什么是图像滤镜？

图像滤镜是一种方法或过程，通过它可以修改图像的颜色、阴影、色调、饱和度、纹理和其他特征。滤镜用于根据商业、艺术或审美需要在视觉上修改图像。

如今，图像滤镜在社交媒体中非常普遍。Instagram 有各种各样的滤镜，Facebook 也是如此。Picsart 等编辑应用程序也提供了许多滤镜。滤镜可以为图像提供新的视觉效果并使其看起来不同。人们使用滤镜为他们的照片提供他们想要的效果。

这里OpenCV有什么用？

OpenCV 是一个免费使用的 Python 库，可用于计算机视觉任务。它具有许多功能和方法，可用于执行各种任务。我将应用一些图像转换方法来获取滤镜并创建所需的效果。

让我们继续进行所需的导入。

import cv2
import numpy as np
import scipy

我们将主要需要 NumPy 和 OpenCV，稍后将需要 SciPy。

现在让我们阅读图像文件。

这是我们将要使用的图像文件。

#Read the image
image = cv2.imread('shop.jpg')

现在，我们可以继续实现滤镜。

灰度滤镜

我们从实现最基本和最广泛使用的滤镜开始。

灰度滤镜用于为图像提供黑白效果。基本上去除了图像中的彩色成分。我们将使用 cv2.cvtColor()将图像转换为灰度。

#greyscale filter
def greyscale(img):greyscale = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)return greyscale

现在，将该函数应用于我们的图像。

#making the greyscale image
a1 = greyscale(image)

现在，我们将图像保存为文件。

filename = 'greyscale.jpg'
# Using cv2.imwrite() method
# Saving the image
cv2.imwrite(filename, a1)

输出：

因此，我们可以看到图像已成功转换为灰度。接下来，让我们尝试另一个。

亮度调节

通常，我们看到滤镜使图像更亮，而其他滤镜会降低亮度。这些是亮度调整滤镜的结果。为此，我们将使用 cv2.convertScaleAbs()。可以更改 Beta 值以获得适当的结果。

# brightness adjustment
def bright(img, beta_value ):img_bright = cv2.convertScaleAbs(img, beta=beta_value)return img_bright

函数已定义，现在 beta 值将给出适当的结果。正值表示图像较亮，负值表示图像较暗。

#making the  more bright image
#positive beta value
a2 = bright(image, 60)

现在，我们保存图像。

filename = 'more_bright.jpg'
# Using cv2.imwrite() method
# Saving the image
cv2.imwrite(filename, a2)

输出：

正如我们所看到的，图像现在更亮了。现在，让我们制作一个更暗的图像。

#making the  less bright image
#negative beta value
a3 = bright(image, -60)

使用负Beta 值。现在，让我们保存图像。

filename = 'less_bright.jpg'
# Using cv2.imwrite() method
# Saving the image
cv2.imwrite(filename, a3)

输出：

我们可以看到图像现在不那么亮了。

锐利效果

锐化效果也被大量使用。我们将使用OpenCV 中的 filter2D方法进行适当的编辑。

锐化效果的内核将是：[[-1, -1, -1], [-1, 9.5, -1], [-1, -1, -1]]

让我们继续编码：

#sharp effect
def sharpen(img):kernel = np.array([[-1, -1, -1], [-1, 9.5, -1], [-1, -1, -1]])img_sharpen = cv2.filter2D(img, -1, kernel)return img_sharpen

现在，让我们保存图像。

#making the sharp image
a4 = sharpen(image)
filename = 'sharpen.jpg'
# Using cv2.imwrite() method
# Saving the image
cv2.imwrite(filename, a4)

输出：

正如我们所看到的，图像现在更清晰了。

棕褐色滤镜

棕褐色是图像编辑中最常用的滤镜之一。棕褐色为照片增添了温暖的棕色效果。复古、平静和怀旧的效果被添加到图像中。

让我们在 Python 中实现。

为此，我们将使用 cv2.transform() 函数。继续代码。

#sepia effect
def sepia(img):img_sepia = np.array(img, dtype=np.float64) # converting to float to prevent lossimg_sepia = cv2.transform(img_sepia, np.matrix([[0.272, 0.534, 0.131],[0.349, 0.686, 0.168],[0.393, 0.769, 0.189]])) # multipying image with special sepia matriximg_sepia[np.where(img_sepia > 255)] = 255 # normalizing values greater than 255 to 255img_sepia = np.array(img_sepia, dtype=np.uint8)return img_sepia

让我们实现该功能并保存图像。

#making the sepia image
a5 = sepia(image)
filename = 'sepia.jpg'
# Using cv2.imwrite() method
# Saving the image
cv2.imwrite(filename, a5)

输出：

效果看起来很棒。滤镜实现完美。

铅笔素描效果：灰度

让我们实现一个灰度铅笔素描效果。事实上，它很容易实现，因为有一个内置函数来实现它。

#grey pencil sketch effect
def pencil_sketch_grey(img):#inbuilt function to create sketch effect in colour and greyscalesk_gray, sk_color = cv2.pencilSketch(img, sigma_s=60, sigma_r=0.07, shade_factor=0.1) return  sk_gray

