Python-OpenCV实现素描效果
素描的实现原理
要实现一种图像处理的效果,首先我们需要掌握其实现的具体原理。
相信经常使用PS的用户肯定自己通过该软件处理过素描的效果实现。那么,我们可以参考一样PS实现素描效果的步骤:
去色:因为素描只有黑白两种颜色,所以彩色图像必须转换为灰度图像
复制去色图层,并且反色。反色的公式为:Y(i,j)=255-X(i,j)
对反射图像进行高斯模糊
模糊后的图像叠加模式选择颜色减淡效果
而颜色减淡的公式如下:
C=MIN(A+(A+B)/(255-B),255)
C:混合结果
A:去色后的像素点
B:高斯模糊后的像素点
感谢鼓励与支持🌹🌹🌹,往期文章都在最后梳理出来了(●'◡'●)
👇👇 👇👇
反色的实现
def sketch_effect(img):
new_img = img.copy()
w, n = img.shape
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
zero_img = np.zeros((h, w), dtype=np.uint8)
gray = cv2.addWeighted(gray, -1, zero_img, 0, 255, 0)
高斯滤波
通过上面的代码,我们实现了第一步转换为灰度图像,也实现了第二步进行反色操作。
接下来,我们需要做的就是实现高通滤波。实现高通滤波的函数为:cv2.GaussianBlur()。
下面,我们来对图像进行第三个操作:对反色图像进行高通滤波。代码如下:
def sketch_effect(img):
h, w, n = img.shape
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
zero_img = np.zeros((h, w), dtype=np.uint8)
anti_color = cv2.addWeighted(gray, -1, zero_img, 0, 255, 0)
cv2.imshow("2", anti_color)
grayGB = cv2.GaussianBlur(anti_color, (15, 15), 0)
new_img = cv2.addWeighted(gray, 0.5, grayGB, 0.5, 0)
return new_img
if __name__ == "__main__":
img = cv2.imread("4.jpg")
cv2.imshow("0", img)
cv2.imshow("1", sketch_effect(img))
cv2.waitKey()
cv2.destroyAllWindows()
运行之后效果如下:
左0为原图,中间1为实现的素描效果,右2为反色图像。
「❤️ 感谢大家」
如果你觉得这篇内容对你挺有有帮助的话:
点赞支持下吧,让更多的人也能看到这篇内容(收藏不点赞,都是耍流氓 -_-) 欢迎在留言区与我分享你的想法,也欢迎你在留言区记录你的思考过程。 觉得不错的话,也可以阅读近期梳理的文章(感谢鼓励与支持🌹🌹🌹):
老铁,三连支持一下,好吗?↓↓↓
点分享
点点赞
点在看
评论