python图像处理 —— 实现图像滤镜效果

前言

随着数字图像处理技术的不断发展，越来越多的人开始关注图像滤镜的应用。其中，使用Python的Opencv库实现图像滤镜效果成为了一种流行的技术手段。而图像滤镜是一种可以改变图像外观和色彩的技术，可以帮助我们创建独特的视觉效果。在本文中，我们将介绍如何使用Python和Opencv实现图像滤镜效果，为读者提供一个简单的入门指南。

一、浮雕

图像浮雕原理是通过对图像进行灰度变换，使得某些局部区域的像素值相对于周围像素值有一定的增加或减少，从而使得图像呈现出明显的浮雕感觉。具体来说，浮雕效果的实现可以通过以下步骤：

（1）将彩色图像转换为灰度图像。
（2）对灰度图像进行卷积操作，使用卷积核进行滤波，得到一组新的像素值。卷积核的大小可以根据需要进行调整，通常采用3x3或5x5的大小。
（3）对于每个像素，将卷积操作后得到的像素值减去该像素在原始图像中的像素值，得到浮雕值。
（4）根据浮雕值，将像素点的灰度值进行调整，使得局部区域的像素值相对于周围的像素值有一定的增加或减少。
（5）将处理后的像素值重新映射到0-255的灰度值范围内，生成浮雕效果的图像。

# ===============================图像浮雕处理===============================
img_Fudiao = np.zeros((h, w, 3), np.uint8)
for i in range(0, h):
    for j in range(0, w - 2):              # 减2的效果和上面一样
        grayP0 = int(gray[i, j])
        grayP1 = int(gray[i, j + 2])        # 取与前一个像素点相邻的点
        newP = grayP0 - grayP1 + 150       # 得到差值，加一个 150 常数可以增加浮雕立体感
        if newP > 255:  # 新的像素值,防止像素溢出
            newP = 255
        if newP < 0:    # 新的像素值,防止像素溢出
            newP = 0
        img_Fudiao[i, j] = newP
1
2
3
4
5
6
7
8
9
10
11
12

二、素描

通过滤波、边缘检测、二值化可以将将一幅RGB图像转换成素描

#  ===============================图像素描处理==================================
gaussian = cv2.GaussianBlur(gray, (3, 3), 0)  # 通过高斯滤波过滤噪声
# 通过canny算法提取图像轮过
canny = cv2.Canny(gaussian, 50, 140)
# 对轮廓图像进行反二进制阈值化处理
ret, img_Sumiao = cv2.threshold(canny, 50, 255, cv2.THRESH_BINARY_INV)
1
2
3
4
5
6

三、怀旧

将一幅RGB图像转为怀旧图像的基本原理是将原始图像的颜色进行调整，使其呈现出类似老照片的色调。

# ===============================图像怀旧处理===============================
img_old = np.zeros((h, w, 3), dtype=img.dtype)
# 通过对原始图像进行遍历，通过怀旧公式修改像素值，然后进行怀旧处理
for i in range(h):
    for j in range(w):
        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]
        # 防止图像溢出
        if B > 255:
            B = 255
        if G > 255:
            G = 255
        if R > 255:
                R = 255
        img_old[i, j] = [int(R), int(G), int(B)]  # B\G\R三通道都设置为怀旧值
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

四、水彩画

cv2.stylization是OpenCV库中的一种图像风格化函数，它可以用于将图像转换为带有不同风格的艺术作品。该函数的实现基于快速风格迁移（Fast Style Transfer）技术，可以在短时间内将一张普通照片转化为梵高，毕加索或印象派等多种不同风格的艺术作品。

# ===============================图像水彩画效果处理===============================
"""
src：需要进行风格化的原始图像。
sigma_s：控制空间域滤波器的尺度，通常取值在0到200之间，数值越大则滤波器的尺度越大，图像的细节信息会被平滑处理。
sigma_r：控制像素值域滤波器的尺度，通常取值在0到1之间，数值越小则滤波器的尺度越小，图像的细节信息会被保留。
"""
img_color = cv2.stylization(img, sigma_s=60, sigma_r=0.6)
1
2
3
4
5
6
7

