Python OpenCV實現3種濾鏡效果範例

前言

本篇文章要使用OpenCV、Numpy 和Math這3個工具包實現一個簡單的濾鏡編輯器。在這個濾鏡編輯器中，包含了3種濾鏡效果，它們分別是浮雕濾鏡、雕刻濾鏡和凸透鏡濾鏡。本篇文章將對目標影象（如圖1所示）進行處理，使得目標影象分別呈現浮雕濾鏡（如圖2所示）、雕刻濾鏡（如圖3所示）和凸透鏡濾鏡（如圖4所示）的視覺效果。

浮雕濾鏡效果

為了實現浮雕濾鏡效果，首先要把實現浮雕濾鏡效果的原理搞清楚、弄明白。實現浮雕濾鏡效果的原理如下所示：

• 根據灰度影象中的某一個畫素的畫素值與其周圍畫素的畫素值之間的差值，確定這個畫素經過折積處理後的畫素值；

• 由於邊緣點的畫素值與其周圍畫素的畫素值之間的差值較大，經摺積處理後，導致這些邊緣點較亮，從而達到凸顯邊緣的目的，進而形成浮雕狀；

• 為經摺積處理後的每一個畫素加上一個灰度偏移值128，作為呈現浮雕濾鏡效果的影象的底色。

明確了實現浮雕濾鏡效果的原理後，再來學習一下實現浮雕濾鏡效果的演演算法。實現浮雕濾鏡效果的演演算法如下所示：

• 對灰度影象中的每一個畫素進行折積處理；

• 實現浮雕濾鏡效果的折積核運算元需採用如下矩陣：

[[1, 0], [0, -1]]

掌握了實現浮雕濾鏡效果的原理和演演算法後，下面開始編寫用於實現浮雕濾鏡效果的方法，即fuDiao()方法。fuDiao()方法是一個自定義的、有參且有返回值的方法，fuDiao()方法的語法格式如下所示：

def fuDiao(img):
    ……# 省略方法體中的程式碼
    return canvas

引數說明：

 img：與目標影象對應的灰度影象。

返回值說明：

canvas：畫布，用於呈現浮雕濾鏡效果的影象。

那麼，fuDiao()方法被省略的程式碼各自發揮怎樣的作用？此外，被省略的程式碼又是那些呢？

先要明確fuDiao()方法中被省略的程式碼各自發揮的作用是什麼：

因為用於實現浮雕濾鏡效果的折積核運算元是一個二維矩陣，所以需要使用Numpy工具包中的array()方法建立這個二維矩陣。關鍵程式碼如下所示：

kernel = np.array([[1, 0], [0, -1]])

分別獲取灰度影象中畫素的行數和列數。關鍵程式碼如下所示：

row = img.shape[0]
col = img.shape[1]

根據灰度影象中畫素的行數和列數，建立一個等高、等寬的，純黑色的畫布。關鍵程式碼如下所示：

canvas = np.zeros([row, col], dtype=np.uint8)

根據橫、縱座標，使用巢狀的for迴圈得到灰度影象中的每一個畫素。關鍵程式碼如下所示：

for i in range(row - 1):
for j in range(col - 1):

使用實現浮雕濾鏡效果的折積核運算元，對灰度影象中的每一個畫素進行折積處理，並且為經摺積處理後的每一個畫素加上一個灰度偏移值128。關鍵程式碼如下所示：

new_value = np.sum(img[i:i + 2, j:j + 2] * kernel) + 128

對於經摺積處理且加上一個灰度偏移值後的每一個畫素的畫素值，如果大於255，那麼等於255；如果小於0，那麼等於0。關鍵程式碼如下所示：

if new_value > 255:
   new_value = 255
   elif new_value < 0:
      new_value = 0
  else:
    pass

把經過比較後的每一個畫素的畫素值根據座標賦值給畫布對應位置上的畫素。關鍵程式碼如下所示：

canvas[i, j] = new_value

結合fuDiao()方法中被省略的程式碼和它們各自發揮的作用，就能夠迅速完成fuDiao()方法的編寫。fuDiao()方法的程式碼如下所示：

def fuDiao(img):
      kernel = np.array([[1, 0], [0, -1]])
      row = img.shape[0]
      col = img.shape[1]
      canvas = np.zeros([row, col], dtype=np.uint8)
      for i in range(row - 1):
         for j in range(col - 1):
             new_value = np.sum(img[i:i + 2, j:j + 2] * kernel) + 128
             if new_value > 255:
                 new_value = 255
              elif new_value < 0:
                 new_value = 0
              else:
                  pass
             canvas[i, j] = new_value
      return canvas

