实现素描效果 | 您所在的位置:网站首页 › 图像处理opencv效果图 › 实现素描效果 |
目录
素描的实现原理反色的实现高斯滤波
素描的实现原理
要实现一种图像处理的效果,首先我们需要掌握其实现的具体原理。 相信经常使用PS的用户肯定自己通过该软件处理过素描的效果实现。那么,我们可以参考一样PS实现素描效果的步骤: 去色:因为素描只有黑白两种颜色,所以彩色图像必须转换为灰度图像复制去色图层,并且反色。反色的公式为:Y(i,j)=255-X(i,j)对反射图像进行高斯模糊模糊后的图像叠加模式选择颜色减淡效果而颜色减淡的公式如下: C=MIN(A+(A+B)/(255-B),255) C:混合结果 A:去色后的像素点 B:高斯模糊后的像素点 反色的实现既然步骤中有反色的操作,那么在OpenCV中如何实现反色操作呢? 其实,实现反色可以通过cv2.addWeighted()函数来实现。原理是:用一张图片像素为0的图像与灰度图像进行叠加,而这个全0的像素图像宽高必须与原图的宽高一致,同时其gamma参数必须设置为255。 具体代码如下: def sketch_effect(img): new_img = img.copy() h, w, n = img.shape gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) zero_img = np.zeros((h, w), dtype=np.uint8) gray = cv2.addWeighted(gray, -1, zero_img, 0, 255, 0)反色运算换算成数学公式如下: dst=src1alpha+src2beta+gamma 高斯滤波通过上面的代码,我们实现了第一步转换为灰度图像,也实现了第二步进行反色操作。 接下来,我们需要做的就是实现高通滤波。高通滤波在17篇博文图像平滑处理中已经介绍。实现高通滤波的函数为:cv2.GaussianBlur()。 下面,我们来对图像进行第三个操作:对反色图像进行高通滤波。代码如下: def sketch_effect(img): h, w, n = img.shape gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) zero_img = np.zeros((h, w), dtype=np.uint8) anti_color = cv2.addWeighted(gray, -1, zero_img, 0, 255, 0) cv2.imshow("2", anti_color) grayGB = cv2.GaussianBlur(anti_color, (15, 15), 0) new_img = cv2.addWeighted(gray, 0.5, grayGB, 0.5, 0) return new_img if __name__ == "__main__": img = cv2.imread("4.jpg") cv2.imshow("0", img) cv2.imshow("1", sketch_effect(img)) cv2.waitKey() cv2.destroyAllWindows()运行之后效果如下: 左0为原图,中间1为实现的素描效果,右2为反色图像。 |
CopyRight 2018-2019 实验室设备网 版权所有 |