计算机视觉(3) 图像特效

封面

图像特效

本次内容重点是如何使用滤镜为图片添加特效，以及这些滤镜背后算法。

灰度处理

灰度处理算法非常简单但是这不影响他重要地位。是很多图像处理基础，是我们对物体识别，边缘检测这些高级的计算机视觉处理都是基于灰度处理，这里介绍两个公式用于处理图片为灰度图

• 第一个是取 RGB 的并均值来计算灰度值 Gray = (R+G+B)/3
• 第二个是根据心里感受给出经验公式 Gray = R0.299 + G0.587 + B*0.114

首先我们用 opencv 提供 API 来获得灰度图

# method 1
img = cv2.imread('empire.jpeg',1)

第一种方法是当读取图片，第二个参数给 1 而不是 0 ，1 表示以灰度方式读取图片

# 颜色空间的转换
dst = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

现在我们根据上面两个公式自己尝试实现灰度计算。

def gray_process(img):
    height,width,deep = get_img_info(img)
    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))/3
            dst[i,j] = np.uint8(gray)
    return dst

def gray_process_2(img):
    height,width,deep = get_img_info(img)
    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)*0.299 + int(g)*0.587 + int(r)*0.114
            dst[i,j] = np.uint8(gray)
    return dst

算法优化

根据优化一般规则对代码进行优化，加法运算优于乘法，移位运算要优于加法运算,定点运算优于浮点运算。

def gray_process_3(img):
    height,width,deep = get_img_info(img)
    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 + (g<<1) + b)>>2
            # gray = (r*1 + g*2 + b*1)/4

            dst[i,j] = np.uint8(gray)
    return dst

图片

底板效果

这里底板效果，如果大家小时候去照相馆照相都会得到底板，灰度底板和彩色底板，在 PS 中叫做反色效果吧。

def color_invert(img):
    # img = gray_process_2(img)
    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    height = gray.shape[0]
    width = gray.shape[1]
    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
    return dst

黑白底板

def color_invert(img):
    height,width,deep = get_img_info(img)
    dst = np.zeros((height,width,deep),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)
    return dst

彩色底板

马赛克

def mosaic_process(img):
    height,width,deep = get_img_info(img)
    print(height,width)
    # dst = np.zeros((height,width,deep),np.uint8)
    for m in range(100,500):
        for n in range(100,500):
            # pixel -> 10 * 10
            if m%20 == 0 and n%20 == 0:
                for i in range(0,20):
                    for j in range(0,20):
                        (b,g,r) = img[m,n]
                        img[i+m,j+n] = (b,g,r) 

    return img

马赛克

毛玻璃效果

所有像素每一个像素都一个随机像素

def rough_glass_effects_process(img):
    height,width,deep = get_img_info(img)
    dst = np.zeros((height,width,deep),np.uint8)
    mm = 8
    for m in range(0,height - mm):
        for n in range(0,width - mm):
            index = int(random.random()*8)
            (b,g,r) = img[m+index,n+index]
            dst[m,n] = (b,g,r)
    return dst

毛玻璃效果