目录

• 一、灰度处理
• 二、颜色反转
• 三、马赛克
• 四、毛玻璃
• 五、图片融合
• 六、边缘检测与浮雕效果
• • 1 - 边缘检测
  • 2 - 浮雕效果
• 七、颜色映射
• 八、油画效果

一、灰度处理

• 使用openCV的imread方法实现

import cv2img0 = cv2.imread('image0.jpg', 0)
img1 = cv2.imread('image0.jpg', 1)
print(img0.shape)
print(img1.shape)
cv2.imshow('src', img0)
cv2.waitKey(0)

• 使用openCV的cvtColor方法实现：cvtColor实现颜色空间的转换

import cv2img = cv2.imread('image0.jpg', 1)
dst = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 颜色空间转换 1 data 2 BGR gray
cv2.imshow('dst', dst)
cv2.waitKey(0)

• 利用R=G=B的方式实现：使用（R+G+B）/ 3 赋值给像素点

import cv2
import numpy as npimg = cv2.imread('image0.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
# RGB R=G=B = gray  (R+G+B)/3
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]gray = (int(b) + int(g) + int(r)) / 3dst[i, j] = np.uint8(gray)
cv2.imshow('dst', dst)
cv2.waitKey(0)

• 使用心理学公式：r * 0.299 + g * 0.587 + b * 0.114

import cv2
import numpy as npimg = cv2.imread('image0.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 * 0.299 + g * 0.587 + b * 0.114dst[i, j] = np.uint8(gray)
cv2.imshow('dst', dst)
cv2.waitKey(0)

• 算法优化：浮点数据转换成定点数据；乘除转换成位移计算
  • 这里的系数是按乘以4计算了，如果希望精度更快，可以乘100，1000。。。。。

import cv2
import numpy as npimg = cv2.imread('image0.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
# RGB R=G=B = gray  (R+G+B)/3
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)# 浮点转定点：gray = r * 0.299 + g * 0.587 + b * 0.114# 乘除转位移：gray = (r*1+g*2+b*1)/4gray = (r + (g << 1) + b) >> 2dst[i, j] = np.uint8(gray)
cv2.imshow('dst', dst)
cv2.waitKey(0)

二、颜色反转

• 灰度图片的颜色反转：255-当前的灰度值

import cv2
import numpy as npimg = cv2.imread('image0.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)

• 彩色图片的颜色反转：255-当前通道的颜色值

import cv2
import numpy as npimg = cv2.imread('image0.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)

三、马赛克

• 图片实现马赛克的原理：将一片区局域中的所有的像素保持一致
  • 例如：我们想给一个10 * 10的区域打上马赛克
  • 那么我们取到10*10中左上角点的像素值，替换掉10 * 10的100个像素点
  • 这样就实现了马赛克效果

import cv2img = cv2.imread('image0.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
for m in range(100, 300):for n in range(100, 200):# pixel ->10*10if 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)

四、毛玻璃

• 毛玻璃的实现原理：
  • 马赛克效果我们使用的是左上角的像素点来替换掉其他像素点
  • 而毛玻璃是使用随机的像素点来替换掉当前的像素点

import cv2
import numpy as np
import randomimg = cv2.imread('image0.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
dst = np.zeros((height, width, 3), np.uint8)
mm = 8  # 水平方向上和竖直方向都有可能是8
for m in range(0, height - mm):  # -mm是为了防止矩阵越界，同时这里减了mm，所以生成的时候下方和右方会有很色的边框for n in range(0, width - mm):index = int(random.random() * 8)  # random.random()是0-1，所以index是0-8(b, g, r) = img[m + index, n + index]dst[m, n] = (b, g, r)
cv2.imshow('dst', dst)
cv2.waitKey(0)

五、图片融合

• 2张图片融合的计算公式：dst = src1a+src2(1-a)，其中a指的是alpha系数

import cv2img0 = cv2.imread('image0.jpg', 1)
img1 = cv2.imread('image1.jpg', 1)
imgInfo = img0.shape
height = imgInfo[0]
width = imgInfo[1]
# ROI感兴趣范围，这个要比2张图片的范围都小
roiH = int(height / 2)
roiW = int(width / 2)
img0ROI = img0[0:roiH, 0:roiW]
img1ROI = img1[0:roiH, 0:roiW]
# dst
dst = cv2.addWeighted(img0ROI, 0.5, img1ROI, 0.5, 0)  # add src1*a+src2*(1-a)
# 1 src1 2 a 3 src2 4 1-a
cv2.imshow('dst', dst)
cv2.waitKey(0)

