[Python图像处理] 二十五.图像特效处理之素描、怀旧、光照、流年以及滤镜

系统 183 0

该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门、OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子、图像增强技术、图像分割等,后期结合深度学习研究图像识别、图像分类应用。希望文章对您有所帮助,如果有不足之处,还请海涵~

前文参考:
[Python图像处理] 一.图像处理基础知识及OpenCV入门函数
[Python图像处理] 二.OpenCV+Numpy库读取与修改像素
[Python图像处理] 三.获取图像属性、兴趣ROI区域及通道处理
[Python图像处理] 四.图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波
[Python图像处理] 五.图像融合、加法运算及图像类型转换
[Python图像处理] 六.图像缩放、图像旋转、图像翻转与图像平移
[Python图像处理] 七.图像阈值化处理及算法对比
[Python图像处理] 八.图像腐蚀与图像膨胀
[Python图像处理] 九.形态学之图像开运算、闭运算、梯度运算
[Python图像处理] 十.形态学之图像顶帽运算和黑帽运算
[Python图像处理] 十一.灰度直方图概念及OpenCV绘制直方图
[Python图像处理] 十二.图像几何变换之图像仿射变换、图像透视变换和图像校正
[Python图像处理] 十三.基于灰度三维图的图像顶帽运算和黑帽运算
[Python图像处理] 十四.基于OpenCV和像素处理的图像灰度化处理
[Python图像处理] 十五.图像的灰度线性变换
[Python图像处理] 十六.图像的灰度非线性变换之对数变换、伽马变换
[Python图像处理] 十七.图像锐化与边缘检测之Roberts算子、Prewitt算子、Sobel算子和Laplacian算子
[Python图像处理] 十八.图像锐化与边缘检测之Scharr算子、Canny算子和LOG算子
[Python图像处理] 十九.图像分割之基于K-Means聚类的区域分割
[Python图像处理] 二十.图像量化处理和采样处理及局部马赛克特效
[Python图像处理] 二十一.图像金字塔之图像向下取样和向上取样
[Python图像处理] 二十二.Python图像傅里叶变换原理及实现
[Python图像处理] 二十三.傅里叶变换之高通滤波和低通滤波
[Python图像处理] 二十四.图像特效处理之毛玻璃、浮雕和油漆特效

前面一篇文章我讲解了常见的图像特效处理——毛玻璃、浮雕和油漆特效,本篇文章继续分享素描特效、怀旧特效、光照特效、流年特效以及滤镜特效。代码通过Python和OpenCV实现,基础性文章,希望对你有所帮助。同时,该部分知识均为杨秀璋查阅资料撰写,转载请署名CSDN+杨秀璋及原地址出处,谢谢!!

1.图像素描特效
2.图像怀旧特效
3.图像光照特效
4.图像流年特效
5.图像滤镜特效
6.本文小结


PS:文章参考自己以前系列图像处理文章及OpenCV库函数,同时参考如下文献:
《数字图像处理》(第3版),冈萨雷斯著,阮秋琦译,电子工业出版社,2013年.
《数字图像处理学》(第3版),阮秋琦,电子工业出版社,2008年,北京.
《OpenCV3编程入门》,毛星云,冷雪飞,电子工业出版社,2015,北京.
Eastmount - [Android] 通过Menu实现图片怀旧、浮雕、模糊、光照和素描效果
使用python和opencv将图片转化为素描图-python代码解析
謝灰灰在找胡蘿蔔. IOS开发--使用lookup table为图片添加滤镜
百度百科. 滤镜


一.图像素描特效

图像素描特效会将图像的边界都凸显出来,通过边缘检测及阈值化处理能实现该功能。一幅图像的内部都具有相似性,而在图像边界处具有明显的差异,边缘检测利用数学中的求导来扩大这种变化。但是求导过程中会增大图像的噪声,所以边缘检测之前引入了高斯滤波降噪处理。本文的图像素描特效主要经过以下几个步骤:

  • 调用cv2.cvtColor()函数将彩色图像灰度化处理;
  • 通过cv2.GaussianBlur()函数实现高斯滤波降噪;
  • 边缘检测采用Canny算子实现;
  • 最后通过cv2.threshold()反二进制阈值化处理实现素描特效。

其运行代码如下所示。

            
              
                #coding:utf-8
              
              
                import
              
               cv2

              
                import
              
               numpy 
              
                as
              
               np


              
                #读取原始图像
              
              
img 
              
                =
              
               cv2
              
                .
              
              imread
              
                (
              
              
                'scenery.png'
              
              
                )
              
              
                #图像灰度处理
              
              
gray 
              
                =
              
               cv2
              
                .
              
              cvtColor
              
                (
              
              img
              
                ,
              
              cv2
              
                .
              
