目录

0写在前面1毛玻璃特效2浮雕特效3油画特效4马赛克特效5素描特效6怀旧特效7流年特效8卡通特效

0 写在前面

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 cv2
import numpy as np

process = ImgProcess("1.jpg")
glassImg = process.glass()
cv2.imshow("glass", glassImg)
cv2.waitKey(delay = 0)

就可以生成毛玻璃特效处理过的图片。这个类的构造函数为

class ImgProcess:
    def __init__(self, img) -> None:
        self.src = cv2.imread(img)
        self.gray = cv2.cvtColor(self.src, cv2.COLOR_BGR2GRAY)
        self.h, self.w = self.src.shape[:2]

读取的是图像的基本信息。本文还是把冰冰作为模特~

那么下面，正式开始各种算法的介绍吧~

1 毛玻璃特效

毛玻璃特效，是利用图像邻域内随机一个像素点颜色代替当前像素，从而实现毛玻璃一般朦胧模糊的效果。

# 毛玻璃特效
def glass(self):
    glassImg = np.zeros((self.h, self.w, 3), np.uint8)
    for i in range(self.h - 6):
        for j in range(self.w - 6):
            index = int(np.random.random() * 6)
            glassImg[i, j] = self.src[i + index, j + index]
    return glassImg

2 浮雕特效

浮雕特效，是让要呈现的图像看起来“突起于石头表面”，根据凹凸程度不同形成三维的立体效果。数学原理是先刻画处图像的轮廓，再降低边缘周围的像素值，从而产生一张立体浮雕效果。

# 浮雕特效
def relief(self):
    reliefImg = np.zeros((self.h, self.w, 1), np.uint8)
    for i in range(self.h):
        for j in range(self.w - 1):
            edge = int(self.gray[i, j]) - int(self.gray[i, j + 1])    # 得到边缘
            val = edge + 120                                # 产生立体感
            if val > 255:
                val = 255
            if val < 0:
                val = 0
            reliefImg[i, j] = val
    return reliefImg

3 油画特效

油画特效，是让图像看上去像颜料所画，产生一种古典、褶皱的效果。几乎所有修图软件都支持油画特效，其数学原理是

定义一个卷积核用卷积核对图形进行扫描，对扫描框内像素的灰度进行量化对不同的等级的像素点数目进行计数找到扫描框中灰度等级最多的像素点，并对这些像素点的灰度值求均值用均值代替原像素值重复上述操作直至卷积核扫描完整幅图像

def oil(self):
    oilImg = np.zeros((self.h, self.w, 3), np.uint8)
    for i in range(2, self.h - 2):
        for j in range(2, self.w - 2):
            # 量化向量
            quant = np.zeros(8, np.uint8)
            # 4x4卷积核
            for k in range(-2, 2):
                for t in range(-2, 2):
                    level = int(self.gray[i + k, j + t] / 32)
                    # 量化计数
                    quant[level] = quant[level] + 1

            # 求最大量化值及其索引
            valMax = max(quant)
            valIndex = list(quant).index(valMax)

            # 像素平均
            for k in range(-2, 2):
                for t in range(-2, 2):
                    if self.gray[i + k, j + t] >= (valIndex * 32) \
                        and self.gray[i + k, j + t] <= ((valIndex + 1) * 32):
                        (b, g, r) = self.src[i + k, j + t]
            oilImg[i, j] = (b, g, r)
    return oilImg

4 马赛克特效

马赛克特效，是当前使用较为广泛的一种图像或视频处理手段，它将图像或视频中特定区域的色阶细节劣化并造成色块打乱的效果，主要目的通常是使特定区域无法辨认。其数学原理很简单，就是让某个集合内的像素相同即可。

# 马赛克特效
def mask(self):
    maskImg = np.zeros((self.h, self.w, 3), np.uint8)
    for i in range(self.h - 5): 
        for j in range(self.w - 5):
            if i%5==0 and j%5==0 :
                for k in range(5):
                    for t in range(5):
                        (b, g, r) = self.src[i, j]
                        maskImg[i + k, j + t] = (b, g, r)
    return maskImg

5 素描特效

素描特效，是使用单一色彩表现明度变化的绘画。数学原理是采用高斯模糊与灰度倒置的方式产生素描的空间造型。

# 素描特效
def sketch(self):
    temp = 255 - self.gray 
    gauss = cv2.GaussianBlur(temp, (21, 21), 0)
    inverGauss = 255 - gauss      
    return cv2.divide(self.gray, inverGauss, scale = 127.0)

6 怀旧特效

怀旧特效，是基于心理学公式对原图像三个色彩通道进行变换和低通滤波，产生怀旧的光影效果。

心理学公式(人眼对绿色更敏感)：

B= 0.272 * r + 0.534 * g + 0.131 * b

G = 0.349 * r + 0.686 * g + 0.168 * b

R = 0.393 * r + 0.769 * g + 0.189 * b

# 怀旧特效
def old(self):
    oldImg = np.zeros((self.h, self.w, 3), np.uint8)
    for i in range(self.h):
        for j in range(self.w):
            b = 0.272 * self.src[i, j][2] + 0.534 * self.src[i, j][1] + 0.131 * self.src[i, j][0]
            g = 0.349 * self.src[i, j][2] + 0.686 * self.src[i, j][1] + 0.168 * self.src[i, j][0]
            r = 0.393 * self.src[i, j][2] + 0.769 * self.src[i, j][1] + 0.189 * self.src[i, j][0]
            if b > 255:
                b = 255
            if g > 255:
                g = 255
            if r > 255:
                r = 255
            oldImg[i, j] = np.uint8((b, g, r))
    return oldImg

7 流年特效

流年特效，是美图软件常用的特性处理手段。其数学原理是基于原图像蓝色通道进行变换，变换采取经验公式14√6

# 流年特效
def fleet(self):
    fleetImg = np.zeros((self.h, self.w, 3), np.uint8)
    for i in range(self.h):
        for j in range(0, self.w):
            b = math.sqrt(self.src[i, j][0]) * 14
            g = self.src[i, j][1]
            r = self.src[i, j][2]
            if b > 255:
                b = 255
            fleetImg[i, j] = np.uint8((b, g, r))
    return fleetImg

8 卡通特效

卡通特效，顾名思义，是卡通特效。

# 卡通特效
def cartoon(self):
    num = 7   # 双边滤波数目
    for i in range(num):
        cv2.bilateralFilter(self.src, d = 9, sigmaColor = 5, sigmaSpace = 3)
    median = cv2.medianBlur(self.gray, 7)
    edge = cv2.adaptiveThreshold(median, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, blockSize = 5, C = 2)
    edge = cv2.cvtColor(edge, cv2.COLOR_GRAY2RGB)
    return cv2.bitwise_and(self.src, edge)

以上就是Python中八大图像特效算法的示例详解的详细内容，更多关于Python图像特效算法的资料请关注脚本之家其它相关文章！

关键词： 数学原理 特定区域 可以进行 蓝色通道