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
