python opencv 图图像像处处理理(素素描描、、怀怀旧旧、、光光照照、、流流年年、、滤滤镜镜 原原理理及及实实现现)
这篇文章主要介绍了python 基于opencv对图像进行各种处理，帮助大家更好的理解和使用python，感兴趣的朋友
可 了解下
图像像素素描描特特效效
图像素描特效主要经过 下几个步骤 ：
调用cv.cvtColor()函数将彩色图像灰度化处理 ；
通过cv.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cv.threshold()反二进制阈值化处理实现素描特效。
#coding:utf-8
import cv2 as cv
import numpy as np
#读取原始图像
img = cv.imread('d:/paojie.png')
#图像灰度处理
gray = cv.cvtCo or(img,cv.COLOR_BGR2GRAY)
#高斯滤波降噪
gaussian = cv.GaussianB ur(gray, (5,5), 0)
#Canny算子
canny = cv.Canny(gaussian, 50, 150)
#阈值化处理
ret, resu t = cv.thresho d(canny, 0, 255, cv.THRESH_BINARY_INV+cv.THRESH_OTSU)
#显示图像
#cv.imshow('src', img)
#cv.imshow('resu t ', resu t)
cv.imshow('resu t ',np.vstack((gray,resu t)))
cv.waitKey()
cv.destroyA Windows()
图像像素素描描特特效效展展示示
图像像怀旧旧特特效效
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 ：
#coding:utf-8
import cv2 as cv
import numpy as np
#读取原始图像
img = cv.imread('d:/paojie.png')
#获取图像行和列
rows, co s = img.shape[:2]
#新建目标图像
dst = np.zeros((rows, co s, 3), dtype="uint8")
#图像怀旧特效
for i in range(rows):
for j in range(co s):
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
cv.imshow('resu t ',np.vstack((img,dst)))
cv.waitKey()
cv.destroyA Windows()
图像像怀旧旧特特效效展展示示
图像像光光照照特特效效
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。
python实现代码主要是通过双层循 遍历图像的各像素点，寻找图像的中心点，再通
