前言

本篇文章要使用OpenCV、Numpy 和Math這3個(gè)工具包實(shí)現(xiàn)一個(gè)簡(jiǎn)單的濾鏡編輯器。在這個(gè)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(duì)目標(biāo)圖像（如圖1所示）進(jìn)行處理，使得目標(biāo)圖像分別呈現(xiàn)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(shí)現(xiàn)浮雕濾鏡效果，首先要把實(shí)現(xiàn)浮雕濾鏡效果的原理搞清楚、弄明白。實(shí)現(xiàn)浮雕濾鏡效果的原理如下所示：

• 根據(jù)灰度圖像中的某一個(gè)像素的像素值與其周圍像素的像素值之間的差值，確定這個(gè)像素經(jīng)過卷積處理后的像素值；

• 由于邊緣點(diǎn)的像素值與其周圍像素的像素值之間的差值較大，經(jīng)卷積處理后，導(dǎo)致這些邊緣點(diǎn)較亮，從而達(dá)到凸顯邊緣的目的，進(jìn)而形成浮雕狀；

• 為經(jīng)卷積處理后的每一個(gè)像素加上一個(gè)灰度偏移值128，作為呈現(xiàn)浮雕濾鏡效果的圖像的底色。

明確了實(shí)現(xiàn)浮雕濾鏡效果的原理后，再來學(xué)習(xí)一下實(shí)現(xiàn)浮雕濾鏡效果的算法。實(shí)現(xiàn)浮雕濾鏡效果的算法如下所示：

• 對(duì)灰度圖像中的每一個(gè)像素進(jìn)行卷積處理；

• 實(shí)現(xiàn)浮雕濾鏡效果的卷積核算子需采用如下矩陣：

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

掌握了實(shí)現(xiàn)浮雕濾鏡效果的原理和算法后，下面開始編寫用于實(shí)現(xiàn)浮雕濾鏡效果的方法，即fuDiao()方法。fuDiao()方法是一個(gè)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):
    ……# 省略方法體中的代碼
    return canvas

參數(shù)說明：

 img：與目標(biāo)圖像對(duì)應(yīng)的灰度圖像。

返回值說明：

canvas：畫布，用于呈現(xiàn)浮雕濾鏡效果的圖像。

那么，fuDiao()方法被省略的代碼各自發(fā)揮怎樣的作用？此外，被省略的代碼又是那些呢？

先要明確fuDiao()方法中被省略的代碼各自發(fā)揮的作用是什么：

因?yàn)橛糜趯?shí)現(xiàn)浮雕濾鏡效果的卷積核算子是一個(gè)二維矩陣，所以需要使用Numpy工具包中的array()方法創(chuàng)建這個(gè)二維矩陣。關(guān)鍵代碼如下所示：

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

分別獲取灰度圖像中像素的行數(shù)和列數(shù)。關(guān)鍵代碼如下所示：

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

根據(jù)灰度圖像中像素的行數(shù)和列數(shù)，創(chuàng)建一個(gè)等高、等寬的，純黑色的畫布。關(guān)鍵代碼如下所示：

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

根據(jù)橫、縱坐標(biāo)，使用嵌套的for循環(huán)得到灰度圖像中的每一個(gè)像素。關(guān)鍵代碼如下所示：

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

使用實(shí)現(xiàn)浮雕濾鏡效果的卷積核算子，對(duì)灰度圖像中的每一個(gè)像素進(jìn)行卷積處理，并且為經(jīng)卷積處理后的每一個(gè)像素加上一個(gè)灰度偏移值128。關(guān)鍵代碼如下所示：

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

對(duì)于經(jīng)卷積處理且加上一個(gè)灰度偏移值后的每一個(gè)像素的像素值，如果大于255，那么等于255；如果小于0，那么等于0。關(guān)鍵代碼如下所示：

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

把經(jīng)過比較后的每一個(gè)像素的像素值根據(jù)坐標(biāo)賦值給畫布對(duì)應(yīng)位置上的像素。關(guān)鍵代碼如下所示：

canvas[i, j] = new_value

結(jié)合fuDiao()方法中被省略的代碼和它們各自發(fā)揮的作用，就能夠迅速完成fuDiao()方法的編寫。fuDiao()方法的代碼如下所示：

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(shí)現(xiàn)雕刻濾鏡效果的原理與實(shí)現(xiàn)浮雕濾鏡效果的原理大致相同，實(shí)現(xiàn)雕刻濾鏡效果的原理如下所示：