              COLOR_BGR2GRAY
              
                )
              
              
                #高斯滤波降噪
              
              
gaussian 
              
                =
              
               cv2
              
                .
              
              GaussianBlur
              
                (
              
              gray
              
                ,
              
              
                (
              
              
                5
              
              
                ,
              
              
                5
              
              
                )
              
              
                ,
              
              
                0
              
              
                )
              
              
                #Canny算子
              
              
canny 
              
                =
              
               cv2
              
                .
              
              Canny
              
                (
              
              gaussian
              
                ,
              
              
                50
              
              
                ,
              
              
                150
              
              
                )
              
              
                #阈值化处理
              
              
ret
              
                ,
              
               result 
              
                =
              
               cv2
              
                .
              
              threshold
              
                (
              
              canny
              
                ,
              
              
                100
              
              
                ,
              
              
                255
              
              
                ,
              
               cv2
              
                .
              
              THRESH_BINARY_INV
              
                )
              
              
                #显示图像
              
              
cv2
              
                .
              
              imshow
              
                (
              
              
                'src'
              
              
                ,
              
               img
              
                )
              
              
cv2
              
                .
              
              imshow
              
                (
              
              
                'result'
              
              
                ,
              
               result
              
                )
              
              
cv2
              
                .
              
              waitKey
              
                (
              
              
                )
              
              
cv2
              
                .
              
              destroyAllWindows
              
                (
              
              
                )
              
            
          

最终输出结果如下图所示,它将彩色图像素描处理。原图是作者去年九月份拍摄于喀纳斯,真的很美~

[Python图像处理] 二十五.图像特效处理之素描、怀旧、光照、流年以及滤镜特效_第1张图片

图像的素描特效有很多种方法,本文仅提供了一种方法,主要提取的是图像的边缘轮廓,还有很多更精细的素描特效方法,提取的轮廓更为清晰,如下图所示。希望读者能自行扩展相关算法知识,并实现对应的效果。

[Python图像处理] 二十五.图像特效处理之素描、怀旧、光照、流年以及滤镜特效_第2张图片

二.图像怀旧特效

图像怀旧特效是指图像经历岁月的昏暗效果,如图所示,左边“src”为原始图像,右边“dst”为怀旧特效图像。

[Python图像处理] 二十五.图像特效处理之素描、怀旧、光照、流年以及滤镜特效_第3张图片

怀旧特效是将图像的RGB三个分量分别按照一定比例进行处理的结果,其怀旧公式如下所示:

Python实现代码主要通过双层循环遍历图像的各像素点,再结合该公式计算各颜色通道的像素值,最终生成如图所示的效果,其完整代码如下。

            
              
                #coding:utf-8
              
              
                import
              
               cv2

              
                import
              
               numpy 
              
                as
              
               np


              
                #读取原始图像
              
              
img 
              
                =
              
               cv2
              
                .
              
              imread
              
                (
              
              
                'nana.png'
              
              
                )
              
              
                #获取图像行和列
              
              
rows
              
                ,
              
               cols 
              
                =
              
               img
              
                .
              
              shape
              
                [
              
              
                :
              
              
                2
              
              
                ]
              
              
                #新建目标图像
              
              
dst 
              
                =
              
               np
              
                .
              
              zeros
              
                (
              
              
                (
              
              rows
              
                ,
              
               cols
              
                ,
              
              
                3
              
              
                )
              
              
                ,
              
               dtype
              
                =
              
              
                "uint8"
              
              
                )
              
              
                #图像怀旧特效
              
              
                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
              
                )
              
              
                )
              
              
                #显示图像
              
              
cv2
              
                .
              
              imshow
              
                (
              
              
                'src'
              
              
                ,
              
               img
              
                )
              
              
cv2
              
                .
              