现在，我们应用该函数并保存图像。

#making the grey pencil sketch
a6 = pencil_sketch_grey(image)

filename = 'pencil_grey.jpg'
# Using cv2.imwrite() method
# Saving the image
cv2.imwrite(filename, a6)

输出：

确实，图像看起来像一个粗略的铅笔素描。现在，是时候实现彩色版本了。

铅笔素描效果：彩色版本

现在，我们实现铅笔素描效果的彩色版本。

#colour pencil sketch effect
def pencil_sketch_col(img):#inbuilt function to create sketch effect in colour and greyscalesk_gray, sk_color = cv2.pencilSketch(img, sigma_s=60, sigma_r=0.07, shade_factor=0.1) return  sk_color

我们应用该函数并保存图像。

#making the colour pencil sketch
a7 = pencil_sketch_col(image)
filename = 'pencil_col.jpg'
# Using cv2.imwrite() method
# Saving the image
cv2.imwrite(filename, a7)

输出：

效果相当有趣，总体而言，实现了铅笔素描效果。

HDR效果：

HDR 效果被大量使用，因为它增加了图像的细节层次。我将使用 **cv2.detailEnhance()**来实现这一点。

#HDR effect
def HDR(img):hdr = cv2.detailEnhance(img, sigma_s=12, sigma_r=0.15)return  hdr

现在，我们应用该函数。

#making the hdr img
a8 = HDR(image)

现在，我们保存图像。

filename = 'HDR.jpg'
# Using cv2.imwrite() method
# Saving the image
cv2.imwrite(filename, a8)

输出：

反转滤镜

反转滤镜实际上很容易实现。每个人都曾在某些时候使用过这种滤镜，让他们的头发变白。

所有，我们要做的基本上就是反转像素值。这可以通过将像素值减去 255 来完成。在 Python 中，我们可以为此使用 cv2.bitwise_not()函数。

# invert filter
def invert(img):inv = cv2.bitwise_not(img)return inv

现在，让我们应用该功能并保存图像。

#making the invert img
a9 = invert(image)
filename = 'invert.jpg'
# Using cv2.imwrite() method
# Saving the image
cv2.imwrite(filename, a9)

输出：

好像是异世界的东西吧？好吧，反转滤镜确实很有趣。

现在我们将尝试夏季和冬季效果滤镜。

为此，我们需要一个查找表。但是从头开始创建查找表是一个很大的过程。我们可以使用 SciPy 函数来实现这一点。

#defining a function
from scipy.interpolate import UnivariateSpline
def LookupTable(x, y):spline = UnivariateSpline(x, y)return spline(range(256))

现在，函数已定义，让我们继续。

夏季效果滤镜

让我们实现一个夏季效果滤镜，它基本上增加了图像的温暖度。为了实现这一点，我们将增加红色通道中的值并减少蓝色通道中的值。

#summer effect
def Summer(img):increaseLookupTable = LookupTable([0, 64, 128, 256], [0, 80, 160, 256])decreaseLookupTable = LookupTable([0, 64, 128, 256], [0, 50, 100, 256])blue_channel, green_channel,red_channel  = cv2.split(img)red_channel = cv2.LUT(red_channel, increaseLookupTable).astype(np.uint8)blue_channel = cv2.LUT(blue_channel, decreaseLookupTable).astype(np.uint8)sum= cv2.merge((blue_channel, green_channel, red_channel ))return sum

现在，保存图像。

#making the summer img
a11 = Summer(image)
filename = 'Summer.jpg'
# Using cv2.imwrite() method
# Saving the image
cv2.imwrite(filename, a11)

输出：

实现了夏季效果滤镜。

现在，我们实现冬季效果滤镜。

冬季效果滤镜：

在冬季效果滤镜中，将进行相反的操作。图像的温暖度会降低。红色通道中的值将减少，蓝色通道中的值将增加。

#winter effect
def Winter(img):increaseLookupTable = LookupTable([0, 64, 128, 256], [0, 80, 160, 256])decreaseLookupTable = LookupTable([0, 64, 128, 256], [0, 50, 100, 256])blue_channel, green_channel,red_channel = cv2.split(img)red_channel = cv2.LUT(red_channel, decreaseLookupTable).astype(np.uint8)blue_channel = cv2.LUT(blue_channel, increaseLookupTable).astype(np.uint8)win= cv2.merge((blue_channel, green_channel, red_channel))return win

代码已实现。所以，现在我们保存图像。

#making the winter img
a10 = Winter(image)
filename = 'Winter.jpg'
# Using cv2.imwrite() method
# Saving the image
cv2.imwrite(filename, a10)

输出：

效果实现了。图像暖度降低并产生寒冷效果。

要检查代码和图像文件，请检查此链接: https://github.com/prateekmaj21/Image-Processing-Tasks

☆ END ☆

如果看到这里，说明你喜欢这篇文章，请转发、点赞。微信搜索「uncle_pn」，欢迎添加小编微信「 woshicver」，每日朋友圈更新一篇高质量博文。

↓扫描二维码添加小编↓