• 根據(jù)灰度圖像中的某一個(gè)像素的像素值與其周圍像素的像素值之間的差值，確定這個(gè)像素經(jīng)過卷積處理后的像素值；

• 由于邊緣點(diǎn)的像素值與其周圍像素的像素值之間的差值較大，經(jīng)卷積處理后，導(dǎo)致這些邊緣點(diǎn)較暗，從而達(dá)到凹陷邊緣的目的，進(jìn)而形成雕刻狀；

• 為經(jīng)卷積處理后的每一個(gè)像素加上一個(gè)灰度偏移值128，作為呈現(xiàn)雕刻濾鏡效果的圖像的底色。

雖然實(shí)現(xiàn)雕刻濾鏡效果的原理與實(shí)現(xiàn)浮雕濾鏡效果的原理大致相同，但是實(shí)現(xiàn)雕刻濾鏡效果的算法與實(shí)現(xiàn)浮雕濾鏡效果的算法大不相同。實(shí)現(xiàn)雕刻濾鏡效果的算法如下所示：

• 對(duì)灰度圖像中的每一個(gè)像素進(jìn)行卷積處理；

• 實(shí)現(xiàn)雕刻濾鏡效果的卷積核算子需采用如下矩陣：

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

掌握了實(shí)現(xiàn)雕刻濾鏡效果的原理和算法后，下面開始編寫用于實(shí)現(xiàn)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(gè)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):
   ……# 省略方法體中的代碼
    return canvas

參數(shù)說明：

img：與目標(biāo)圖像對(duì)應(yīng)的灰度圖像。

返回值說明：

canvas：畫布，用于呈現(xiàn)雕刻濾鏡效果的圖像。

diaoKe()方法被省略的代碼與fuDiao()方法被省略的代碼大同小異，首先明確下diaoKe()方法中被省略的代碼各自發(fā)揮的作用是什么：

用于實(shí)現(xiàn)雕刻濾鏡效果的卷積核算子與用于實(shí)現(xiàn)浮雕濾鏡效果的卷積核算子雖然不同，但也是一個(gè)二維矩陣，因此需要使用Numpy工具包中的array()方法創(chuàng)建這個(gè)二維矩陣。關(guān)鍵代碼如下所示：

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

分別獲取灰度圖像中像素的行數(shù)和列數(shù)。關(guān)鍵代碼如下所示：

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

根據(jù)灰度圖像中像素的行數(shù)和列數(shù)，創(chuàng)建一個(gè)等高、等寬的，純黑色的畫布。關(guān)鍵代碼如下所示：

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

根據(jù)橫、縱坐標(biāo)，使用嵌套的for循環(huán)得到灰度圖像中的每一個(gè)像素。關(guān)鍵代碼如下所示：

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

使用實(shí)現(xiàn)雕刻濾鏡效果的卷積核算子，對(duì)灰度圖像中的每一個(gè)像素進(jìn)行卷積處理，并且為經(jīng)卷積處理后的每一個(gè)像素加上一個(gè)灰度偏移值128。關(guān)鍵代碼如下所示：

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

對(duì)于經(jīng)卷積處理且加上一個(gè)灰度偏移值后的每一個(gè)像素的像素值，如果大于255，那么等于255；如果小于0，那么等于0。關(guān)鍵代碼如下所示：

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

把經(jīng)過比較后的每一個(gè)像素的像素值根據(jù)坐標(biāo)賦值給畫布對(duì)應(yīng)位置上的像素。關(guān)鍵代碼如下所示：

canvas[i, j] = new_value

結(jié)合diaoKe()方法中被省略的代碼和它們各自發(fā)揮的作用，就能夠迅速完成diaoKe()方法的編寫。diaoKe()方法的代碼如下所示：

  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(dāng)于用戶使用凸透鏡觀察一幅圖像而成的視覺效果。實(shí)現(xiàn)凸透鏡濾鏡效果的原理與實(shí)現(xiàn)浮雕濾鏡效果的原理和實(shí)現(xiàn)雕刻濾鏡效果的原理大不相同。下面將著重對(duì)實(shí)現(xiàn)凸透鏡濾鏡效果的原理進(jìn)行講解：

