xiàn)性變換
[Python圖像處理] 十六.圖像的灰度非線(xiàn)性變換之對(duì)數(shù)變換、伽馬變換
[Python圖像處理] 十七.圖像銳化與邊緣檢測(cè)之Roberts算子、Prewitt算子、Sobel算子和Laplacian算子
[Python圖像處理] 十八.圖像銳化與邊緣檢測(cè)之Scharr算子、Canny算子和LOG算子
[Python圖像處理] 十九.圖像分割之基于K-Means聚類(lèi)的區(qū)域分割
[Python圖像處理] 二十.圖像量化處理和采樣處理及局部馬賽克特效
[Python圖像處理] 二十一.圖像金字塔之圖像向下取樣和向上取樣
[Python圖像處理] 二十二.Python圖像傅里葉變換原理及實(shí)現(xiàn)
[Python圖像處理] 二十三.傅里葉變換之高通濾波和低通濾波
[Python圖像處理] 二十四.圖像特效處理之毛玻璃、浮雕和油漆特效
前面一篇文章我講解了常見(jiàn)的圖像特效處理——毛玻璃、浮雕和油漆特效，本篇文章繼續(xù)分享素描特效、懷舊特效、光照特效、流年特效以及濾鏡特效。代碼通過(guò)Python和OpenCV實(shí)現(xiàn)，基礎(chǔ)性文章，希望對(duì)你有所幫助。同時(shí)，該部分知識(shí)均為楊秀璋查閱資料撰寫(xiě)，轉(zhuǎn)載請(qǐng)署名CSDN+楊秀璋及原地址出處，謝謝！！
1.圖像素描特效
2.圖像懷舊特效
3.圖像光照特效
4.圖像流年特效
5.圖像濾鏡特效
6.本文小結(jié)
PS：文章參考自己以前系列圖像處理文章及OpenCV庫(kù)函數(shù)，同時(shí)參考如下文獻(xiàn)：
《數(shù)字圖像處理》（第3版），岡薩雷斯著，阮秋琦譯，電子工業(yè)出版社，2013年.
《數(shù)字圖像處理學(xué)》（第3版），阮秋琦，電子工業(yè)出版社，2008年，北京.
《OpenCV3編程入門(mén)》，毛星云，冷雪飛，電子工業(yè)出版社，2015，北京.
Eastmount - [Android] 通過(guò)Menu實(shí)現(xiàn)圖片懷舊、浮雕、模糊、光照和素描效果
使用python和opencv將圖片轉(zhuǎn)化為素描圖-python代碼解析
謝灰灰在找胡蘿蔔. IOS開(kāi)發(fā)－－使用lookup table為圖片添加濾鏡
百度百科. 濾鏡
一.圖像素描特效
圖像素描特效會(huì)將圖像的邊界都凸顯出來(lái)，通過(guò)邊緣檢測(cè)及閾值化處理能實(shí)現(xiàn)該功能。一幅圖像的內(nèi)部都具有相似性，而在圖像邊界處具有明顯的差異，邊緣檢測(cè)利用數(shù)學(xué)中的求導(dǎo)來(lái)擴(kuò)大這種變化。但是求導(dǎo)過(guò)程中會(huì)增大圖像的噪聲，所以邊緣檢測(cè)之前引入了高斯濾波降噪處理。本文的圖像素描特效主要經(jīng)過(guò)以下幾個(gè)步驟：
- 調(diào)用cv2.cvtColor()函數(shù)將彩色圖像灰度化處理；
- 通過(guò)cv2.GaussianBlur()函數(shù)實(shí)現(xiàn)高斯濾波降噪；
- 邊緣檢測(cè)采用Canny算子實(shí)現(xiàn)；
- 最后通過(guò)cv2.threshold()反二進(jìn)制閾值化處理實(shí)現(xiàn)素描特效。
其運(yùn)行代碼如下所示。
#coding:utf-8
import
cv2
import
numpy
as
np
#讀取原始圖像
img
=
cv2
.
imread
(
'scenery.png'
)
#圖像灰度處理
gray
=
cv2
.
cvtColor
(
img
,
cv2
.
COLOR_BGR2GRAY
)
#高斯濾波降噪
gaussian
=
cv2
.
GaussianBlur
(
gray
,
(
5
,
5
)
,
0
)
#Canny算子
canny
=
cv2
.
Canny
(
gaussian
,
50
,
150
)
#閾值化處理
ret
,
result
=
cv2
.
threshold
(
canny
,
100
,
255
,
cv2
.
