python图像处理算法,python图像增强算法
图像特效处理是根据图像像素数据的特点，按照一定的步骤对原始图像进行计算，如像素相减、灰度变换、颜色通道融合等。从而达到预期的效果。本文将为大家介绍八种常用的图像特效算法，有需要的可以参考一下。
00-1010 0写在前面1毛玻璃效果2浮雕效果3油画效果4马赛克效果5素描效果6怀旧效果7流年效果8卡通效果
目录
图像特效处理是根据图像像素数据的特点，按照一定的步骤对原始图像进行计算，如像素相减、灰度变换、颜色通道融合等。从而达到预期的效果。图像特效处理是日常生活中广泛使用的计算机视觉应用，出现在各种米托软件中。这些精致的过滤器背后的数学原理都是一样的。本文主要介绍八种基本的图像特效算法，在这些算法的基础上可以进行二次开发，生成更高级的滤镜。
本文采用面向对象的设计，定义了一个图像处理类ImgProcess，使得图像特效算法的应用更加简洁，如
导入cv2
将numpy作为np导入
process=ImgProcess(1.jpg )
glassImg=process.glass()
cv2.imshow(glass ，glassImg)
cv2.waitKey(延迟=0)
您可以生成经过磨砂玻璃特效处理的图片。这个类的构造函数是
ImgProcess:类
def __init__(self，img) - None:
self.src=cv2.imread(img)
self . gray=cv2 . CVT color(self . src，cv2。COLOR_BGR2GRAY)
self.h，self.w=self.src.shape[:2]
读取图像的基本信息。本文还是用冰冰做模特~
然后，我们正式开始各种算法的介绍吧~
0 写在前面
磨砂玻璃的特殊效果是将当前像素替换为图像邻域内的一个随机像素颜色，从而达到磨砂玻璃一般的朦胧模糊效果。
#磨砂玻璃特效
def玻璃(自身):
glassImg=np.zeros((self.h，self.w，3)，np.uint8)
对于范围内的I(self . h-6):
对于范围内的j(self . w-6):
index=int(np.random.random() * 6)
glassImg[i，j]=self.src[i index，j index]
返回玻璃图像
1 毛玻璃特效
浮雕特效是使要呈现的图像看起来“凸出在石头表面”，根据凹凸不平的程度形成立体效果。数学原理是先刻画图像的轮廓，再降低边缘周围的像素值，从而产生立体浮雕效果。
#浮雕特效
def释放(自我):
reliefImg=np.zeros((self.h，self.w，1)，np.uint8)
对于范围内的I(self . h):
对于范围内的j(self . w-1):
Edge=int (self。Gray [I，J])-int (self。Gray [I，J 1]) #获得边缘
Val=edge 120 #营造立体感
如果值为255:
val=255
如果val 0:
val=0
reliefImg[i，j]=val
退货救济
p>
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盛行IT软件开发工作室其它相关文章！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。