該系列文章是講解Python OpenCV圖像處理知識，前期主要講解圖像入門、OpenCV基礎用法，中期講解圖像處理的各種算法，包括圖像銳化算子、圖像增強技術、圖像分割等，后期結合深度學習研究圖像識別、圖像分類應用。希望文章對您有所幫助，如果有不足之處，還請海涵~
前文參考：
[Python圖像處理] 一.圖像處理基礎知識及OpenCV入門函數
[Python圖像處理] 二.OpenCV+Numpy庫讀取與修改像素
[Python圖像處理] 三.獲取圖像屬性、興趣ROI區域及通道處理
[Python圖像處理] 四.圖像平滑之均值濾波、方框濾波、高斯濾波及中值濾波
[Python圖像處理] 五.圖像融合、加法運算及圖像類型轉換
[Python圖像處理] 六.圖像縮放、圖像旋轉、圖像翻轉與圖像平移
[Python圖像處理] 七.圖像閾值化處理及算法對比
[Python圖像處理] 八.圖像腐蝕與圖像膨脹
[Python圖像處理] 九.形態學之圖像開運算、閉運算、梯度運算
[Python圖像處理] 十.形態學之圖像頂帽運算和黑帽運算
[Python圖像處理] 十一.灰度直方圖概念及OpenCV繪制直方圖
[Python圖像處理] 十二.圖像幾何變換之圖像仿射變換、圖像透視變換和圖像校正
[Python圖像處理] 十三.基于灰度三維圖的圖像頂帽運算和黑帽運算
[Python圖像處理] 十四.基于OpenCV和像素處理的圖像灰度化處理
[Python圖像處理] 十五.圖像的灰度線性變換
[Python圖像處理] 十六.圖像的灰度非線性變換之對數變換、伽馬變換
[Python圖像處理] 十七.圖像銳化與邊緣檢測之Roberts算子、Prewitt算子、Sobel算子和Laplacian算子
[Python圖像處理] 十八.圖像銳化與邊緣檢測之Scharr算子、Canny算子和LOG算子
[Python圖像處理] 十九.圖像分割之基于K-Means聚類的區域分割
[Python圖像處理] 二十.圖像量化處理和采樣處理及局部馬賽克特效
[Python圖像處理] 二十一.圖像金字塔之圖像向下取樣和向上取樣
[Python圖像處理] 二十二.Python圖像傅里葉變換原理及實現
[Python圖像處理] 二十三.傅里葉變換之高通濾波和低通濾波
[Python圖像處理] 二十四.圖像特效處理之毛玻璃、浮雕和油漆特效
前面一篇文章我講解了常見的圖像特效處理——毛玻璃、浮雕和油漆特效，本篇文章繼續分享素描特效、懷舊特效、光照特效、流年特效以及濾鏡特效。代碼通過Python和OpenCV實現，基礎性文章，希望對你有所幫助。同時，該部分知識均為楊秀璋查閱資料撰寫，轉載請署名CSDN+楊秀璋及原地址出處，謝謝！！
1.圖像素描特效
2.圖像懷舊特效
3.圖像光照特效
4.圖像流年特效
5.圖像濾鏡特效
6.本文小結
PS：文章參考自己以前系列圖像處理文章及OpenCV庫函數，同時參考如下文獻：
《數字圖像處理》（第3版），岡薩雷斯著，阮秋琦譯，電子工業出版社，2013年.
《數字圖像處理學》（第3版），阮秋琦，電子工業出版社，2008年，北京.
《OpenCV3編程入門》，毛星云，冷雪飛，電子工業出版社，2015，北京.
Eastmount - [Android] 通過Menu實現圖片懷舊、浮雕、模糊、光照和素描效果
使用python和opencv將圖片轉化為素描圖-python代碼解析
謝灰灰在找胡蘿蔔. IOS開發－－使用lookup table為圖片添加濾鏡
百度百科. 濾鏡
一.圖像素描特效
圖像素描特效會將圖像的邊界都凸顯出來，通過邊緣檢測及閾值化處理能實現該功能。一幅圖像的內部都具有相似性，而在圖像邊界處具有明顯的差異，邊緣檢測利用數學中的求導來擴大這種變化。但是求導過程中會增大圖像的噪聲，所以邊緣檢測之前引入了高斯濾波降噪處理。本文的圖像素描特效主要經過以下幾個步驟：
- 調用cv2.cvtColor()函數將彩色圖像灰度化處理；
- 通過cv2.GaussianBlur()函數實現高斯濾波降噪；
- 邊緣檢測采用Canny算子實現；
- 最后通過cv2.threshold()反二進制閾值化處理實現素描特效。
其運行代碼如下所示。
#coding:utf-8
import
cv2
import
numpy
as
np
#讀取原始圖像
img
=
cv2
.
