python中opencv图像如何处理-创新互联
这篇文章给大家分享的是有关python中opencv图像如何处理 的内容。小编觉得挺实用的,因此分享给大家做个参考。一起跟随小编过来看看吧。
创新互联专业为企业提供桐梓网站建设、桐梓做网站、桐梓网站设计、桐梓网站制作等企业网站建设、网页设计与制作、桐梓企业网站模板建站服务,10多年桐梓做网站经验,不只是建网站,更提供有价值的思路和整体网络服务。图像素描特效
图像素描特效主要经过以下几个步骤:
调用cv.cvtColor()函数将彩色图像灰度化处理;
通过cv.GaussianBlur()函数实现高斯滤波降噪;
边缘检测采用Canny算子实现;
最后通过cv.threshold()反二进制阈值化处理实现素描特效。
#coding:utf-8 import cv2 as cv import numpy as np #读取原始图像 img = cv.imread('d:/paojie.png') #图像灰度处理 gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY) #高斯滤波降噪 gaussian = cv.GaussianBlur(gray, (5,5), 0) #Canny算子 canny = cv.Canny(gaussian, 50, 150) #阈值化处理 ret, result = cv.threshold(canny, 0, 255, cv.THRESH_BINARY_INV+cv.THRESH_OTSU) #显示图像 #cv.imshow('src', img) #cv.imshow('result', result) cv.imshow('result',np.vstack((gray,result))) cv.waitKey() cv.destroyAllWindows()
图像素描特效展示
图像怀旧特效
怀旧特效是将图像的RGB三个分量分别按照一定比例进行处理的结果,其怀旧公式如下所示:
#coding:utf-8 import cv2 as cv import numpy as np #读取原始图像 img = cv.imread('d:/paojie.png') #获取图像行和列 rows, cols = img.shape[:2] #新建目标图像 dst = np.zeros((rows, cols, 3), dtype="uint8") #图像怀旧特效 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)) #显示图像 cv.imshow('result',np.vstack((img,dst))) cv.waitKey() cv.destroyAllWindows()
图像怀旧特效展示
图像光照特效
图像光照特效是指图像存在一个类似于灯光的光晕特效,图像像素值围绕光照中心点呈圆形范围内的增强。
python实现代码主要是通过双层循环遍历图像的各像素点,寻找图像的中心点,再通过计算当前点到光照中心的距离(平面坐标系中两点之间的距离),判断该距离与图像中心圆半径的大小关系,中心圆范围内的图像灰度值增强,范围外的图像灰度值保留,并结合边界范围判断生成最终的光照效果。
#coding:utf-8 import cv2 as cv import math import numpy as np #读取原始图像 img = cv.imread('d:/paojie.png') #获取图像行和列 rows, cols = img.shape[:2] #设置中心点和光照半径 centerX = rows / 2 - 20 centerY = cols / 2 + 20 radius = min(centerX, centerY) #设置光照强度 strength = 100 #新建目标图像 dst = np.zeros((rows, cols, 3), dtype="uint8") #图像光照特效 for i in range(rows): for j in range(cols): #计算当前点到光照中心距离(平面坐标系中两点之间的距离) distance = math.pow((centerY-j), 2) + math.pow((centerX-i), 2) #获取原始图像 B = img[i,j][0] G = img[i,j][1] R = img[i,j][2] if (distance < radius * radius): #按照距离大小计算增强的光照值 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 #判断边界 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)) #显示图像 cv.imshow('result',np.vstack((img,dst))) cv.waitKey() cv.destroyAllWindows()
图像光照特效展示
图像流年特效
流年是用来形容如水般流逝的光阴或年华,图像处理中特指将原图像转换为具有时代感或岁月沉淀的特效。python实现代码如下,它将原始图像的蓝色(B)通道的像素值开根号,再乘以一个权重参数,产生最终的流年效果。
#coding:utf-8 import cv2 as cv import math import numpy as np #读取原始图像 img = cv.imread('d:/paojie.png') #获取图像行和列 rows, cols = img.shape[:2] #新建目标图像 dst = np.zeros((rows, cols, 3), dtype="uint8") #图像流年特效 for i in range(rows): for j in range(cols): #B通道的数值开平方乘以参数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)) #显示图像 cv.imshow('result',np.vstack((img,dst))) cv.waitKey() cv.destroyAllWindows()
图像流年特效展示
图像滤镜特效
滤镜主要是用来实现图像的各种特殊效果,它在Photoshop中具有非常神奇的作用。滤镜通常需要同通道、图层等联合使用,才能取得很好艺术效果。本小节将讲述一种基于颜色查找表(Look up Table)的滤镜处理方法,它通过将每一个原始颜色进行转换之后得到新的颜色。比如,原始图像的某像素点为红色(R-255, G-0, B-0),进行转换之后变为绿色(R-0, G-255, B-0),之后所有是红色的地方都会被自动转换为绿色,而颜色查找表就是将所有的颜色进行一次(矩阵)转换,很多的滤镜功能就是提供了这么一个转换的矩阵,在原始色彩的基础上进行颜色的转换。
假设现在存在一张新的滤镜颜色查找表,如图所示,它是一张512×512大小,包含各像素颜色分布的图像。下面这张图片另存为本地,即可直接用于图像滤镜处理。
#coding:utf-8 import cv2 as cv import numpy as np #获取滤镜颜色 def getBGR(img, table, i, j): #获取图像颜色 b, g, r = img[i][j] #计算标准颜色表中颜色的位置坐标 x = int(g/4 + int(b/32) * 63) y = int(r/4 + int((b%32) / 4) * 63) #返回滤镜颜色表中对应的颜色 return lj_map[x][y] #读取原始图像 img = cv.imread('d:/paojie.png') lj_map = cv.imread('lvjing.png') #获取图像行和列 rows, cols = img.shape[:2] #新建目标图像 dst = np.zeros((rows, cols, 3), dtype="uint8") #循环设置滤镜颜色 for i in range(rows): for j in range(cols): dst[i][j] = getBGR(img, lj_map, i, j) #显示图像 cv.imshow('result',np.vstack((img,dst))) cv.waitKey() cv.destroyAllWindows()
图像滤镜特效展示
感谢各位的阅读!关于python中opencv图像如何处理 就分享到这里了,希望以上内容可以对大家有一定的帮助,让大家可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看到吧!
当前标题:python中opencv图像如何处理-创新互联
当前链接:http://pwwzsj.com/article/dshcog.html