              imshow
              
                (
              
              
                'dst'
              
              
                ,
              
               dst
              
                )
              
              
cv2
              
                .
              
              waitKey
              
                (
              
              
                )
              
              
cv2
              
                .
              
              destroyAllWindows
              
                (
              
              
                )
              
            
          

三.图像光照特效

图像光照特效是指图像存在一个类似于灯光的光晕特效,图像像素值围绕光照中心点呈圆形范围内的增强。如下图所示,该图像的中心点为(192,192),光照特效之后中心圆范围内的像素增强了200。

[Python图像处理] 二十五.图像特效处理之素描、怀旧、光照、流年以及滤镜特效_第4张图片

Python实现代码主要是通过双层循环遍历图像的各像素点,寻找图像的中心点,再通过计算当前点到光照中心的距离(平面坐标系中两点之间的距离),判断该距离与图像中心圆半径的大小关系,中心圆范围内的图像灰度值增强,范围外的图像灰度值保留,并结合边界范围判断生成最终的光照效果。

            
              
                #coding:utf-8
              
              
                import
              
               cv2

              
                import
              
               math

              
                import
              
               numpy 
              
                as
              
               np


              
                #读取原始图像
              
              
img 
              
                =
              
               cv2
              
                .
              
              imread
              
                (
              
              
                'scenery.png'
              
              
                )
              
              
                #获取图像行和列
              
              
rows
              
                ,
              
               cols 
              
                =
              
               img
              
                .
              
              shape
              
                [
              
              
                :
              
              
                2
              
              
                ]
              
              
                #设置中心点
              
              
centerX 
              
                =
              
               rows 
              
                /
              
              
                2
              
              
centerY 
              
                =
              
               cols 
              
                /
              
              
                2
              
              
                print
              
               centerX
              
                ,
              
               centerY
radius 
              
                =
              
              
                min
              
              
                (
              
              centerX
              
                ,
              
               centerY
              
                )
              
              
                print
              
               radius


              
                #设置光照强度
              
              
strength 
              
                =
              
              
                200
              
              
                #新建目标图像
              
              
dst 
              
                =
              
               np
              
                .
              
              zeros
              
                (
              
              
                (
              
              rows
              
                ,
              
               cols
              
                ,
              
              
                3
              
              
                )
              
              
                ,
              
               dtype
              
                =
              
              
                "uint8"
              
              
                )
              
              
                #图像光照特效
              
              
                for
              
               i 
              
                in
              
              
                range
              
              
                (
              
              rows
              
                )
              
              
                :
              
              
                for
              
               j 
              
                in
              
              
                range
              
              
                (
              
              cols
              
                )
              
              
                :
              
              
                #计算当前点到光照中心距离(平面坐标系中两点之间的距离)
              
              
        distance 
              
                =
              
               math
              
                .
              
              
                pow
              
              
                (
              
              
                (
              
              centerY
              
                -
              
              j
              
                )
              
              
                ,
              
              
                2
              
              
                )
              
              
                +
              
               math
              
                .
              
              
                pow
              
              
                (
              
              
                (
              
              centerX
              
                -
              
              i
              
                )
              
              
                ,
              
              
                2
              
              
                )
              
              
                #获取原始图像
              
              
        B 
              
                =
              
                img
              
                [
              
              i
              
                ,
              
              j
              
                ]
              
              
                [
              
              
                0
              
              
                ]
              
              
        G 
              
                =
              
                img
              
                [
              
              i
              
                ,
              
              j
              
                ]
              
              
                [
              
              
                1
              
              
                ]
              
              
        R 
              
                =
              
               img
              
                [
              
              i
              
                ,
              
              j
              
                ]
              
              
                [
              
              
                2
              
              
                ]
              
              
                if
              
              
                (
              
              distance 
              
                <
              
               radius 
              
                *
              
               radius
              
                )
              
              
                :
              
              
                #按照距离大小计算增强的光照值
              
              
            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
            
              
                #判断边界 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
              
                )
              
              
                )
              
              
                #显示图像
              
              
cv2
              
                .
              
              imshow
              
                (
              
              
                'src'
              
              
                ,
              
               img
              
                )
              
              
cv2
              
                .
              
              imshow
              
                (
              
              
                'dst'
              