THRESH_BINARY_INV
)
#顯示圖像
cv2
.
imshow
(
'src'
,
img
)
cv2
.
imshow
(
'result'
,
result
)
cv2
.
waitKey
(
)
cv2
.
destroyAllWindows
(
)
最終輸出結(jié)果如下圖所示，它將彩色圖像素描處理。原圖是作者去年九月份拍攝于喀納斯，真的很美~
![[Python圖像處理] 二十五.圖像特效處理之素描、懷舊、光照、流年以及濾鏡特效_第1張圖片](https://img.it610.com/image/info8/e9ced295022f4330ac7ee475b85e9435.jpg)
圖像的素描特效有很多種方法，本文僅提供了一種方法，主要提取的是圖像的邊緣輪廓，還有很多更精細(xì)的素描特效方法，提取的輪廓更為清晰，如下圖所示。希望讀者能自行擴(kuò)展相關(guān)算法知識(shí)，并實(shí)現(xiàn)對(duì)應(yīng)的效果。
![[Python圖像處理] 二十五.圖像特效處理之素描、懷舊、光照、流年以及濾鏡特效_第2張圖片](https://img.it610.com/image/info8/f6eb07dc985a444ebb6458ad72692b0b.jpg)
二.圖像懷舊特效
圖像懷舊特效是指圖像經(jīng)歷歲月的昏暗效果，如圖所示，左邊“src”為原始圖像，右邊“dst”為懷舊特效圖像。
![[Python圖像處理] 二十五.圖像特效處理之素描、懷舊、光照、流年以及濾鏡特效_第3張圖片](https://img.it610.com/image/info8/64f3c3288b8143718dd111e43bd754e0.jpg)
懷舊特效是將圖像的RGB三個(gè)分量分別按照一定比例進(jìn)行處理的結(jié)果，其懷舊公式如下所示：
Python實(shí)現(xiàn)代碼主要通過(guò)雙層循環(huán)遍歷圖像的各像素點(diǎn)，再結(jié)合該公式計(jì)算各顏色通道的像素值，最終生成如圖所示的效果，其完整代碼如下。
#coding:utf-8
import
cv2
import
numpy
as
np
#讀取原始圖像
img
=
cv2
.
imread
(
'nana.png'
)
#獲取圖像行和列
rows
,
cols
=
img
.
shape
[
:
2
]
#新建目標(biāo)圖像
dst
=
np
.
zeros
(
(
rows
,
cols
,
3
)
,
dtype
=
"uint8"
)
#圖像懷舊特效
for
i
in
range
(
rows
)
:
for
j
in
range
(
cols
)
:
B
=
0.272
*
img
[
i
,
j
]
[
2
]
+
0.534
*
img
[
i
,
j
]
[
1
]
+
0.131
*
img
[
i
,
j
]
[
0
]
G
=
0.349
*
img
[
i
,
j
]
[
2
]
+
0.686
*
img
[
i
,
j
]
[
1
]
+
0.168
*
img
[
i
,
j
]
[
0
]
R
=
0.393
*
img
[
i
,
j
]
[
2
]
+
0.769
*
img
[
i
,
j
]
[
1
]
+
0.189
*
img
[
i
,
j
]
[
0
]
if
B
>
255
:
B
=
255
if
G
>
255
:
G
=
255
if
R
>
255
:
R
=
255
dst
[
i
,
j
]
=
np
.
uint8
(
(
B
,
G
,
R
)
)
#顯示圖像
cv2
.
imshow
(
'src'
,
img
)
cv2
.
imshow
(
'dst'
,
dst
)
cv2
.
waitKey
(
)
cv2
.
destroyAllWindows
(
)
三.圖像光照特效
圖像光照特效是指圖像存在一個(gè)類(lèi)似于燈光的光暈特效，圖像像素值圍繞光照中心點(diǎn)呈圓形范圍內(nèi)的增強(qiáng)。如下圖所示，該圖像的中心點(diǎn)為（192，192），光照特效之后中心圓范圍內(nèi)的像素增強(qiáng)了200。
![[Python圖像處理] 二十五.圖像特效處理之素描、懷舊、光照、流年以及濾鏡特效_第4張圖片](https://img.it610.com/image/info8/104f42b93eb643fba8c342e74de630eb.jpg)
Python實(shí)現(xiàn)代碼主要是通過(guò)雙層循環(huán)遍歷圖像的各像素點(diǎn)，尋找圖像的中心點(diǎn)，再通過(guò)計(jì)算當(dāng)前點(diǎn)到光照中心的距離（平面坐標(biāo)系中兩點(diǎn)之間的距離），判斷該距離與圖像中心圓半徑的大小關(guān)系，中心圓范圍內(nèi)的圖像灰度值增強(qiáng)，范圍外的圖像灰度值保留，并結(jié)合邊界范圍判斷生成最終的光照效果。
#coding:utf-8
import
cv2
import
math
import
numpy
as
np
#讀取原始圖像
img
=
cv2
.
imread
(
'scenery.png'
)
#獲取圖像行和列
rows
,
cols
=
img
.