雕刻濾鏡效果

實現雕刻濾鏡效果的原理與實現浮雕濾鏡效果的原理大致相同，實現雕刻濾鏡效果的原理如下所示：

• 根據灰度影象中的某一個畫素的畫素值與其周圍畫素的畫素值之間的差值，確定這個畫素經過折積處理後的畫素值；

• 由於邊緣點的畫素值與其周圍畫素的畫素值之間的差值較大，經摺積處理後，導致這些邊緣點較暗，從而達到凹陷邊緣的目的，進而形成雕刻狀；

• 為經摺積處理後的每一個畫素加上一個灰度偏移值128，作為呈現雕刻濾鏡效果的影象的底色。

雖然實現雕刻濾鏡效果的原理與實現浮雕濾鏡效果的原理大致相同，但是實現雕刻濾鏡效果的演演算法與實現浮雕濾鏡效果的演演算法大不相同。實現雕刻濾鏡效果的演演算法如下所示：

• 對灰度影象中的每一個畫素進行折積處理；

• 實現雕刻濾鏡效果的折積核運算元需採用如下矩陣：

[[-1, 0],
[0, 1]]

掌握了實現雕刻濾鏡效果的原理和演演算法後，下面開始編寫用於實現雕刻濾鏡效果的方法，即diaoKe()方法。與fuDiao()方法相同，diaoKe()方法也是一個自定義的、有參且有返回值的方法，diaoKe()方法的語法格式如下所示：

def diaoKe(img):
   ……# 省略方法體中的程式碼
    return canvas

引數說明：

img：與目標影象對應的灰度影象。

返回值說明：

canvas：畫布，用於呈現雕刻濾鏡效果的影象。

diaoKe()方法被省略的程式碼與fuDiao()方法被省略的程式碼大同小異，首先明確下diaoKe()方法中被省略的程式碼各自發揮的作用是什麼：

用於實現雕刻濾鏡效果的折積核運算元與用於實現浮雕濾鏡效果的折積核運算元雖然不同，但也是一個二維矩陣，因此需要使用Numpy工具包中的array()方法建立這個二維矩陣。關鍵程式碼如下所示：

kernel = np.array([[-1, 0], [0, 1]])

分別獲取灰度影象中畫素的行數和列數。關鍵程式碼如下所示：

row = img.shape[0]
col = img.shape[1]

根據灰度影象中畫素的行數和列數，建立一個等高、等寬的，純黑色的畫布。關鍵程式碼如下所示：

canvas = np.zeros([row, col], dtype=np.uint8)

根據橫、縱座標，使用巢狀的for迴圈得到灰度影象中的每一個畫素。關鍵程式碼如下所示：

for i in range(row - 1):
for j in range(col - 1):

使用實現雕刻濾鏡效果的折積核運算元，對灰度影象中的每一個畫素進行折積處理，並且為經摺積處理後的每一個畫素加上一個灰度偏移值128。關鍵程式碼如下所示：

new_value = np.sum(img[i:i + 2, j:j + 2] * kernel) + 128

對於經摺積處理且加上一個灰度偏移值後的每一個畫素的畫素值，如果大於255，那麼等於255；如果小於0，那麼等於0。關鍵程式碼如下所示：

  if new_value > 255:
      new_value = 255
  elif new_value < 0:
      new_value = 0
  else:
      pass

把經過比較後的每一個畫素的畫素值根據座標賦值給畫布對應位置上的畫素。關鍵程式碼如下所示：

canvas[i, j] = new_value

結合diaoKe()方法中被省略的程式碼和它們各自發揮的作用，就能夠迅速完成diaoKe()方法的編寫。diaoKe()方法的程式碼如下所示：

  def diaoKe(img):
      kernel = np.array([[-1, 0], [0, 1]])
      row = img.shape[0]
      col = img.shape[1]
      canvas = np.zeros([row, col], dtype=np.uint8)
      for i in range(row - 1):
          for j in range(col - 1):
              new_value = np.sum(img[i:i + 2, j:j + 2] * kernel) + 128
              if new_value > 255:
                  new_value = 255
              elif new_value < 0:
                  new_value = 0
              else:
                  pass
              canvas[i, j] = new_value
      return canvas

凸透鏡濾鏡效果

所謂凸透鏡濾鏡效果，相當於使用者使用凸透鏡觀察一幅影象而成的視覺效果。實現凸透鏡濾鏡效果的原理與實現浮雕濾鏡效果的原理和實現雕刻濾鏡效果的原理大不相同。下面將著重對實現凸透鏡濾鏡效果的原理進行講解：