imread
(
'scenery.png'
)
#圖像灰度處理
gray
=
cv2
.
cvtColor
(
img
,
cv2
.
COLOR_BGR2GRAY
)
#高斯濾波降噪
gaussian
=
cv2
.
GaussianBlur
(
gray
,
(
5
,
5
)
,
0
)
#Canny算子
canny
=
cv2
.
Canny
(
gaussian
,
50
,
150
)
#閾值化處理
ret
,
result
=
cv2
.
threshold
(
canny
,
100
,
255
,
cv2
.
THRESH_BINARY_INV
)
#顯示圖像
cv2
.
imshow
(
'src'
,
img
)
cv2
.
imshow
(
'result'
,
result
)
cv2
.
waitKey
(
)
cv2
.
destroyAllWindows
(
)
最終輸出結果如下圖所示，它將彩色圖像素描處理。原圖是作者去年九月份拍攝于喀納斯，真的很美~
![[Python圖像處理] 二十五.圖像特效處理之素描、懷舊、光照、流年以及濾鏡特效_第1張圖片](https://img.it610.com/image/info8/e9ced295022f4330ac7ee475b85e9435.jpg)
圖像的素描特效有很多種方法，本文僅提供了一種方法，主要提取的是圖像的邊緣輪廓，還有很多更精細的素描特效方法，提取的輪廓更為清晰，如下圖所示。希望讀者能自行擴展相關算法知識，并實現對應的效果。
![[Python圖像處理] 二十五.圖像特效處理之素描、懷舊、光照、流年以及濾鏡特效_第2張圖片](https://img.it610.com/image/info8/f6eb07dc985a444ebb6458ad72692b0b.jpg)
二.圖像懷舊特效
圖像懷舊特效是指圖像經歷歲月的昏暗效果，如圖所示，左邊“src”為原始圖像，右邊“dst”為懷舊特效圖像。
![[Python圖像處理] 二十五.圖像特效處理之素描、懷舊、光照、流年以及濾鏡特效_第3張圖片](https://img.it610.com/image/info8/64f3c3288b8143718dd111e43bd754e0.jpg)
懷舊特效是將圖像的RGB三個分量分別按照一定比例進行處理的結果，其懷舊公式如下所示：
Python實現代碼主要通過雙層循環遍歷圖像的各像素點，再結合該公式計算各顏色通道的像素值，最終生成如圖所示的效果，其完整代碼如下。
#coding:utf-8
import
cv2
import
numpy
as
np
#讀取原始圖像
img
=
cv2
.
imread
(
'nana.png'
)
#獲取圖像行和列
rows
,
cols
=
img
.
shape
[
:
2
]
#新建目標圖像
dst
=
np
.
zeros
(
(
rows
,
cols
,
3
)
,
dtype
=
"uint8"
)
#圖像懷舊特效
for
i
in
range
(
rows
)
:
for
j
in
range
(
cols
)
:
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
)
)
#顯示圖像
cv2
.
imshow
(
'src'
,
img
)
cv2
.
imshow
(
'dst'
,
dst
)
cv2
.
waitKey
(
)
cv2
.
destroyAllWindows
(
)
三.圖像光照特效
圖像光照特效是指圖像存在一個類似于燈光的光暈特效，圖像像素值圍繞光照中心點呈圓形范圍內的增強。如下圖所示，該圖像的中心點為（192，192），光照特效之后中心圓范圍內的像素增強了200。
![[Python圖像處理] 二十五.圖像特效處理之素描、懷舊、光照、流年以及濾鏡特效_第4張圖片](https://img.it610.com/image/info8/104f42b93eb643fba8c342e74de630eb.jpg)
Python實現代碼主要是通過雙層循環遍歷圖像的各像素點，尋找圖像的中心點，再通過計算當前點到光照中心的距離（平面坐標系中兩點之間的距離），判斷該距離與圖像中心圓半徑的大小關系，中心圓范圍內的圖像灰度值增強，范圍外的圖像灰度值保留，并結合邊界范圍判斷生成最終的光照效果。
#coding:utf-8
import
cv2
import
math
import
numpy
as
np
#讀取原始圖像
img
=
cv2
.
