本文旨在为用户提供在图像上应用滤镜的必要工具。我们特别探索了四种滤镜：铅笔素描、暖色效果、冷色效果，以及卡通效果。
图像滤镜
铅笔素描
首先，我们定义铅笔素描的函数：
def PencilSketch(image):
# Convert the image to Grayscale
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# Remove Noise using Gaussian Blur
blurred_image = cv2.GaussianBlur(gray_image, (21, 21), 0, 0)
# Divide the image
final_image = cv2.divide(gray_image, blurred_image, scale=256)
# Thresholding
ret, mask = cv2.threshold(final_image, 70, 255, cv2.THRESH_BINARY)
# Bitwise operation
sketched_image = cv2.bitwise_and(mask, final_image)
return sketched_image我们现在可以简单地调用该函数并将图像传递给它，并使用*cv2.imshow()*显示输出草图：
path = '../Images and Videos/Image01 - Kids.jpg'
image = cv2.imread(path)
cv2.imshow('Original Image', cv2.imread(path))
cv2.imshow('Pencil Sketch', PencilSketch(image))
cv2.waitKey()
cv2.destroyAllWindows()这会产生以下输出：
原图
铅笔素描
以类似的方式，我们为其余三个滤镜定义函数。
暖色和冷色效果
通常，为了产生暖色，我们会增加图像中的红色阴影，降低蓝色的强度，并通过增加颜色饱和度使颜色显得鲜艳。这给观众一种印象，即照片是在炎热、晴朗的日子拍摄的。
相反，要实现冷色效果，我们应该增加蓝色通道中的像素值，减少红色通道中的像素值，同时降低颜色饱和度。冷色效果给人一种在寒冷、黑暗或下雪天拍摄的照片的印象。当我们说色彩饱和度时，我们的意思是利用 HSV 色彩空间。因此，还涉及从 RGB 到 HSV 的转换。
现在让我们开始吧。我们首先必须定义一个查找表来增加像素强度，从而创建两个通用曲线滤波器。你可以在上述书中阅读曲线滤波器背后的数学原理。
from scipy.interpolate import UnivariateSpline
def LUT_8UC1(x, y):
spl = UnivariateSpline(x, y)
return spl(range(256))
increase_pixel = LUT_8UC1([0, 64, 128, 192, 256], [0, 70, 140, 210, 256])
decrease_pixel = LUT_8UC1([0, 64, 128, 192, 256], [0, 30, 80, 120, 192])你可以尝试使用这些值——这些值取自书中提供的示例。
接下来，我们定义暖色和冷色效果：
import numpy as np
import cv2
def warming_effect(image):
# Split into RGB
red, green, blue = cv2.split(image)
# Increase the pixels' intensity in Red channel
red = cv2.LUT(red, increase_pixel).astype(np.uint8)
# Decrease the pixels' intensity in Blue channel
blue = cv2.LUT(blue, decrease_pixel).astype(np.uint8)
# Combine the RGB to yield the changes
rgb_image = cv2.merge((red, green, blue))
# Convert from RGB to HSV Color space for Saturation and split into HSV
hue, saturation, value = cv2.split(cv2.cvtColor(rgb_image, cv2.COLOR_RGB2HSV))
# Increase values of Saturation
saturation = cv2.LUT(saturation, increase_pixel).astype(np.uint8)
# Warming Effect on Image
final_image = cv2.cvtColor(cv2.merge((hue, saturation, value)), cv2.COLOR_HSV2RGB)
return final_image
# No comments - Infer from the Code!
def cooling_effect(image):
red, green, blue = cv2.split(image)
red = cv2.LUT(red, decrease_pixel).astype(np.uint8)
blue = cv2.LUT(blue, increase_pixel).astype(np.uint8)
rgb_image = cv2.merge((red, green, blue))
hue, saturation, value = cv2.split(cv2.cvtColor(rgb_image, cv2.COLOR_RGB2HSV))
saturation = cv2.LUT(saturation, decrease_pixel).astype(np.uint8)
final_image = cv2.cvtColor(cv2.merge((hue, saturation, value)), cv2.COLOR_HSV2RGB)
return final_image对于与之前相同的图像，这里是暖色和冷色效果：
暖色效果
冷色效果
重要的是要注意，由于在各个函数中的定义方式，暖色和冷色效果在逻辑上可能与你的想法不符。即一张图片在蓝色通道中像素值高的图片，其蓝色通道的降温效果会更高（有待推敲）。
漫画效果
我不会详细介绍用于颜色量化的代码，但你可以从 Aditi Rastogi 的文章中了解该方法：
https://blog.devgenius.io/color-quantization-using-k-means-clustering-132300ca6864
def color_quantization(image, k):
data = np.float32(image).reshape((-1, 3))
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 20, 1.0)
success, label, center = cv2.kmeans(data, k, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS)
center = np.uint8(center)
result = center[label.flatten()]
result = result.reshape(image.shape)
return result现在我们实现卡通效果：
def cartoon_effect(image):
# Color Quantization with 7 clusters
quantized_image = color_quantization(image, 7)
# Bilateral Filtering to remove noise
bilateral_image = cv2.bilateralFilter(quantized_image, 8, 150, 150)
# Grayscale Image Conversion
gray_image = cv2.cvtColor(bilateral_image, cv2.COLOR_BGR2GRAY)
# Preserve Edges - Can also use cv2.ADAPTIVE_THRESH_GAUSSIAN_C
edge_image = cv2.adaptiveThreshold(gray_image, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 9,9)
# Integrate the filtered image with its edges
cartoon_image = cv2.bitwise_and(bilateral_image, bilateral_image, mask=edge_image)
return cartoon_image对于我们目前使用的同一张图片，这里是“卡通化”效果：
漫画效果
结论
多亏了 OpenCV，滤镜可以无缝地应用到图像上。此外，使用 NumPy 和 SciPy 可以简化图像处理。在本文中，我们了解了如何实现各种样式的滤镜。
☆ END ☆
如果看到这里，说明你喜欢这篇文章，请转发、点赞。微信搜索「uncle_pn」，欢迎添加小编微信「 woshicver」，每日朋友圈更新一篇高质量博文。
↓扫描二维码添加小编↓
