python opencv 图图像像处处理理(素素描描、、怀怀旧旧、、光光照照、、流流年年、、滤滤镜镜 原原理理及及实实现现)

这篇文章主要介绍了python 基于opencv对图像进行各种处理，帮助大家更好的理解和使用python，感兴趣的朋友

可 了解下

图像像素素描描特特效效

图像素描特效主要经过 下几个步骤 ：

调用cv.cvtColor()函数将彩色图像灰度化处理 ；

通过cv.GaussianBlur()函数实现高斯滤波降噪 ；

边缘检测采用Canny算子实现 ；

最后通过cv.threshold()反二进制阈值化处理实现素描特效。

#coding:utf-8

import cv2 as cv

import numpy as np

#读取原始图像

img = cv.imread('d:/paojie.png')

#图像灰度处理

gray = cv.cvtCo or(img,cv.COLOR_BGR2GRAY)

#高斯滤波降噪

gaussian = cv.GaussianB ur(gray, (5,5), 0)

#Canny算子

canny = cv.Canny(gaussian, 50, 150)

#阈值化处理

ret, resu t = cv.thresho d(canny, 0, 255, cv.THRESH_BINARY_INV+cv.THRESH_OTSU)

#显示图像

#cv.imshow('src', img)

#cv.imshow('resu t ', resu t)

cv.imshow('resu t ',np.vstack((gray,resu t)))

cv.waitKey()

cv.destroyA Windows()

图像像素素描描特特效效展展示示

图像像怀旧旧特特效效

怀旧特效是将图像的RGB三个分量分别按照一定比例进行处理的结果，其怀旧公式如下所示 ：

#coding:utf-8

import cv2 as cv

import numpy as np

#读取原始图像

img = cv.imread('d:/paojie.png')

#获取图像行和列

rows, co s = img.shape[:2]

#新建目标图像

dst = np.zeros((rows, co s, 3), dtype="uint8")

#图像怀旧特效

for i in range(rows):

for j in range(co s):

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]

if B>255:

B = 255

if G>255:

G = 255

if R>255:

R = 255

dst[i,j] = np.uint8((B, G, R))

#显示图像

cv.imshow('resu t ',np.vstack((img,dst)))

cv.waitKey()

cv.destroyA Windows()

图像像怀旧旧特特效效展展示示

图像像光光照照特特效效

图像光照特效是指图像存在一个类似于灯光的光晕特效，图像像素值围绕光照中心点呈圆形范围内的增强。

python实现代码主要是通过双层循 遍历图像的各像素点，寻找图像的中心点，再通