shape
[
:
2
]
#設(shè)置中心點(diǎn)
centerX
=
rows
/
2
centerY
=
cols
/
2
print
centerX
,
centerY
radius
=
min
(
centerX
,
centerY
)
print
radius
#設(shè)置光照強(qiáng)度
strength
=
200
#新建目標(biāo)圖像
dst
=
np
.
zeros
(
(
rows
,
cols
,
3
)
,
dtype
=
"uint8"
)
#圖像光照特效
for
i
in
range
(
rows
)
:
for
j
in
range
(
cols
)
:
#計(jì)算當(dāng)前點(diǎn)到光照中心距離(平面坐標(biāo)系中兩點(diǎn)之間的距離)
distance
=
math
.
pow
(
(
centerY
-
j
)
,
2
)
+
math
.
pow
(
(
centerX
-
i
)
,
2
)
#獲取原始圖像
B
=
img
[
i
,
j
]
[
0
]
G
=
img
[
i
,
j
]
[
1
]
R
=
img
[
i
,
j
]
[
2
]
if
(
distance
<
radius
*
radius
)
:
#按照距離大小計(jì)算增強(qiáng)的光照值
result
=
(
int
)
(
strength
*
(
1.0
-
math
.
sqrt
(
distance
)
/
radius
)
)
B
=
img
[
i
,
j
]
[
0
]
+
result
G
=
img
[
i
,
j
]
[
1
]
+
result
R
=
img
[
i
,
j
]
[
2
]
+
result
#判斷邊界 防止越界
B
=
min
(
255
,
max
(
0
,
B
)
)
G
=
min
(
255
,
max
(
0
,
G
)
)
R
=
min
(
255
,
max
(
0
,
R
)
)
dst
[
i
,
j
]
=
np
.
uint8
(
(
B
,
G
,
R
)
)
else
:
dst
[
i
,
j
]
=
np
.
uint8
(
(
B
,
G
,
R
)
)
#顯示圖像
cv2
.
imshow
(
'src'
,
img
)
cv2
.
imshow
(
'dst'
,
dst
)
cv2
.
waitKey
(
)
cv2
.
destroyAllWindows
(
)
四.圖像流年特效
流年是用來(lái)形容如水般流逝的光陰或年華，圖像處理中特指將原圖像轉(zhuǎn)換為具有時(shí)代感或歲月沉淀的特效，其效果如圖所示。
![[Python圖像處理] 二十五.圖像特效處理之素描、懷舊、光照、流年以及濾鏡特效_第5張圖片](https://img.it610.com/image/info8/fc59bd56b2fa44498b1aa588f536c14f.jpg)
Python實(shí)現(xiàn)代碼如下，它將原始圖像的藍(lán)色（B）通道的像素值開(kāi)根號(hào)，再乘以一個(gè)權(quán)重參數(shù)，產(chǎn)生最終的流年效果。
#coding:utf-8
import
cv2
import
math
import
numpy
as
np
#讀取原始圖像
img
=
cv2
.
imread
(
'scenery.png'
)
#獲取圖像行和列
rows
,
cols
=
img
.
shape
[
:
2
]
#新建目標(biāo)圖像
dst
=
np
.
zeros
(
(
rows
,
cols
,
3
)
,
dtype
=
"uint8"
)
#圖像流年特效
for
i
in
range
(
rows
)
:
for
j
in
range
(
cols
)
:
#B通道的數(shù)值開(kāi)平方乘以參數(shù)12
B
=
math
.
sqrt
(
img
[
i
,
j
]
[
0
]
)
*
12
G
=
img
[
i
,
j
]
[
1
]
R
=
img
[
i
,
j
]
[
2
]
if
B
>
255
:
B
=
255
dst
[
i
,
j
]
=
np
.
uint8
(
(
B
,
G
,
R
)
)
#顯示圖像
cv2
.
imshow
(
'src'
,
img
)
cv2
.
imshow
(
'dst'
,
dst
)
cv2
.
waitKey
(
)
cv2
.
