这篇教程OpenCV-Python实现怀旧滤镜与连环画滤镜写得很实用，希望能帮到您。
怀旧滤镜实现原理不管是荣耀华为手机还是其他的手机，我们都可以找到相机中的怀旧效果，这是手机中常用的一种滤镜效果。 怀旧风格的设计主要是在图像的颜色空间进行处理。以BGR为例，对B、G、R这3个通道的颜色数值进行处理，让图像有一种泛黄的怀旧效果。设计的转换公式如下： B=0.272r+0.534g+0.131*b G=0.349r+0.686g+0.168*b R=0.393r+0.769g+0.189*b
计算公式中的小写的bgr是原图像的RGB通道的颜色，结果BGR是怀旧变换后的值。需要注意的是，颜色值的范围在[0,255]，需要在程序中约束一下。
实现怀旧滤镜既然我们已经了解了其实现的原理公式。下面我们直接上代码实现该功能，具体代码如下所示： def cowboy_effect(img): new_img = img.copy() h, w, n = img.shape for i in range(w): for j in range(h): b = img[j, i, 0] g = img[j, i, 1] r = img[j, i, 2] B = int(0.272 * r + 0.534 * g + 0.131 * b) G = int(0.349 * r + 0.686 * g + 0.168 * b) R = int(0.393 * r + 0.769 * g + 0.189 * b) new_img[j, i, 0] = max(0, min(B, 255)) new_img[j, i, 1] = max(0, min(G, 255)) new_img[j, i, 2] = max(0, min(R, 255)) return new_imgif __name__ == "__main__": img = cv2.imread("48.jpg") cv2.imshow("0", img) cv2.imshow("1", cowboy_effect(img)) cv2.waitKey() cv2.destroyAllWindows()运行之后，效果如下：
连环画滤镜原理从怀旧滤镜就可以看出来，其实相机的各种滤镜效果就是对RGB的颜色通道进行计算处理。既然怀旧滤镜有公式，那么肯定的连环画滤镜也有公式。它的具体公式如下： R = |g – b + g + r| * r / 256 G = |b – g + b + r| * r / 256 B = |b – g + b + r| * g / 256
实现连环画滤镜有了公式，下面直接套用公式即可。具体代码如下所示： # 连环画滤镜def comics_effect(img): new_img = img.copy() h, w, n = img.shape for i in range(w): for j in range(h): b = img[j, i, 0] g = img[j, i, 1] r = img[j, i, 2] R = int(int(abs(g - b + g + r)) * r / 256) G = int(int(abs(b - g + b + r)) * r / 256) B = int(int(abs(b - g + b + r)) * g / 256) new_img[j, i, 0] = R new_img[j, i, 1] = G new_img[j, i, 2] = B return new_imgif __name__ == "__main__": img = cv2.imread("48.jpg") cv2.imshow("0", img) cv2.imshow("1", comics_effect(img)) cv2.waitKey() cv2.destroyAllWindows()运行之后，效果如下：
综上所述，基本上所有的基础滤镜都是通过对RGB通道的颜色值进行公式计算得到的。当然，要是数学很好，又对算法情有独钟的读者，可以自己自研滤镜算法丰富滤镜的效果。
熔铸算法r = r*128/(g+b +1);
g = g*128/(r+b +1);
b = b*128/(g+r +1);
冰冻算法r = (r-g-b)*3/2;
g = (g-r-b)*3/2;
b = (b-g-r)*3/2;
#include <math.h>#include <opencv/cv.h>#include <opencv/highgui.h>#define MAXSIZE (32768)using namespace cv;using namespace std; void casting(const Mat& src){ Mat img; src.copyTo(img); int width=src.cols; int heigh=src.rows; Mat dst(img.size(),CV_8UC3); for (int y=0;y<heigh;y++) { uchar* imgP=img.ptr<uchar>(y); uchar* dstP=dst.ptr<uchar>(y); for (int x=0;x<width;x++) { float b0=imgP[3*x]; float g0=imgP[3*x+1]; float r0=imgP[3*x+2]; float b = b0*255/(g0+r0+1); float g = g0*255/(b0+r0+1); float r = r0*255/(g0+b0+1); r = (r>255 ? 255 : (r<0? 0 : r)); g = (g>255 ? 255 : (g<0? 0 : g)); b = (b>255 ? 255 : (b<0? 0 : b)); dstP[3*x] = (uchar)b; dstP[3*x+1] = (uchar)g; dstP[3*x+2] = (uchar)r; } } imshow("熔铸",dst); imwrite("D:/img/熔铸.jpg",dst); } void freezing(const Mat& src){ Mat img; src.copyTo(img); int width=src.cols; int heigh=src.rows; Mat dst(img.size(),CV_8UC3); for (int y=0;y<heigh;y++) { uchar* imgP=img.ptr<uchar>(y); uchar* dstP=dst.ptr<uchar>(y); for (int x=0;x<width;x++) { float b0=imgP[3*x]; float g0=imgP[3*x+1]; float r0=imgP[3*x+2]; float b = (b0-g0-r0)*3/2; float g = (g0-b0-r0)*3/2; float r = (r0-g0-b0)*3/2; r = (r>255 ? 255 : (r<0? -r : r)); g = (g>255 ? 255 : (g<0? -g : g)); b = (b>255 ? 255 : (b<0? -b : b));// r = (r>255 ? 255 : (r<0? 0 : r));// g = (g>255 ? 255 : (g<0? 0 : g));// b = (b>255 ? 255 : (b<0? 0 : b)); dstP[3*x] = (uchar)b; dstP[3*x+1] = (uchar)g; dstP[3*x+2] = (uchar)r; } } imwrite("D:/img/冰冻.jpg",dst);} int main(){ Mat src = imread("D:/img/scene04.jpg",1); imshow("src",src); casting(src); freezing(src); waitKey(); }到此这篇关于OpenCV-Python实现怀旧滤镜与连环画滤镜的文章就介绍到这了,更多相关OpenCV 怀旧滤镜与连环画滤镜内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
OpenCV-Python实现轮廓的特征值
python mysql项目实战及框架搭建过程 |