              
                ,
              
               dst
              
                )
              
              
cv2
              
                .
              
              waitKey
              
                (
              
              
                )
              
              
cv2
              
                .
              
              destroyAllWindows
              
                (
              
              
                )
              
            
          

四.图像流年特效

流年是用来形容如水般流逝的光阴或年华,图像处理中特指将原图像转换为具有时代感或岁月沉淀的特效,其效果如图所示。

[Python图像处理] 二十五.图像特效处理之素描、怀旧、光照、流年以及滤镜特效_第5张图片

Python实现代码如下,它将原始图像的蓝色(B)通道的像素值开根号,再乘以一个权重参数,产生最终的流年效果。

            
              
                #coding:utf-8
              
              
                import
              
               cv2

              
                import
              
               math

              
                import
              
               numpy 
              
                as
              
               np


              
                #读取原始图像
              
              
img 
              
                =
              
               cv2
              
                .
              
              imread
              
                (
              
              
                'scenery.png'
              
              
                )
              
              
                #获取图像行和列
              
              
rows
              
                ,
              
               cols 
              
                =
              
               img
              
                .
              
              shape
              
                [
              
              
                :
              
              
                2
              
              
                ]
              
              
                #新建目标图像
              
              
dst 
              
                =
              
               np
              
                .
              
              zeros
              
                (
              
              
                (
              
              rows
              
                ,
              
               cols
              
                ,
              
              
                3
              
              
                )
              
              
                ,
              
               dtype
              
                =
              
              
                "uint8"
              
              
                )
              
              
                #图像流年特效
              
              
                for
              
               i 
              
                in
              
              
                range
              
              
                (
              
              rows
              
                )
              
              
                :
              
              
                for
              
               j 
              
                in
              
              
                range
              
              
                (
              
              cols
              
                )
              
              
                :
              
              
                #B通道的数值开平方乘以参数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
              
                )
              
              
                )
              
              
                #显示图像
              
              
cv2
              
                .
              
              imshow
              
                (
              
              
                'src'
              
              
                ,
              
               img
              
                )
              
              
cv2
              
                .
              
              imshow
              
                (
              
              
                'dst'
              
              
                ,
              
               dst
              
                )
              
              
cv2
              
                .
              
              waitKey
              
                (
              
              
                )
              
              
cv2
              
                .
              
              destroyAllWindows
              
                (
              
              
                )
              
            
          

五.图像滤镜特效

滤镜主要是用来实现图像的各种特殊效果,它在Photoshop中具有非常神奇的作用。滤镜通常需要同通道、图层等联合使用,才能取得最佳艺术效果。本小节将讲述一种基于颜色查找表(Look up Table)的滤镜处理方法,它通过将每一个原始颜色进行转换之后得到新的颜色。比如,原始图像的某像素点为红色(R-255, G-0, B-0),进行转换之后变为绿色(R-0, G-255, B-0),之后所有是红色的地方都会被自动转换为绿色,而颜色查找表就是将所有的颜色进行一次(矩阵)转换,很多的滤镜功能就是提供了这么一个转换的矩阵,在原始色彩的基础上进行颜色的转换。

假设现在存在一张新的滤镜颜色查找表,如图所示,它是一张512×512大小,包含各像素颜色分布的图像。下面这张图片另存为本地,即可直接用于图像滤镜处理。

[Python图像处理] 二十五.图像特效处理之素描、怀旧、光照、流年以及滤镜特效_第6张图片

滤镜特效实现的Python代码如下所示,它通过自定义getBRG()函数获取颜色查找表中映射的滤镜颜色,再依次循环替换各颜色。

            
              
                #coding:utf-8
              
              
                import
              
               cv2

              
                import
              
               numpy 
              
                as
              
               np


              
                #获取滤镜颜色
              
              
                def
              
              
                getBGR
              
              
                (
              
              img
              
                ,
              
               table
              
                ,
              
               i
              
                ,
              
               j
              
                )
              
              
                :
              
              
                #获取图像颜色
              
              
    b
              
                ,
              
               g
              
                ,
              
               r 
              
                =
              
               img
              
                [
              
              i
              
                ]
              
              
                [
              
              j
              
                ]
              
