Python+OpenCV实现六种常用图像特效

图像融合

灰度处理

颜色反转

灰度反转

彩色反转

马赛克效果

毛玻璃效果

浮雕效果

图像融合

按照一定的比例将两张图片融合在一起

addWeighted()方法：

参数1第一张图片矩阵

参数2第一张图片矩阵的权重

参数3第二张图片矩阵

参数4第二张图片矩阵的权重

融合之后的偏移量

进行叠加的两张图片宽高应该相同

叠加之后的像素偏移值如果填的话不要填太大,超过255会导致图像偏白

import cv2
import cv2 as cv
img = cv.imread("img/lena.webp")
tony = cv.imread("img/tony.webp", )
# 修改lena图片的宽高  融合图像之前两个图片的宽高要保持一样
height, width = img.shape[0:2]
new_height = int(height * 1.5)
new_width = int(width * 2)
new_img = cv2.resize(img, (new_width, new_height))
# 进行叠加时的插值
dst = cv.addWeighted(new_img, 0.5, tony, 0.5, 0)
cv.imshow("dst", dst)
cv.waitKey(0)
cv.destroyAllWindows()

灰度处理

一张彩色图片通常是由BGR三个通道叠加而成

为了便于图像特征识别,我们通常会将一张彩色图片转成灰度图片来进行分析,当我们转成灰色图片之后,图片中边缘,轮廓特征仍然是能够清晰看到的,况且在这种情况下我们仅需要对单一通道进行分析,会简化很多操作

1.前面说的可以读取图片时以灰度的方式读取

import cv2
img = cv2.imread("img/lena.webp", cv.IMREAD_GRAYSCALE)

2.BGR转灰度图

import cv2
img = cv2.imread("img/lena.webp", cv.IMREAD_COLOR)
# 将原图的所有颜色转成灰色
dstImg = cv2.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.imshow("dstImg", dstImg)
cv.waitKey(0)

颜色反转 灰度反转

灰度图中每一个像素点都是0~255组成，如果一个像素点为100，反转之后就是255 - 100 = 155

import cv2 as cv
img = cv.imread("img/lena.webp", cv.IMREAD_COLOR)
# 将原图的所有颜色转成灰色
dstImg = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 获取高度和宽度
height, width = dstImg.shape[0:2]
# 遍历每一个像素点
for row in range(height):
    for col in range(width):
        # 255 - 每一个像素点 = 反转后的颜色
        dstImg[row, col] = 255 - dstImg[row, col]
cv.imshow("dstImg", dstImg)
cv.waitKey(0)

彩色反转

一样的道理，彩色图片有BGR三个颜色通道，每一个颜色都取反

255 - B = B1 255 - G = G1 255 - R = R1

import cv2 as cv
img = cv.imread("img/lena.webp", cv.IMREAD_COLOR)
# 将原图的所有颜色转成灰色
dstImg = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 获取高度和宽度
height, width = dstImg.shape[0:2]
# 遍历每一个像素点
for row in range(height):
    for col in range(width):
        # 255 - 每一个像素点 = 反转后的颜色
        dstImg[row, col] = 255 - dstImg[row, col]
cv.imshow("dstImg", dstImg)
cv.waitKey(0)

马赛克效果

马赛克指现行广为使用的一种图像（视频）处理手段，此手段将影像特定区域的色阶细节劣化并造成色块打乱的效果，因为这种模糊看上去有一个个的小格子组成，便形象的称这种画面为马赛克。其目的通常是使之无法辨认。

import cv2
# 读取图片  cv2读取出的图片都是一个二维矩阵
img = cv2.imread('./img/lena.webp', cv2.IMREAD_COLOR)
# 切片 两个点的坐标可以截取图片
# x1:x2,y1:y2  截取眼睛部分
img1 = img[180:250, 180:310]
# 获取到高度和宽度
height, width = img1.shape[0:2]
# 遍历每一个像素点
for row in range(height):
    for col in range(width):
        # 如果正好为10的倍数的行并且是10的倍数的列
        if row % 10 == 0 and col % 10 == 0:
            # 获取到这个像素点的bgr三原色
            b, g, r = img1[row, col]
            # 遍历这个像素点旁边的100个像素点 都等于中间这个像素点
            for i in range(10):
                for j in range(10):
                    img1[row + i, col + j] = b, g, r
cv2.imshow('img', img)
cv2.imwrite('msk_lena.webp', img)
cv2.waitKey()

毛玻璃效果

毛玻璃效果和马赛克效果相似，马赛克是：比如4*4的像素点内所有像素点都与第一个像素点颜色一样，毛玻璃效果为遍历每一个像素点，在该像素点附近随机选取一个颜色值替换。

偏移量越大越模糊

import random
import cv2
import numpy as np
img = cv2.imread('./lena.webp')
height, width = img.shape[0:2]
new_img = np.zeros_like(img, np.uint8)
# 定义偏移量
offset = 6
# 遍历每一个像素点
for row in range(height):
    for col in range(width):
        # 定义不超过1的随机值与offset相乘
        index = int(random.random() * offset)
        # 获取到随机完的行号和列号   如果不超过总高度就使用随机的行  如果超过就使用高度-1
        random_row = row + index if row + index < height else height - 1
        random_col = col + index if col + index < width else width - 1
        # 赋值颜色
        b, g, r = img[random_row, random_col]
        new_img[row, col] = b, g, r
cv2.imshow('img', img)
cv2.imshow('new_img', new_img)
cv2.waitKey()

浮雕效果

浮雕效果公式：new_gray = gray0-gray1+120

加120是为了增加灰度值

import cv2
import numpy as np
img = cv2.imread('./lena.webp')
# 获取高度宽度
height, width = img.shape[0:2]
# 转为灰度图
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
new_img = np.zeros_like(gray_img, np.uint8)
# 遍历每一个像素点
for row in range(height):
    # 因为要获取相邻的像素点 防止下标越界提前遍历的时候宽度-1
    for col in range(width - 1):
        # 获取像素点的像素值
        gray0 = gray_img[row, col]
        # 获取相邻像素点的像素值
        gray1 = gray_img[row, col + 1]
        # 使用浮雕效果的公式
        new_gray = int(gray0) - int(gray1) + 120
        # 判断新的灰度值是否越界
        if new_gray > 255:
            new_gray = 255
        elif new_gray < 0:
            new_gray = 0
        # 赋值
        new_img[row, col] = new_gray
cv2.imshow('img', img)
cv2.imshow('new_img', new_img)
cv2.waitKey()