imread
(
'scenery.png'
)
#獲取圖像行和列
rows
,
cols
=
img
.
shape
[
:
2
]
#設置中心點
centerX
=
rows
/
2
centerY
=
cols
/
2
print
centerX
,
centerY
radius
=
min
(
centerX
,
centerY
)
print
radius
#設置光照強度
strength
=
200
#新建目標圖像
dst
=
np
.
zeros
(
(
rows
,
cols
,
3
)
,
dtype
=
"uint8"
)
#圖像光照特效
for
i
in
range
(
rows
)
:
for
j
in
range
(
cols
)
:
#計算當前點到光照中心距離(平面坐標系中兩點之間的距離)
distance
=
math
.
pow
(
(
centerY
-
j
)
,
2
)
+
math
.
pow
(
(
centerX
-
i
)
,
2
)
#獲取原始圖像
B
=
img
[
i
,
j
]
[
0
]
G
=
img
[
i
,
j
]
[
1
]
R
=
img
[
i
,
j
]
[
2
]
if
(
distance
<
radius
*
radius
)
:
#按照距離大小計算增強的光照值
result
=
(
int
)
(
strength
*
(
1.0
-
math
.
sqrt
(
distance
)
/
radius
)
)
B
=
img
[
i
,
j
]
[
0
]
+
result
G
=
img
[
i
,
j
]
[
1
]
+
result
R
=
img
[
i
,
j
]
[
2
]
+
result
#判斷邊界 防止越界
B
=
min
(
255
,
max
(
0
,
B
)
)
G
=
min
(
255
,
max
(
0
,
G
)
)
R
=
min
(
255
,
max
(
0
,
R
)
)
dst
[
i
,
j
]
=
np
.
uint8
(
(
B
,
G
,
R
)
)
else
:
dst
[
i
,
j
]
=
np
.
uint8
(
(
B
,
G
,
R
)
)
#顯示圖像
cv2
.
imshow
(
'src'
,
img
)
cv2
.
imshow
(
'dst'
,
dst
)
cv2
.
waitKey
(
)
cv2
.
destroyAllWindows
(
)
四.圖像流年特效
流年是用來形容如水般流逝的光陰或年華，圖像處理中特指將原圖像轉換為具有時代感或歲月沉淀的特效，其效果如圖所示。
![[Python圖像處理] 二十五.圖像特效處理之素描、懷舊、光照、流年以及濾鏡特效_第5張圖片](https://img.it610.com/image/info8/fc59bd56b2fa44498b1aa588f536c14f.jpg)
Python實現代碼如下，它將原始圖像的藍色（B）通道的像素值開根號，再乘以一個權重參數，產生最終的流年效果。
#coding:utf-8
import
cv2
import
math
import
numpy
as
np
#讀取原始圖像
img
=
cv2
.
imread
(
'scenery.png'
)
#獲取圖像行和列
rows
,
cols
=
img
.
shape
[
:
2
]
#新建目標圖像
dst
=
np
.
zeros
(
(
rows
,
cols
,
3
)
,
dtype
=
"uint8"
)
#圖像流年特效
for
i
in
range
(
rows
)
:
for
j
in
range
(
cols
)
:
#B通道的數值開平方乘以參數12
B
=
math
.
sqrt
(
img
[
i
,
j
]
[
0
]
)
*
12
G
=
img
[
i
,
j
]
[
1
]
R
=
img
[
i
,
j
]
[
2
]
if
B
>
255
:
B
=
255
dst
[
i
,
j
]
=
np
.
uint8
(
(
B
,
G
,
R
)
)
#顯示圖像
cv2
.
imshow
(
'src'
,
img
)
cv2
.
imshow
(
'dst'
,
dst
)
cv2
.
waitKey
(
)
cv2
.