五、水波

添加水波特效的原理是通过对RGB图像进行仿射变换和图像处理，使图像呈现出波动效果。

# ===============================水波特效===============================
img_wave = np.zeros((h, w, 3), np.uint8)
wavelength = 30                                 #定义水波特效波长
amplitude = 20                                  #幅度
phase = math.pi / 4                             #相位
centreX = 0.5                                   #水波中心点X
centreY = 0.5                                   #水波中心点Y
radius = min(h, w) / 2
icentreX = w*centreX                            #水波覆盖宽度
icentreY = h*centreY                            #水波覆盖高度
for i in range(0, h):
    for j in range(0, w):
        dx = j - icentreX
        dy = i - icentreY
        distance = dx * dx + dy * dy
        if distance > radius * radius:
            x = j
            y = i
        else:
            # 计算水波区域
            distance = math.sqrt(distance)
            amount = amplitude * math.sin(distance / wavelength * 2 * math.pi - phase)
            amount = amount * (radius - distance) / radius
            amount = amount * wavelength / (distance + 0.0001)
            x = j + dx * amount
            y = i + dy * amount
        # 边界判断
        if x < 0:
            x = 0
        if x >= w - 1:
            x = w - 2
        if y < 0:
            y = 0
        if y >= h - 1:
            y = h - 2
        p = x - int(x)
        q = y - int(y)
        # 图像水波赋值
        img_wave[i, j, :] = (1 - p) * (1 - q) * img[int(y), int(x), :] + p * (1 - q) * img[int(y), int(x), :]
        + (1 - p) * q * img[int(y), int(x), :] + p * q * img[int(y), int(x), :]
img_wave = cv2.cvtColor(img_wave, cv2.COLOR_BGR2RGB)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41

六、卡通

将一幅RGB图像添加卡通特效的原理是将图像进行多次模糊、锐化、边缘检测等处理，使得图像呈现出光滑的颜色渐变和明显的边缘线条，从而使得图像具有卡通般的效果。

# ===============================卡通特效===============================
img_blur = cv2.medianBlur(gray, 7)                     # 中值滤波处理
img_edge = cv2.adaptiveThreshold(img_blur, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, blockSize = 5, C = 2) #边缘检测及自适应阈值化处理
img_edge = cv2.cvtColor(img_edge, cv2.COLOR_GRAY2RGB)  # 转换回彩色图像
img_cartoon = cv2.bitwise_and(img, img_edge)          # 图像的与运算
img_cartoon = cv2.cvtColor(img_cartoon, cv2.COLOR_BGR2RGB)
1
2
3
4
5
6

七、流年

添加流年特效是一种常见的图像处理操作，它可以使一幅RGB图像呈现出类似老照片的效果。实现流年特效的主要原理是通过对图像的色彩、亮度、对比度等进行调整，使得图像呈现出一种偏暗、偏黄、颗粒状的效果。

# ===============================流年特效===============================
img_nian = np.zeros((h, w, 3), np.uint8)
for i in range(0, h):
    for j in range(0, w):
        B = math.sqrt(img[i, j][0]) *14       # B通道的数值开平方乘以参数14
        G = img[i, j][1]
        R = img[i, j][2]
        if B > 255:
            B = 255
        img_nian[i, j] = np.uint8((B, G, R))
img_nian = cv2.cvtColor(img_nian, cv2.COLOR_BGR2RGB)
1
2
3
4
5
6
7
8
9
10
11

八、美颜

美颜本质上就是双边滤波，函数 cv2.bilateralFilter() 能在保持边界清晰的情况下有效的去除噪音，就是人脸上的痘痘，所以有美颜效果

# ===============================美颜===============================
img_bit = cv2.bilateralFilter(src=img, d=0, sigmaColor=30, sigmaSpace=15)
img_bit = cv2.cvtColor(img_bit, cv2.COLOR_BGR2RGB)
1
2
3

完整代码

# -*- coding:utf-8 -*-
import cv2
import numpy as np
from matplotlib import pyplot as plt
import math
plt.rcParams['font.family'] = 'SimHei'
img = cv2.imread('bin.png')
img_Org = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
h, w = img.shape[:2]
# ===============================图像浮雕处理===============================
img_Fudiao = np.zeros((h, w, 3), np.uint8)
for i in range(0, h):
    for j in range(0, w - 2):              # 减2的效果和上面一样
        grayP0 = int(gray[i, j])
        grayP1 = int(gray[i, j + 2])        # 取与前一个像素点相邻的点
        newP = grayP0 - grayP1 + 150       # 得到差值，加一个 150 常数可以增加浮雕立体感
        if newP > 255:  # 新的像素值,防止像素溢出
            newP = 255
        if newP < 0:    # 新的像素值,防止像素溢出
            newP = 0
        img_Fudiao[i, j] = newP

#  ===============================图像素描处理==================================
gaussian = cv2.GaussianBlur(gray, (3, 3), 0)  # 通过高斯滤波过滤噪声
# 通过canny算法提取图像轮过
canny = cv2.Canny(gaussian, 50, 140)
# 对轮廓图像进行反二进制阈值化处理
ret, img_Sumiao = cv2.threshold(canny, 50, 255, cv2.THRESH_BINARY_INV)

# ===============================图像怀旧处理===============================
img_old = np.zeros((h, w, 3), dtype=img.dtype)
# 通过对原始图像进行遍历，通过怀旧公式修改像素值，然后进行怀旧处理
for i in range(h):
    for j in range(w):
        # B = 0.131 * img[i, j, 0] + 0.534 * img[i, j, 1] + 0.272 * img[i, j, 2]
        # G = 0.168 * img[i, j, 0] + 0.686 * img[i, j, 1] + 0.349 * img[i, j, 2]
        # R = 0.189 * img[i, j, 0] + 0.769 * img[i, j, 1] + 0.393 * img[i, j, 2]
        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]
        # 防止图像溢出
        if B > 255:
            B = 255
        if G > 255:
            G = 255
        if R > 255:
                R = 255
        img_old[i, j] = [int(R), int(G), int(B)]  # B\G\R三通道都设置为怀旧值