• 當使用凸透鏡中心觀察一幅影象時，被觀察的影象區域將按照一定比例進行放大；相應地，這個區域的周圍區域將被壓縮；

• 為了讓放大後的影象區域看起來和諧自然，這些被壓縮的周圍區域要保持連續性。

明確了實現凸透鏡濾鏡效果的原理後，再來學習一下實現凸透鏡濾鏡效果的演演算法。實現凸透鏡濾鏡效果的演演算法如下所示：

• 根據目標影象的寬、高確定凸透鏡的半徑；

• 選擇一個凸函數作為對映函數；

如果目標影象中的某一個畫素與目標影象中心之間的距離的平方不大於凸透鏡的半徑的平方（兩個整數進行比較，保證比較結果的精確度），就使用對映函數對這個畫素的橫、縱座標進行對映處理。

掌握了實現凸透鏡濾鏡效果的原理和演演算法後，下面開始編寫用於實現凸透鏡濾鏡效果的方法，即tuTouJing()方法。與fuDiao()方法和diaoKe()方法相同，tuTouJing()方法也是一個自定義的、有參且有返回值的方法，tuTouJing()方法的語法格式如下所示：

def tuTouJing(img):
    ……# 省略方法體中的程式碼
    return canvas

引數說明：

 img：目標影象。

返回值說明：

canvas：畫布，用於呈現凸透鏡濾鏡效果的影象。

先要明確tuTouJing()方法中被省略的程式碼各自發揮的作用是什麼：

分別獲取目標影象中畫素的行數和列數以及目標影象的通道數。關鍵程式碼如下所示：

row = img.shape[0]
col = img.shape[1]
channel = img.shape[2]

根據目標影象中畫素的行數和列數以及目標影象的通道數，建立一個等高、等寬、等通道數的，純黑色的畫布。關鍵程式碼如下所示：

canvas = np.zeros([row, col, channel], dtype=np.uint8)

根據目標影象中畫素的行數和列數，分別獲取目標影象中心的橫、縱座標。關鍵程式碼如下所示：

center_x = row/2
center_y = col/2

比較目標影象中心的橫、縱座標的大小，把較小的數值作為凸透鏡的半徑。關鍵程式碼如下所示：

radius = min(center_x, center_y)

根據橫、縱座標，使用巢狀的for迴圈得到目標影象中的每一個畫素。關鍵程式碼如下所示：

for i in range(row):
for j in range(col):

計算目標影象中的每一個畫素與目標影象中心之間的距離的平方和距離。關鍵程式碼如下所示：

distance = ((i-center_x) * (i-center_x) + (j-center_y) * (j-center_y))
new_dist = math.sqrt(distance)

把目標影象中的每一個畫素的畫素值根據座標賦值給畫布對應位置上的畫素。關鍵程式碼如下所示：

canvas[i,j,:] = img[i, j, :]

如果目標影象中的某一個畫素與目標影象中心之間的距離的平方不大於凸透鏡的半徑的平方，就使用對映函數對這個畫素的橫、縱座標進行對映處理。關鍵程式碼如下所示：

if distance <= radius**2:
new_i = np.int(np.floor(new_dist * (i-center_x) / radius + center_x))
new_j = np.int(np.floor(new_dist * (j-center_y) / radius + center_y))

把經過對映處理後的每一個畫素的畫素值根據座標賦值給畫布對應位置上的畫素。關鍵程式碼如下所示：

canvas[i,j,:] = img[new_i, new_j, :]

結合tuTouJing()方法中被省略的程式碼和它們各自發揮的作用，就能夠迅速完成tuTouJing()方法的編寫。tuTouJing()方法的程式碼如下所示：

  def tuTouJing(img):
      row = img.shape[0]
      col = img.shape[1]
      channel = img.shape[2]
      canvas = np.zeros([row, col, channel], dtype=np.uint8)
      center_x = row/2
      center_y = col/2
      radius = min(center_x, center_y)
      for i in range(row):
          for j in range(col):
              distance = ((i-center_x) * (i-center_x) + (j-center_y) * (j-center_y))
              new_dist = math.sqrt(distance)
              canvas[i,j,:] = img[i, j, :]
              if distance <= radius**2:
                  new_i = np.int(np.floor(new_dist * (i-center_x) / radius + center_x))
                  new_j = np.int(np.floor(new_dist * (j-center_y) / radius + center_y))
                  canvas[i,j,:] = img[new_i, new_j, :]
      return canvas

總結

到此這篇關於Python OpenCV實現3種濾鏡的文章就介紹到這了,更多相關Python OpenCV濾鏡效果內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！