六、边缘检测与浮雕效果

1 - 边缘检测

• 什么是边缘检测：边缘检测的效果有点类似素描，边缘检测的实质是图像的卷积计算
• openCV的API方式实现边缘检测的步骤：
  • 灰度处理
  • 高斯滤波
  • canny方法

import cv2img = cv2.imread('image0.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
cv2.imshow('src', img)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 灰度处理
imgG = cv2.GaussianBlur(gray, (3, 3), 0)  # 高斯滤波
dst = cv2.Canny(img, 50, 50)  # 图片卷积——》th，双阀值
cv2.imshow('dst', dst)
cv2.waitKey(0)

• 源码形式实现边缘检测：sobel算法实现，这里会涉及到如下几个概念
• sobel算法的算子模板：水平方向、垂直方向

水平方向     垂直方向
[1 2 1          [ 1 0 -10 0 0            2 0 -2
-1 -2 -1 ]        1 0 -1 ]

• 图片卷积：假设1张图片中的4个像素点为[1 2 3 4]，当前的模板是[a b c d]，那么卷积的结果：a1+b2+c3+d4 = dst
  • a：竖直方向上的梯度 -> 水平方向上的算子与图片卷积的结果
  • b：水平方向上的梯度 -> 垂直方向上的算子与图片卷积的结果
  • f：阀值，f = sqrt(a * a + b * b)
  • th：判决门限
• 阀值判决：f > th 是边缘，否则是非边缘

import cv2
import numpy as np
import mathimg = cv2.imread('image0.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] * 1gx = gray[i, j] + gray[i + 1, j] * 2 + gray[i + 2, j] - gray[i, j + 2] - gray[i + 1, j + 2] * 2 - gray[i + 2, j + 2]grad = math.sqrt(gx * gx + gy * gy)if grad > 50:  # 50为域值dst[i, j] = 255else:dst[i, j] = 0
cv2.imshow('dst', dst)
cv2.waitKey(0)

2 - 浮雕效果

• 浮雕效果计算公式：每一个新的像素值等于相邻像素的像素值之差加上一个恒定值（比如150）
  • newP = gray0 - gray1 + 150
  • 这里加上150是为了增强图片的浮雕灰度等级
  • 相邻像素相减是为了突出灰度的突片及边缘特征

import cv2
import numpy as npimg = cv2.imread('image0.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 - 1):grayP0 = int(gray[i, j])grayP1 = int(gray[i, j + 1])newP = grayP0 - grayP1 + 150if newP > 255:newP = 255if newP < 0:newP = 0dst[i, j] = newP
cv2.imshow('dst', dst)
cv2.waitKey(0)

七、颜色映射

• 颜色映射最简单的实现方式：
  • 做一个很大的查找表，根据原始图像的rgb值根据查找表查找一组新的rgb，用新的rgb代替原来像素值
  • 也可以用一些简单的公式完成颜色映射，利用公式的方法可能无法表示一些更为复杂的效果
• 案例：蓝色与绿色增强

import cv2
import numpy as npimg = cv2.imread('image0.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 * 1.5g = g * 1.3if b > 255:b = 255if g > 255:g = 255dst[i, j] = (b, g, r)
cv2.imshow('dst', dst)
cv2.waitKey(0)

八、油画效果

• 油画效果实现步骤
  • ①.gray 灰度化
  • ②.将图片分割为若干个小方块。统计这些小方块中每个像素的灰度值，比如7 * 7 ，10 * 10
  • ③.将0-255划分段，并将第二步的映射到对应段范围中：如划分4个段，每个段有64个等级。0-63 第1段；64-127第2段
  • ④.例如：这时有一个像素点.灰度值是10，那么他就在0-63这个点
    • 找到每个方块中灰度等级最多的所有像素，count 并求取这些像素的均值
    • 用统计出来的平均值，替代原来的像素值

import cv2
import numpy as npimg = cv2.imread('image0.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)
# 这里从-4开始，所以边界值要从4开始
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):  # 定义8*8的小方块for n in range(-4, 4):p1 = int(gray[i + m, j + n] / 32)  # 灰度等级划分为8个段，每个为256/8array1[p1] = array1[p1] + 1currentMax = array1[0]l = 0  # 记录是哪个段for k in range(0, 8):  # 求最大值if currentMax < array1[k]:currentMax = array1[k]l = k# 简化 均值for m in range(-4, 4):for n in range(-4, 4):# l是处于哪一个灰度段，32是它的灰度等级# 小于等于下一个灰度段，保证处于范围之内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)