# ===============================图像水彩画效果处理===============================
"""
src：需要进行风格化的原始图像。
sigma_s：控制空间域滤波器的尺度，通常取值在0到200之间，数值越大则滤波器的尺度越大，图像的细节信息会被平滑处理。
sigma_r：控制像素值域滤波器的尺度，通常取值在0到1之间，数值越小则滤波器的尺度越小，图像的细节信息会被保留。
"""
img_color = cv2.stylization(img, sigma_s=60, sigma_r=0.6)
img_color = cv2.cvtColor(img_color, cv2.COLOR_BGR2RGB)

# ===============================水波特效===============================
img_wave = np.zeros((h, w, 3), np.uint8)
wavelength = 30                                 #定义水波特效波长
amplitude = 20                                  #幅度
phase = math.pi / 4                             #相位
centreX = 0.5                                   #水波中心点X
centreY = 0.5                                   #水波中心点Y
radius = min(h, w) / 2
icentreX = w*centreX                            #水波覆盖宽度
icentreY = h*centreY                            #水波覆盖高度
for i in range(0, h):
    for j in range(0, w):
        dx = j - icentreX
        dy = i - icentreY
        distance = dx * dx + dy * dy
        if distance > radius * radius:
            x = j
            y = i
        else:
            # 计算水波区域
            distance = math.sqrt(distance)
            amount = amplitude * math.sin(distance / wavelength * 2 * math.pi - phase)
            amount = amount * (radius - distance) / radius
            amount = amount * wavelength / (distance + 0.0001)
            x = j + dx * amount
            y = i + dy * amount
        # 边界判断
        if x < 0:
            x = 0
        if x >= w - 1:
            x = w - 2
        if y < 0:
            y = 0
        if y >= h - 1:
            y = h - 2
        p = x - int(x)
        q = y - int(y)
        # 图像水波赋值
        img_wave[i, j, :] = (1 - p) * (1 - q) * img[int(y), int(x), :] + p * (1 - q) * img[int(y), int(x), :]
        + (1 - p) * q * img[int(y), int(x), :] + p * q * img[int(y), int(x), :]
img_wave = cv2.cvtColor(img_wave, cv2.COLOR_BGR2RGB)

# ===============================卡通特效===============================
img_blur = cv2.medianBlur(gray, 7)                     # 中值滤波处理
img_edge = cv2.adaptiveThreshold(img_blur, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, blockSize = 5, C = 2) #边缘检测及自适应阈值化处理
img_edge = cv2.cvtColor(img_edge, cv2.COLOR_GRAY2RGB)  # 转换回彩色图像
img_cartoon = cv2.bitwise_and(img, img_edge)          # 图像的与运算
img_cartoon = cv2.cvtColor(img_cartoon, cv2.COLOR_BGR2RGB)

# ===============================流年特效===============================
img_nian = np.zeros((h, w, 3), np.uint8)
for i in range(0, h):
    for j in range(0, w):
        B = math.sqrt(img[i, j][0]) *14       # B通道的数值开平方乘以参数14
        G = img[i, j][1]
        R = img[i, j][2]
        if B > 255:
            B = 255
        img_nian[i, j] = np.uint8((B, G, R))
img_nian = cv2.cvtColor(img_nian, cv2.COLOR_BGR2RGB)
# ===============================美颜===============================
img_bit = cv2.bilateralFilter(src=img, d=0, sigmaColor=30, sigmaSpace=15)
img_bit = cv2.cvtColor(img_bit, cv2.COLOR_BGR2RGB)

plt.figure(figsize=(16,9))
plt.subplot(331),plt.imshow(img_Org), plt.xticks([]), plt.yticks([]), plt.title('原图')
plt.subplot(332),plt.imshow(img_Fudiao, cmap='gray'), plt.xticks([]), plt.yticks([]), plt.title('浮雕')
plt.subplot(333),plt.imshow(img_Sumiao, cmap='gray'), plt.xticks([]), plt.yticks([]), plt.title('素描')
plt.subplot(334),plt.imshow(img_old), plt.xticks([]), plt.yticks([]), plt.title('怀旧')
plt.subplot(335),plt.imshow(img_color), plt.xticks([]), plt.yticks([]), plt.title('水彩')
plt.subplot(336),plt.imshow(img_wave), plt.xticks([]), plt.yticks([]), plt.title('水波')
plt.subplot(337),plt.imshow(img_cartoon), plt.xticks([]), plt.yticks([]), plt.title('卡通')
plt.subplot(338),plt.imshow(img_nian), plt.xticks([]), plt.yticks([]), plt.title('流年')
plt.subplot(339),plt.imshow(img_bit), plt.xticks([]), plt.yticks([]), plt.title('美颜')
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134