本文分享自華為雲社區《[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-雲社區-華為雲》，作者： eastmount。

圖像素描特效會将圖像的邊界都凸顯出來，通過邊緣檢測及阈值化處理能實現該功能。一幅圖像的内部都具有相似性，而在圖像邊界處具有明顯的差異，邊緣檢測利用數學中的求導來擴大這種變化。但是求導過程中會增大圖像的噪聲，所以邊緣檢測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過以下幾個步驟：

• 調用cv2.cvtColor()函數将彩色圖像灰度化處理；
• 通過cv2.GaussianBlur()函數實現高斯濾波降噪；
• 邊緣檢測采用Canny算子實現；
• 最後通過cv2.threshold()反二進制阈值化處理實現素描特效。

其運行代碼如下所示。

#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) #阈值化處理 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()

最終輸出結果如下圖所示，它将彩色圖像素描處理。原圖是作者去年九月份拍攝于喀納斯，真的很美~

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。希望讀者能自行擴展相關算法知識，并實現對應的效果。

圖像懷舊特效是指圖像經曆歲月的昏暗效果，如圖所示，左邊“src”為原始圖像，右邊“dst”為懷舊特效圖像。

懷舊特效是将圖像的RGB三個分量分别按照一定比例進行處理的結果，其懷舊公式如下所示：

Python實現代碼主要通過雙層循環遍曆圖像的各像素點，再結合該公式計算各顔色通道的像素值，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] #新建目标圖像 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()

圖像光照特效是指圖像存在一個類似于燈光的光暈特效，圖像像素值圍繞光照中心點呈圓形範圍内的增強。如下圖所示，該圖像的中心點為（192，192），光照特效之後中心圓範圍内的像素增強了200。

Python實現代碼主要是通過雙層循環遍曆圖像的各像素點，尋找圖像的中心點，再通過計算當前點到光照中心的距離（平面坐标系中兩點之間的距離），判斷該距離與圖像中心圓半徑的大小關系，中心圓範圍内的圖像灰度值增強，範圍外的圖像灰度值保留，并結合邊界範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] #設置中心點 centerX = rows / 2 centerY = cols / 2 print centerX, centerY radius = min(centerX, centerY) print radius #設置光照強度 strength = 200 #新建目标圖像 dst = np.zeros((rows, cols, 3), dtype="uint8") #圖像光照特效 for i in range(rows): for j in range(cols): #計算當前點到光照中心距離(平面坐标系中兩點之間的距離) 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): #按照距離大小計算增強的光照值 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()

流年是用來形容如水般流逝的光陰或年華，圖像處理中特指将原圖像轉換為具有時代感或歲月沉澱的特效，其效果如圖所示。

Python實現代碼如下，它将原始圖像的藍色（B）通道的像素值開根号，再乘以一個權重參數，産生最終的流年效果。

#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] #新建目标圖像 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通道的數值開平方乘以參數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()

濾鏡主要是用來實現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、圖層等聯合使用，才能取得最佳藝術效果。本小節将講述一種基于顔色查找表（Look up Table）的濾鏡處理方法，它通過将每一個原始顔色進行轉換之後得到新的顔色。比如，原始圖像的某像素點為紅色（R-255, G-0, B-0），進行轉換之後變為綠色（R-0, G-255, B-0），之後所有是紅色的地方都會被自動轉換為綠色，而顔色查找表就是将所有的顔色進行一次（矩陣）轉換，很多的濾鏡功能就是提供了這麼一個轉換的矩陣，在原始色彩的基礎上進行顔色的轉換。

假設現在存在一張新的濾鏡顔色查找表，如圖所示，它是一張512×512大小，包含各像素顔色分布的圖像。下面這張圖片另存為本地，即可直接用于圖像濾鏡處理。

濾鏡特效實現的Python代碼如下所示，它通過自定義getBRG()函數獲取顔色查找表中映射的濾鏡顔色，再依次循環替換各顔色。

#coding:utf-8 import cv2 import numpy as np #獲取濾鏡顔色 def getBGR(img, table, i, j): #獲取圖像顔色 b, g, r = img[i][j] #計算标準顔色表中顔色的位置坐标 x = int(g/4 int(b/32) * 64) y = int(r/4 int((b2) / 4) * 64) #返回濾鏡顔色表中對應的顔色 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] #新建目标圖像 dst = np.zeros((rows, cols, 3), dtype="uint8") #循環設置濾鏡顔色 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()

濾鏡特效的運行結果如圖所示，其中左邊“src”為原始風景圖像，右邊“dst”為濾鏡處理後的圖像，其顔色變得更為鮮豔，對比度更強。

本篇文章主要講解了圖像常見的特效處理，從處理效果圖、算法原理、代碼實現三個步驟進行詳細講解，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，這些知識點将為讀者從事Python圖像處理相關項目實踐或科學研究提供一定基礎。

參考文獻：

• 《數字圖像處理》（第3版），岡薩雷斯著，阮秋琦譯，電子工業出版社，2013年.
• 《數字圖像處理學》（第3版），阮秋琦，電子工業出版社，2008年，北京.
• 《OpenCV3編程入門》，毛星雲，冷雪飛，電子工業出版社，2015，北京.
• Eastmount - [Android] 通過Menu實現圖片懷舊、浮雕、模糊、光照和素描效果
• 使用python和opencv将圖片轉化為素描圖-python代碼解析
• 謝灰灰在找胡蘿蔔. IOS開發－－使用lookup table為圖片添加濾鏡
• 百度百科. 濾鏡

點擊下方，第一時間了解華為雲新鮮技術~

華為雲博客_大數據博客_AI博客_雲計算博客_開發者中心-華為雲

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!