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_img
if __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_img
if __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www.887551.com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www.887551.com！
