网站类网站开发源代码,网络营销策划书1500字,pc端和移动端的网站,中国建筑装饰网 郭金辉Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 简单实战案例 之八 简单水彩画效果 目录
Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 简单实战案例 之八 简单水彩画效果
一、简单介绍
二、简单图像浮雕效果实现原理
三、简单水彩画效果案例实现简单步骤
四、注意事项…Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 简单实战案例 之八 简单水彩画效果 目录
Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 简单实战案例 之八 简单水彩画效果
一、简单介绍
二、简单图像浮雕效果实现原理
三、简单水彩画效果案例实现简单步骤
四、注意事项 一、简单介绍
Python是一种跨平台的计算机程序设计语言。是一种面向对象的动态类型语言最初被设计用于编写自动化脚本(shell)随着版本的不断更新和语言新功能的添加越多被用于独立的、大型项目的开发。Python是一种解释型脚本语言可以应用于以下领域 Web 和 Internet开发、科学计算和统计、人工智能、教育、桌面界面开发、软件开发、后端开发、网络爬虫。
这里使用 Python 基于 OpenCV 进行视觉图像处理...... 二、简单图像浮雕效果实现原理
水彩画是一种具有独特风格的绘画形式其特点包括 色彩丰富水彩画常常使用鲜艳的色彩色彩层次丰富可以呈现出丰富多彩的效果。 柔和渐变水彩画的色彩过渡通常比较柔和可以呈现出平滑的渐变效果使得画面更加柔和自然。 透明质感水彩画具有一种透明质感颜色之间可以相互渗透形成柔和的色彩层次。 颜料晕染在水彩画中颜料常常会晕染开来形成具有艺术感染力的效果。 要实现水彩画效果可以采用以下方法 模糊处理对图像进行模糊处理可以使得图像中的细节变得柔和呈现出水彩画的特有质感。常见的模糊方法包括高斯模糊、中值模糊等。 边缘保留滤波边缘保留滤波可以保留图像的边缘信息同时对图像的其他部分进行模糊处理从而增强图像的整体层次感和质感。 颜色量化对图像的颜色进行量化处理可以降低图像的色彩深度使得图像的色彩更加柔和符合水彩画的特点。 纹理增强通过增强图像的纹理信息可以使得图像更加丰富多彩增强水彩画的艺术感染力。 局部调整根据实际需求对图像的局部区域进行调整可以进一步增强水彩画的效果使得画面更加丰富多彩。
实现原理
1、灰度转换首先将彩色图像转换为灰度图像以减少处理的复杂度。 将彩色图像转换为灰度图像通常可以使用以下函数 gray_image cv2.cvtColor(color_image, cv2.COLOR_BGR2GRAY) 这里 color_image 是彩色图像cv2.COLOR_BGR2GRAY 表示将BGR格式的彩色图像转换为灰度图像。 2、中值模糊处理对灰度图像进行中值模糊处理以减少图像中的噪声使得后续的边缘检测更加准确。 对灰度图像进行中值模糊处理可以使用以下函数 blurred_image cv2.medianBlur(gray_image, ksize)这里 ksize 是中值模糊的核大小一般取奇数表示模糊的程度。 3、边缘检测使用 Laplacian 算子进行边缘检测以获取图像中的边缘信息。 使用 Laplacian 算子进行边缘检测可以使用以下函数 edges cv2.Laplacian(blurred_image, ddepth, ksize)这里 ddepth 表示输出图像的深度通常设置为cv2.CV_64Fksize 是 Laplacian 算子的核大小。 4、边缘二值化对边缘图像进行二值化处理得到一个边缘掩码其中边缘部分为白色255非边缘部分为黑色0。 对边缘图像进行二值化处理可以使用以下函数 _, edge_binary cv2.threshold(edges, threshold, max_val, cv2.THRESH_BINARY)这里 threshold 是阈值超过阈值的像素设为 max_val否则设为0。 5、颜色量化对原始彩色图像进行颜色量化处理保留图像的边缘特征同时降低图像的颜色深度。
对原始彩色图像进行颜色量化处理保留图像的边缘特征可以使用以下函数
quantized_image cv2.cvtColor(color_image, cv2.COLOR_BGR2LAB)这里将彩色图像转换到 LAB 色彩空间这种颜色空间对颜色量化非常友好。
6、合并处理将颜色量化后的图像与边缘掩码进行合并只保留图像中的边缘部分并对非边缘部分进行遮罩从而生成水彩画效果的图像。 合并处理可以通过以下函数实现 result_image cv2.bitwise_and(quantized_image, quantized_image, maskedge_binary)这里的关键函数是 cv2.bitwise_and()它是 OpenCV 中用于按位与运算的函数。具体参数含义如下 quantized_image: 颜色量化后的图像。quantized_image: 作为第二个参数这里与第一个参数相同表示进行按位与运算的第二个图像。mask: 边缘掩码即二值化后的边缘图像。只有与该掩码中对应位置为白色的像素才会被保留其他像素会被置为0。 这样处理后结果图像中只会保留原始彩色图像的边缘部分非边缘部分会被遮罩掉生成水彩画效果的图像。 三、简单水彩画效果案例实现简单步骤
1、编写代码 2、运行效果 3、具体代码 简单水彩画效果import cv2def watercolor_effect(image):水彩画效果:param image::return:# 将图像转换为灰度图像gray cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 对灰度图像进行中值模糊处理blurred cv2.medianBlur(gray, 15)# 对模糊处理后的图像进行边缘检测edges cv2.Laplacian(blurred, cv2.CV_8U, ksize5)# 对边缘图像进行二值化处理_, mask cv2.threshold(edges, 100, 255, cv2.THRESH_BINARY_INV)# 对原始图像进行颜色量化quantized cv2.edgePreservingFilter(image, flags1, sigma_s60, sigma_r0.4)# 将颜色量化后的图像与边缘掩码进行合并watercolor cv2.bitwise_and(quantized, quantized, maskmask)return watercolordef main():# 读取图像image cv2.imread(Images/DogFace.jpg)# 设置窗口属性并显示图片cv2.namedWindow(Dog, cv2.WINDOW_KEEPRATIO)cv2.imshow(Dog, image)# 应用水彩画效果watercolor_image watercolor_effect(image)# 设置窗口属性并显示图片cv2.namedWindow(Watercolor Image, cv2.WINDOW_KEEPRATIO)cv2.imshow(Watercolor Image, watercolor_image)cv2.waitKey(0)cv2.destroyAllWindows()if __name__ __main__:main()四、注意事项 参数调整水彩画效果的质量受到参数的影响尤其是中值模糊处理、边缘检测和颜色量化的参数。可以根据实际情况调整参数以获得最佳的效果。 灰度处理在处理彩色图像之前首先要将其转换为灰度图像。这是因为水彩画效果通常只应用于单通道图像。 效率考虑水彩画效果的处理可能会比较耗时尤其是在边缘检测和颜色量化方面。因此在处理大尺寸图像时需要考虑到效率问题。
