1.图像边缘检测
图像的边缘检测：实质是对图像进行卷积运算。
实现canny边缘检测步骤：
- 转换为灰度图
- 进行高斯滤波
- canny方法实现边缘检测
调用api实现canny边缘检测，测试代码如下：
1 import cv2 2 import numpy as np 3 import random 4 img = cv2.imread('image0.jpg', 1) 5 imgInfo = img.shape 6 height = imgInfo[0] 7 width = imgInfo[1] 8 cv2.imshow('src',img) 9 # 转化为灰度图 10 gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 11 # 高斯滤波 模板大小为3*3 12 imgG = cv2.GaussianBlur(gray,(3,3),0) 13 # 调用canny方法 设置门限 大于门限则为边缘点 14 dst = cv2.Canny(img,50,50) 15 cv2.imshow('dst',dst) 16 cv2.waitKey(0)
运行结果如下：
src为原始图像：
dst为边缘检测处理后的图像：
手动实现图像边缘检测算法，以及相应的优化，测试代码如下：
1 import cv2 2 import numpy as np 3 import random 4 import math 5 img = cv2.imread('image2.jpg', 1) 6 imgInfo = img.shape 7 height = imgInfo[0] 8 width = imgInfo[1] 9 cv2.imshow('src',img) 10 # sobel 11 # 1 算子模板 第一个为y方向上的 第二个为x方向的 12 # [ 1 2 1 [1 0 -1] 13 # 0 0 0 2 0 -2 14 # -1 -2 -1] 1 0 -1] 15 # 2 图片卷积 16 # [1 2 3 4][a b c d] a*1+b*2+c*3+d*4 = dst 17 # 3 阈值判决 18 # sqrt(a*a+b*b) = f>th 19 gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 20 dst = np.zeros((height,width,1),np.uint8) 21 for i in range(0,height-2): 22 for j in range(0,width-2): 23 # y方向上的梯度 24 # gy = gray[i,j]*1+gray[i,j+1]*2+gray[i,j+2]*1-gray[i+2,j]*1-gray[i+2,j+1]*2-gray[i+2,j+2]*1 25 # 优化 y方向上的梯度 26 gy = gray[i,j]+(gray[i,j+1]<<1)+gray[i,j+2]-gray[i+2,j]-(gray[i+2,j+1]<<1)-gray[i+2,j+2] 27 # x方向上的梯度 28 # gx = gray[i,j]*1+gray[i+1,j]*2+gray[i+2,j]*1-gray[i,j+2]*1-gray[i+1,j+2]*2-gray[i+2,j+2]*1 29 # 优化 x方向上的梯度 30 gx = gray[i,j]+(gray[i+1,j]<<1)+gray[i+2,j]-gray[i,j+2]-(gray[i+1,j+2]<<1)-gray[i+2,j+2] 31 # 梯度 32 grad = math.sqrt(int(gx*gx+gy*gy)) 33 # 判断是否超过阈值 34 if grad > 50: 35 dst[i,j] = 255 36 else: 37 dst[i,j] = 0 38 cv2.imshow('dst',dst) 39 cv2.waitKey(0)
运行结果如下：
src为初始图像：
dst为边缘检测处理后的图像：
2.浮雕效果
浮雕效果：newP = gray0-gray1+150（特定值） 即当前像素等于相邻像素之差再加上一个特定值突出灰度 即边缘特征，设定不同的特征值的时候会出现不同的浮雕效果。
测试代码如下：
1 import cv2 2 import numpy as np 3 import random 4 img = cv2.imread('image0.jpg', 1) 5 imgInfo = img.shape 6 height = imgInfo[0] 7 width = imgInfo[1] 8 cv2.imshow('src',img) 9 # 转化为灰度图 10 gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 11 dst = np.zeros((height,width,1),np.uint8) 12 for i in range(0,height): 13 for j in range(0,width-1): 14 grayP0 = int(gray[i,j]) 15 grayP1 = int(gray[i,j+1]) 16 newP = grayP0-grayP1+50 17 if newP > 255: 18 newP = 255 19 if newP < 0: 20 newP = 0 21 dst[i,j] = newP 22 cv2.imshow('dst',dst) 23 cv2.waitKey(0)
运行结果如下：
src初始图像：
dst浮雕效果图像：（特定值为150的时候）
dst浮雕效果图像：（特定值为50的时候）
3.颜色映射
颜色映射按照我的理解就是一个颜色对应上另一个颜色，比如蓝色对应红色，那么一副纯蓝色的图像就会被映射为一副纯红色的图像。
颜色映射的实现方法：可以建立一张颜色映射表，另外一种简单的方法是对rgb分别乘上一个系数，以下面实现一个“蓝色效果”为例，b=b*1.5 g=g*1.3 r=r,测试代码如下：
1 import cv2 2 import numpy as np 3 import random 4 img = cv2.imread('image0.jpg', 1) 5 imgInfo = img.shape 6 height = imgInfo[0] 7 width = imgInfo[1] 8 cv2.imshow('src',img) 9 dst = np.zeros((height,width,3),np.uint8) 10 for i in range(0,height): 11 for j in range(0,width): 12 (b,g,r) = img[i,j] 13 b = b * 1.5 14 g = g * 1.3 15 # 防止越界操作 16 if b > 255: 17 b = 255 18 if g > 255: 19 g = 255 20 dst[i,j] = (b,g,r) 21 cv2.imshow('dst',dst) 22 cv2.waitKey(0)
运行结果如下：
src为初始图像：
dst为蓝色效果图像：
4.油画特效
油画特效
1 gray
2 统计方块中的灰度值
3 对灰度值进行分段
4 对灰度值取平均作为结果
测试代码如下：
1 import cv2 2 import numpy as np 3 import random 4 img = cv2.imread('Jerry.jpg', 1) 5 imgInfo = img.shape 6 height = imgInfo[0] 7 width = imgInfo[1] 8 cv2.imshow('src',img) 9 # 灰度化 10 gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 11 dst = np.zeros((height,width,3),np.uint8) 12 for i in range(4,height-4): 13 for j in range(4,width-4): 14 array1 = np.zeros(8,np.uint8) 15 for m in range(-4,4): 16 for n in range(-4,4): 17 p1 = int(gray[i+m,j+n]/32) 18 array1[p1] = array1[p1]+1 19 currentMax = array1[0] 20 l = 0 21 for k in range(0,8): 22 if currentMax < array1[k]: 23 currentMax = array1[k] 24 l=k 25 for m in range(-4,4): 26 for n in range(-4,4): 27 if gray[i+m,j+n] >= (l*32) and gray[i+m,j+n] <= ((l+1)*32): 28 (b,g,r) = img[i+m,j+n] 29 dst[i,j] = (b,g,r) 30 cv2.imshow('Jerry',dst) 31 cv2.waitKey(0)
运行结果如下：
src为原始图像：
Jerry是处理后的图像：