destroyAllWindows
(
)
五.圖像濾鏡特效
濾鏡主要是用來實現圖像的各種特殊效果，它在Photoshop中具有非常神奇的作用。濾鏡通常需要同通道、圖層等聯合使用，才能取得最佳藝術效果。本小節將講述一種基于顏色查找表（Look up Table）的濾鏡處理方法，它通過將每一個原始顏色進行轉換之后得到新的顏色。比如，原始圖像的某像素點為紅色（R-255, G-0, B-0），進行轉換之后變為綠色（R-0, G-255, B-0），之后所有是紅色的地方都會被自動轉換為綠色，而顏色查找表就是將所有的顏色進行一次（矩陣）轉換，很多的濾鏡功能就是提供了這么一個轉換的矩陣，在原始色彩的基礎上進行顏色的轉換。
假設現在存在一張新的濾鏡顏色查找表，如圖所示，它是一張512×512大小，包含各像素顏色分布的圖像。下面這張圖片另存為本地，即可直接用于圖像濾鏡處理。
![[Python圖像處理] 二十五.圖像特效處理之素描、懷舊、光照、流年以及濾鏡特效_第6張圖片](https://img.it610.com/image/info8/cc8beb53068349c2860b7de931b14826.jpg)
濾鏡特效實現的Python代碼如下所示，它通過自定義getBRG()函數獲取顏色查找表中映射的濾鏡顏色，再依次循環替換各顏色。
#coding:utf-8
import
cv2
import
numpy
as
np
#獲取濾鏡顏色
def
getBGR
(
img
,
table
,
i
,
j
)
:
#獲取圖像顏色
b
,
g
,
r
=
img
[
i
]
[
j
]
#計算標準顏色表中顏色的位置坐標
x
=
int
(
g
/
4
+
int
(
b
/
32
)
*
64
)
y
=
int
(
r
/
4
+
int
(
(
b
%
32
)
/
4
)
*
64
)
#返回濾鏡顏色表中對應的顏色
return
lj_map
[
x
]
[
y
]
#讀取原始圖像
img
=
cv2
.
imread
(
'scenery.png'
)
lj_map
=
cv2
.
imread
(
'table.png'
)
#獲取圖像行和列
rows
,
cols
=
img
.
shape
[
:
2
]
#新建目標圖像
dst
=
np
.
zeros
(
(
rows
,
cols
,
3
)
,
dtype
=
"uint8"
)
#循環設置濾鏡顏色
for
i
in
range
(
rows
)
:
for
j
in
range
(
cols
)
:
dst
[
i
]
[
j
]
=
getBGR
(
img
,
lj_map
,
i
,
j
)
#顯示圖像
cv2
.
imshow
(
'src'
,
img
)
cv2
.
imshow
(
'dst'
,
dst
)
cv2
.
waitKey
(
)
cv2
.
destroyAllWindows
(
)
濾鏡特效的運行結果如圖所示，其中左邊“src”為原始風景圖像，右邊“dst”為濾鏡處理后的圖像，其顏色變得更為鮮艷，對比度更強。
![[Python圖像處理] 二十五.圖像特效處理之素描、懷舊、光照、流年以及濾鏡特效_第7張圖片](https://img.it610.com/image/info8/0d644baed1a74e8684760ffdc8608c28.jpg)
六.本文小結
本篇文章主要講解了圖像常見的特效處理，從處理效果圖、算法原理、代碼實現三個步驟進行詳細講解，涉及圖像素描特效、懷舊特效、光照特效、流年特效、圖像濾鏡等，這些知識點將為讀者從事Python圖像處理相關項目實踐或科學研究提供一定基礎。
八年，從100萬名擠進2萬名，再到如今的top300，挺開心的。喜歡的不是那個數字，而是數字背后近三千天得奮斗史，以及分享知識和幫人解惑所帶來的快樂，最近總結了安全系列，且看且珍惜，繼續敲代碼嘍~
![[Python圖像處理] 二十五.圖像特效處理之素描、懷舊、光照、流年以及濾鏡特效_第8張圖片](https://img.it610.com/image/info8/8d45d2f8c50a42f696216ec4310961be.jpg)
（By：Eastmount 2019-08-14 下午3點寫于鐘書閣 https://blog.csdn.net/Eastmount )
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