              
                #计算标准颜色表中颜色的位置坐标
              
              
    x 
              
                =
              
              
                int
              
              
                (
              
              g
              
                /
              
              
                4
              
              
                +
              
              
                int
              
              
                (
              
              b
              
                /
              
              
                32
              
              
                )
              
              
                *
              
              
                64
              
              
                )
              
              
    y 
              
                =
              
              
                int
              
              
                (
              
              r
              
                /
              
              
                4
              
              
                +
              
              
                int
              
              
                (
              
              
                (
              
              b
              
                %
              
              
                32
              
              
                )
              
              
                /
              
              
                4
              
              
                )
              
              
                *
              
              
                64
              
              
                )
              
              
                #返回滤镜颜色表中对应的颜色
              
              
                return
              
               lj_map
              
                [
              
              x
              
                ]
              
              
                [
              
              y
              
                ]
              
              
                #读取原始图像
              
              
img 
              
                =
              
               cv2
              
                .
              
              imread
              
                (
              
              
                'scenery.png'
              
              
                )
              
              
lj_map 
              
                =
              
               cv2
              
                .
              
              imread
              
                (
              
              
                'table.png'
              
              
                )
              
              
                #获取图像行和列
              
              
rows
              
                ,
              
               cols 
              
                =
              
               img
              
                .
              
              shape
              
                [
              
              
                :
              
              
                2
              
              
                ]
              
              
                #新建目标图像
              
              
dst 
              
                =
              
               np
              
                .
              
              zeros
              
                (
              
              
                (
              
              rows
              
                ,
              
               cols
              
                ,
              
              
                3
              
              
                )
              
              
                ,
              
               dtype
              
                =
              
              
                "uint8"
              
              
                )
              
              
                #循环设置滤镜颜色
              
              
                for
              
               i 
              
                in
              
              
                range
              
              
                (
              
              rows
              
                )
              
              
                :
              
              
                for
              
               j 
              
                in
              
              
                range
              
              
                (
              
              cols
              
                )
              
              
                :
              
              
        dst
              
                [
              
              i
              
                ]
              
              
                [
              
              j
              
                ]
              
              
                =
              
               getBGR
              
                (
              
              img
              
                ,
              
               lj_map
              
                ,
              
               i
              
                ,
              
               j
              
                )
              
              
                #显示图像
              
              
cv2
              
                .
              
              imshow
              
                (
              
              
                'src'
              
              
                ,
              
               img
              
                )
              
              
cv2
              
                .
              
              imshow
              
                (
              
              
                'dst'
              
              
                ,
              
               dst
              
                )
              
              

cv2
              
                .
              
              waitKey
              
                (
              
              
                )
              
              
cv2
              
                .
              
              destroyAllWindows
              
                (
              
              
                )
              
            
          

滤镜特效的运行结果如图所示,其中左边“src”为原始风景图像,右边“dst”为滤镜处理后的图像,其颜色变得更为鲜艳,对比度更强。

[Python图像处理] 二十五.图像特效处理之素描、怀旧、光照、流年以及滤镜特效_第7张图片

六.本文小结

本篇文章主要讲解了图像常见的特效处理,从处理效果图、算法原理、代码实现三个步骤进行详细讲解,涉及图像素描特效、怀旧特效、光照特效、流年特效、图像滤镜等,这些知识点将为读者从事Python图像处理相关项目实践或科学研究提供一定基础。

八年,从100万名挤进2万名,再到如今的top300,挺开心的。喜欢的不是那个数字,而是数字背后近三千天得奋斗史,以及分享知识和帮人解惑所带来的快乐,最近总结了安全系列,且看且珍惜,继续敲代码喽~

[Python图像处理] 二十五.图像特效处理之素描、怀旧、光照、流年以及滤镜特效_第8张图片

(By:Eastmount 2019-08-14 下午3点写于钟书阁 https://blog.csdn.net/Eastmount )


更多文章、技术交流、商务合作、联系博主

微信扫码或搜索:z360901061

微信扫一扫加我为好友

QQ号联系: 360901061

您的支持是博主写作最大的动力,如果您喜欢我的文章,感觉我的文章对您有帮助,请请扫描上面二维码支持博主1元、2元、5元等您想捐的金额吧,狠狠点击下面给点支持吧

发表我的评论
最新评论 总共0条评论