• 當(dāng)使用凸透鏡中心觀察一幅圖像時(shí)，被觀察的圖像區(qū)域?qū)凑找欢ū壤M(jìn)行放大；相應(yīng)地，這個(gè)區(qū)域的周圍區(qū)域?qū)⒈粔嚎s；

• 為了讓放大后的圖像區(qū)域看起來和諧自然，這些被壓縮的周圍區(qū)域要保持連續(xù)性。

明確了實(shí)現(xiàn)凸透鏡濾鏡效果的原理后，再來學(xué)習(xí)一下實(shí)現(xiàn)凸透鏡濾鏡效果的算法。實(shí)現(xiàn)凸透鏡濾鏡效果的算法如下所示：

• 根據(jù)目標(biāo)圖像的寬、高確定凸透鏡的半徑；

• 選擇一個(gè)凸函數(shù)作為映射函數(shù)；

如果目標(biāo)圖像中的某一個(gè)像素與目標(biāo)圖像中心之間的距離的平方不大于凸透鏡的半徑的平方（兩個(gè)整數(shù)進(jìn)行比較，保證比較結(jié)果的精確度），就使用映射函數(shù)對(duì)這個(gè)像素的橫、縱坐標(biāo)進(jìn)行映射處理。

掌握了實(shí)現(xiàn)凸透鏡濾鏡效果的原理和算法后，下面開始編寫用于實(shí)現(xiàn)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(gè)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):
    ……# 省略方法體中的代碼
    return canvas

參數(shù)說明：

 img：目標(biāo)圖像。

返回值說明：

canvas：畫布，用于呈現(xiàn)凸透鏡濾鏡效果的圖像。

先要明確tuTouJing()方法中被省略的代碼各自發(fā)揮的作用是什么：

分別獲取目標(biāo)圖像中像素的行數(shù)和列數(shù)以及目標(biāo)圖像的通道數(shù)。關(guān)鍵代碼如下所示：

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

根據(jù)目標(biāo)圖像中像素的行數(shù)和列數(shù)以及目標(biāo)圖像的通道數(shù)，創(chuàng)建一個(gè)等高、等寬、等通道數(shù)的，純黑色的畫布。關(guān)鍵代碼如下所示：

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

根據(jù)目標(biāo)圖像中像素的行數(shù)和列數(shù)，分別獲取目標(biāo)圖像中心的橫、縱坐標(biāo)。關(guān)鍵代碼如下所示：

center_x = row/2
center_y = col/2

比較目標(biāo)圖像中心的橫、縱坐標(biāo)的大小，把較小的數(shù)值作為凸透鏡的半徑。關(guān)鍵代碼如下所示：

radius = min(center_x, center_y)

根據(jù)橫、縱坐標(biāo)，使用嵌套的for循環(huán)得到目標(biāo)圖像中的每一個(gè)像素。關(guān)鍵代碼如下所示：

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

計(jì)算目標(biāo)圖像中的每一個(gè)像素與目標(biāo)圖像中心之間的距離的平方和距離。關(guān)鍵代碼如下所示：

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

把目標(biāo)圖像中的每一個(gè)像素的像素值根據(jù)坐標(biāo)賦值給畫布對(duì)應(yīng)位置上的像素。關(guān)鍵代碼如下所示：

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

如果目標(biāo)圖像中的某一個(gè)像素與目標(biāo)圖像中心之間的距離的平方不大于凸透鏡的半徑的平方，就使用映射函數(shù)對(duì)這個(gè)像素的橫、縱坐標(biāo)進(jìn)行映射處理。關(guān)鍵代碼如下所示：

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(jīng)過映射處理后的每一個(gè)像素的像素值根據(jù)坐標(biāo)賦值給畫布對(duì)應(yīng)位置上的像素。關(guān)鍵代碼如下所示：

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

結(jié)合tuTouJing()方法中被省略的代碼和它們各自發(fā)揮的作用，就能夠迅速完成tuTouJing()方法的編寫。tuTouJing()方法的代碼如下所示：

  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(jié)

到此這篇關(guān)于Python OpenCV實(shí)現(xiàn)3種濾鏡的文章就介紹到這了,更多相關(guān)Python OpenCV濾鏡效果內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論