油画滤镜算法描述：
该算法有两个参数，一个是模板半径（radius），则模板尺寸是（radius * 2 + 1）*（radius * 2 + 1）大小（其实也可以偶数倍数无所谓的），也就是以当前像素为中心，向外扩展 radius 个像素的矩形区域作为一个搜索范围，我们暂时将它称为“模板”（实际上该算法并不是例如高斯模糊，自定滤镜那种标准模板法，仅仅是处理过程类似）。另一个参数是光滑度（smoothness），实际上他是灰度桶的个数。我们假设把像素的灰度/亮度（ 0 ~ 255 ）均匀的分成 n 个区间，则每个区间我们在此称它为一个桶（bucket），这样我们就有很多个桶，称之为桶列表（buckets）。
（1）算法遍历图上的每个像素，针对当前位置 (x, y) 像素，将模板范围内的所有像素灰度化，即把图像变成灰度图像。
（2）把像素值进一步离散化，即根据像素的灰度落入的区间，把模板内的像素依次投入到相应的桶中。
（3）从这些桶中找到一个落入像素个数最多的桶，并对该桶中的所有像素求出颜色平均值，作为位置 (x, y) 的结果值。文中使用桶阵列（8 个桶，即把0~255的灰度值离散化成 8 个区间段）。
import cv2
import numpy as np
def oilPainting(img, templateSize, bucketSize, step):#templateSize模板大小,bucketSize桶阵列,step模板滑动步长
gray = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
gray = ((gray/256)*bucketSize).astype(int) #灰度图在桶中的所属分区
h,w = img.shape[:2]
oilImg = np.zeros(img.shape, np.uint8) #用来存放过滤图像
for i in range(0,h,step):
top = i-templateSize
bottom = i+templateSize+1
if top < 0:
top = 0
if bottom >= h:
bottom = h-1
for j in range(0,w,step):
left = j-templateSize
right = j+templateSize+1
if left < 0:
left = 0
if right >= w:
right = w-1
# 灰度等级统计
buckets = np.zeros(bucketSize,np.uint8) #桶阵列，统计在各个桶中的灰度个数
bucketsMean = [0,0,0] #对像素最多的桶，求其桶中所有像素的三通道颜色均值
#对模板进行遍历
for c in range(top,bottom):
for r in range(left,right):
buckets[gray[c,r]] += 1 #模板内的像素依次投入到相应的桶中，有点像灰度直方图
maxBucket = np.max(buckets) #找出像素最多的桶以及它的索引
maxBucketIndex = np.argmax(buckets)
for c in range(top,bottom):
for r in range(left,right):
if gray[c,r] == maxBucketIndex:
bucketsMean += img[c,r]
bucketsMean = (bucketsMean/maxBucket).astype(int) #三通道颜色均值
# 油画图
for m in range(step):
for n in range(step):
oilImg[m+i,n+j] = (bucketsMean[0],bucketsMean[1],bucketsMean[2])
return oilImg
img = cv2.imread(r'C:\Users\x\Desktop\92.jpg', cv2.IMREAD_ANYCOLOR)
oil = oilPainting(img,4,8,2)
cv2.imshow('youhua',oil)
cv2.imwrite(r'C:\Users\x\Desktop\97.jpg',oil)
cv2.waitKey(0)
cv2.destroyAllWindows()这里templateSize模板大小就是矩形模板的宽，步长step可选择1，2，3等，1图片最为细致但是速度过慢，2速度快效果也不错，3速度最快但是图片成斑状。
结果：
你可以通过图像平滑来处理图片。
然后用一张油画纹理图片，通过图层混和算法来处理图片。
PS图层混合算法之一（不透明度，正片叠底，颜色加深，颜色减淡）
下列公式中，A代表了上面图层像素的色彩值（A=像素值/255），B代表下面图层像素的色彩值（B=像素值/255），C代表了混合像素的色彩值（真实的结果像素值应该为255*C）。该公式也应用于层蒙板。
不透明度模式：
C=d*A+(1-d)*B
相对于不透明度而言，其反义就是透明度。这两个术语之间的关系就类似于正负之间的关系：100%的不透明度就是0%的透明度。该混合模式相对来说比较简单，在该混合模式下，如果两个图层的叠放顺序不一样，其结果也是不一样的（当然50%透明除外）。该公式中，A代表了上面图层像素的色彩值（A=像素值/255），d表示该层的透明度，B代表下面图层像素的色彩值（B=像素值/255），C代表了混合像素的色彩值（真实的结果像素值应该为255*C）。该公式也应用于层蒙板，在这种情况下，d代表了蒙板图层中给定位置像素的亮度，下同，不再叙述。
正片叠底模式：
C=A*B
将两个颜色的像素值相乘，然后除以255得到的结果就是最终色的像素值。通常执行正片叠底模式后的颜色比原来两种颜色都深。任何颜色和黑色正片叠底得到的任然是黑色，任何颜色和白色执行正片叠底则保持原来的颜色不变，而与其他颜色执行此模式会产生暗室中以此种颜色照明的效果。像素点的像素值是0-255，黑色值是0，白色是255.
该效果将两层像素的标准色彩值（基于0..1之间）相乘后输出，其效果可以形容成：两个幻灯片叠加在一起然后放映，透射光需要分别通过这两个幻灯片，从而被削弱了两次。
颜色加深模式：
C=1-(1-B)/A
查看每个通道的颜色信息，通过增加“对比度”使底色的颜色变暗来反映绘图色，和白色混合没变化。
该模式和上一个模式刚好相反。如果上层越暗，则下层获取的光越少，如果上层为全黑色，则下层越黑，如果上层为全白色，则根本不会影响下层。结果最亮的地方不会高于下层的像素值。
颜色减淡模式：
C=B/(1-A)
查看每个通道的颜色信息，通过降低“对比度”使底色的颜色变亮来反映绘图色，和黑色混合没变化。
该模式下，上层的亮度决定了下层的暴露程度。如果上层越亮，下层获取的光越多，也就是越亮。如果上层是纯黑色，也就是没有亮度，则根本不会影响下层。如果上层是纯白色，则下层除了像素为255的地方暴露外，其他地方全部为白色（也就是255，不暴露）。结果最黑的地方不会低于下层的像素值。
import cv2
img = cv2.imread(r'C:\Users\x\Desktop\97.jpg',cv2.IMREAD_ANYCOLOR)
img1 = cv2.imread(r'C:\Users\x\Desktop\57.jpg',cv2.IMREAD_ANYCOLOR)
img2 = cv2.resize(img1, (658,986), interpolation=cv2.INTER_CUBIC)
d = 0.84
img3 = d*(img/255)+(1-d)*(img2/255)
img4 = img3*255
#cv2.imshow('youhua',img3)
cv2.imwrite(r'C:\Users\x\Desktop\101.jpg',img4)
cv2.waitKey(0)
cv2.destroyAllWindows()结果：
待续。。。。。