destroyAllWindows
(
)
五.圖像濾鏡特效
濾鏡主要是用來(lái)實(shí)現(xiàn)圖像的各種特殊效果，它在Photoshop中具有非常神奇的作用。濾鏡通常需要同通道、圖層等聯(lián)合使用，才能取得最佳藝術(shù)效果。本小節(jié)將講述一種基于顏色查找表（Look up Table）的濾鏡處理方法，它通過(guò)將每一個(gè)原始顏色進(jìn)行轉(zhuǎn)換之后得到新的顏色。比如，原始圖像的某像素點(diǎn)為紅色（R-255, G-0, B-0），進(jìn)行轉(zhuǎn)換之后變?yōu)榫G色（R-0, G-255, B-0），之后所有是紅色的地方都會(huì)被自動(dòng)轉(zhuǎn)換為綠色，而顏色查找表就是將所有的顏色進(jìn)行一次（矩陣）轉(zhuǎn)換，很多的濾鏡功能就是提供了這么一個(gè)轉(zhuǎn)換的矩陣，在原始色彩的基礎(chǔ)上進(jìn)行顏色的轉(zhuǎn)換。
假設(shè)現(xiàn)在存在一張新的濾鏡顏色查找表，如圖所示，它是一張512×512大小，包含各像素顏色分布的圖像。下面這張圖片另存為本地，即可直接用于圖像濾鏡處理。
![[Python圖像處理] 二十五.圖像特效處理之素描、懷舊、光照、流年以及濾鏡特效_第6張圖片](https://img.it610.com/image/info8/cc8beb53068349c2860b7de931b14826.jpg)
濾鏡特效實(shí)現(xiàn)的Python代碼如下所示，它通過(guò)自定義getBRG()函數(shù)獲取顏色查找表中映射的濾鏡顏色，再依次循環(huán)替換各顏色。
#coding:utf-8
import
cv2
import
numpy
as
np
#獲取濾鏡顏色
def
getBGR
(
img
,
table
,
i
,
j
)
:
#獲取圖像顏色
b
,
g
,
r
=
img
[
i
]
[
j
]
#計(jì)算標(biāo)準(zhǔn)顏色表中顏色的位置坐標(biāo)
x
=
int
(
g
/
4
+
int
(
b
/
32
)
*
64
)
y
=
int
(
r
/
4
+
int
(
(
b
%
32
)
/
4
)
*
64
)
#返回濾鏡顏色表中對(duì)應(yīng)的顏色
return
lj_map
[
x
]
[
y
]
#讀取原始圖像
img
=
cv2
.
imread
(
'scenery.png'
)
lj_map
=
cv2
.
imread
(
'table.png'
)
#獲取圖像行和列
rows
,
cols
=
img
.
shape
[
:
2
]
#新建目標(biāo)圖像
dst
=
np
.
zeros
(
(
rows
,
cols
,
3
)
,
dtype
=
"uint8"
)
#循環(huán)設(shè)置濾鏡顏色
for
i
in
range
(
rows
)
:
for
j
in
range
(
cols
)
:
dst
[
i
]
[
j
]
=
getBGR
(
img
,
lj_map
,
i
,
j
)
#顯示圖像
cv2
.
imshow
(
'src'
,
img
)
cv2
.
imshow
(
'dst'
,
dst
)
cv2
.
waitKey
(
)
cv2
.
destroyAllWindows
(
)
濾鏡特效的運(yùn)行結(jié)果如圖所示，其中左邊“src”為原始風(fēng)景圖像，右邊“dst”為濾鏡處理后的圖像，其顏色變得更為鮮艷，對(duì)比度更強(qiáng)。
![[Python圖像處理] 二十五.圖像特效處理之素描、懷舊、光照、流年以及濾鏡特效_第7張圖片](https://img.it610.com/image/info8/0d644baed1a74e8684760ffdc8608c28.jpg)
六.本文小結(jié)
本篇文章主要講解了圖像常見(jiàn)的特效處理，從處理效果圖、算法原理、代碼實(shí)現(xiàn)三個(gè)步驟進(jìn)行詳細(xì)講解，涉及圖像素描特效、懷舊特效、光照特效、流年特效、圖像濾鏡等，這些知識(shí)點(diǎn)將為讀者從事Python圖像處理相關(guān)項(xiàng)目實(shí)踐或科學(xué)研究提供一定基礎(chǔ)。
八年，從100萬(wàn)名擠進(jìn)2萬(wàn)名，再到如今的top300，挺開(kāi)心的。喜歡的不是那個(gè)數(shù)字，而是數(shù)字背后近三千天得奮斗史，以及分享知識(shí)和幫人解惑所帶來(lái)的快樂(lè)，最近總結(jié)了安全系列，且看且珍惜，繼續(xù)敲代碼嘍~
![[Python圖像處理] 二十五.圖像特效處理之素描、懷舊、光照、流年以及濾鏡特效_第8張圖片](https://img.it610.com/image/info8/8d45d2f8c50a42f696216ec4310961be.jpg)
（By：Eastmount 2019-08-14 下午3點(diǎn)寫(xiě)于鐘書(shū)閣 https://blog.csdn.net/Eastmount )
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號(hào)聯(lián)系： 360901061
您的支持是博主寫(xiě)作最大的動(dòng)力，如果您喜歡我的文章，感覺(jué)我的文章對(duì)您有幫助，請(qǐng)用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點(diǎn)擊下面給點(diǎn)支持吧，站長(zhǎng)非常感激您！手機(jī)微信長(zhǎng)按不能支付解決辦法：請(qǐng)將微信支付二維碼保存到相冊(cè)，切換到微信，然后點(diǎn)擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對(duì)您有幫助就好】元
