Python+OpenCV實現(xiàn)六種常用圖像特效

更新時間：2022年05月14日 15:45:03 作者：B.Bz

這篇文章主要為大家介紹了用Python和OpenCV實現(xiàn)的六種常見圖像特效：圖像融合、灰度處理、馬賽克效果、浮雕效果、毛玻璃效果和顏色反轉(zhuǎn)，需要的可以參考一下

圖像融合

按照一定的比例將兩張圖片融合在一起

addWeighted()方法：

參數(shù)1第一張圖片矩陣
參數(shù)2第一張圖片矩陣的權(quán)重
參數(shù)3第二張圖片矩陣
參數(shù)4第二張圖片矩陣的權(quán)重
融合之后的偏移量

進行疊加的兩張圖片寬高應該相同

疊加之后的像素偏移值如果填的話不要填太大,超過255會導致圖像偏白

import cv2
import cv2 as cv

img = cv.imread("img/lena.jpg")
tony = cv.imread("img/tony.jpg", )

# 修改lena圖片的寬高  融合圖像之前兩個圖片的寬高要保持一樣
height, width = img.shape[0:2]
new_height = int(height * 1.5)
new_width = int(width * 2)
new_img = cv2.resize(img, (new_width, new_height))

# 進行疊加時的插值
dst = cv.addWeighted(new_img, 0.5, tony, 0.5, 0)
cv.imshow("dst", dst)

cv.waitKey(0)
cv.destroyAllWindows()

灰度處理

一張彩色圖片通常是由BGR三個通道疊加而成

為了便于圖像特征識別,我們通常會將一張彩色圖片轉(zhuǎn)成灰度圖片來進行分析,當我們轉(zhuǎn)成灰色圖片之后,圖片中邊緣,輪廓特征仍然是能夠清晰看到的,況且在這種情況下我們僅需要對單一通道進行分析,會簡化很多操作

1.前面說的可以讀取圖片時以灰度的方式讀取

import cv2
img = cv2.imread("img/lena.jpg", cv.IMREAD_GRAYSCALE)

2.BGR轉(zhuǎn)灰度圖

import cv2

img = cv2.imread("img/lena.jpg", cv.IMREAD_COLOR)
# 將原圖的所有顏色轉(zhuǎn)成灰色
dstImg = cv2.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.imshow("dstImg", dstImg)
cv.waitKey(0)

顏色反轉(zhuǎn)

灰度反轉(zhuǎn)

灰度圖中每一個像素點都是0~255組成，如果一個像素點為100，反轉(zhuǎn)之后就是255 - 100 = 155

import cv2 as cv

img = cv.imread("img/lena.jpg", cv.IMREAD_COLOR)
# 將原圖的所有顏色轉(zhuǎn)成灰色
dstImg = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 獲取高度和寬度
height, width = dstImg.shape[0:2]
# 遍歷每一個像素點
for row in range(height):
    for col in range(width):
        # 255 - 每一個像素點 = 反轉(zhuǎn)后的顏色
        dstImg[row, col] = 255 - dstImg[row, col]

cv.imshow("dstImg", dstImg)
cv.waitKey(0)

彩色反轉(zhuǎn)

一樣的道理，彩色圖片有BGR三個顏色通道，每一個顏色都取反

255 - B = B1 255 - G = G1 255 - R = R1

import cv2 as cv

img = cv.imread("img/lena.jpg", cv.IMREAD_COLOR)
# 將原圖的所有顏色轉(zhuǎn)成灰色
dstImg = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 獲取高度和寬度
height, width = dstImg.shape[0:2]
# 遍歷每一個像素點
for row in range(height):
    for col in range(width):
        # 255 - 每一個像素點 = 反轉(zhuǎn)后的顏色
        dstImg[row, col] = 255 - dstImg[row, col]

cv.imshow("dstImg", dstImg)
cv.waitKey(0)

馬賽克效果

馬賽克指現(xiàn)行廣為使用的一種圖像（視頻）處理手段，此手段將影像特定區(qū)域的色階細節(jié)劣化并造成色塊打亂的效果，因為這種模糊看上去有一個個的小格子組成，便形象的稱這種畫面為馬賽克。其目的通常是使之無法辨認。

import cv2

# 讀取圖片  cv2讀取出的圖片都是一個二維矩陣
img = cv2.imread('./img/lena.jpg', cv2.IMREAD_COLOR)
# 切片 兩個點的坐標可以截取圖片
# x1:x2,y1:y2  截取眼睛部分
img1 = img[180:250, 180:310]
# 獲取到高度和寬度
height, width = img1.shape[0:2]
# 遍歷每一個像素點
for row in range(height):
    for col in range(width):
        # 如果正好為10的倍數(shù)的行并且是10的倍數(shù)的列
        if row % 10 == 0 and col % 10 == 0:
            # 獲取到這個像素點的bgr三原色
            b, g, r = img1[row, col]
            # 遍歷這個像素點旁邊的100個像素點 都等于中間這個像素點
            for i in range(10):
                for j in range(10):
                    img1[row + i, col + j] = b, g, r

cv2.imshow('img', img)

cv2.imwrite('msk_lena.jpg', img)
cv2.waitKey()

毛玻璃效果

毛玻璃效果和馬賽克效果相似，馬賽克是：比如4*4的像素點內(nèi)所有像素點都與第一個像素點顏色一樣，毛玻璃效果為遍歷每一個像素點，在該像素點附近隨機選取一個顏色值替換。

偏移量越大越模糊

import random

import cv2
import numpy as np

img = cv2.imread('./lena.jpg')
height, width = img.shape[0:2]
new_img = np.zeros_like(img, np.uint8)
# 定義偏移量
offset = 6
# 遍歷每一個像素點
for row in range(height):
    for col in range(width):
        # 定義不超過1的隨機值與offset相乘
        index = int(random.random() * offset)
        # 獲取到隨機完的行號和列號   如果不超過總高度就使用隨機的行  如果超過就使用高度-1
        random_row = row + index if row + index < height else height - 1
        random_col = col + index if col + index < width else width - 1
        # 賦值顏色
        b, g, r = img[random_row, random_col]
        new_img[row, col] = b, g, r

cv2.imshow('img', img)
cv2.imshow('new_img', new_img)

cv2.waitKey()

浮雕效果

浮雕效果公式：new_gray = gray0-gray1+120

加120是為了增加灰度值

import cv2
import numpy as np

img = cv2.imread('./lena.jpg')
# 獲取高度寬度
height, width = img.shape[0:2]
# 轉(zhuǎn)為灰度圖
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

new_img = np.zeros_like(gray_img, np.uint8)
# 遍歷每一個像素點
for row in range(height):
    # 因為要獲取相鄰的像素點 防止下標越界提前遍歷的時候?qū)挾?1
    for col in range(width - 1):
        # 獲取像素點的像素值
        gray0 = gray_img[row, col]
        # 獲取相鄰像素點的像素值
        gray1 = gray_img[row, col + 1]
        # 使用浮雕效果的公式
        new_gray = int(gray0) - int(gray1) + 120
        # 判斷新的灰度值是否越界
        if new_gray > 255:
            new_gray = 255
        elif new_gray < 0:
            new_gray = 0
        # 賦值
        new_img[row, col] = new_gray

cv2.imshow('img', img)
cv2.imshow('new_img', new_img)

cv2.waitKey()