Простые эффекты фильтров в OpenCV
OpenCV предоставляет богатый набор алгоритмов обработки изображений и компьютерного зрения, широко используемых в обработке изображений, анализе видео, обнаружении объектов и других областях.
В этой статье будет рассказано, как использовать OpenCV для реализации нескольких простых эффектов фильтров, включая эффекты оттенков серого, ностальгии и тиснения.
Ниже представлены основные эффекты фильтров:
| Эффект фильтра | Метод реализации |
|---|---|
| Фильтр оттенков серого | cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) |
| Ностальгический фильтр | Имитация эффектов старых фотографий путём настройки весов цветовых каналов. |
| Фильтр тиснения | Использовать ядро свёртки[[-2, -1, 0], [-1, 1, 1], [0, 1, 2]]для выполнения операции свёртки. |
| Фильтр размытия | cv2.GaussianBlur(image, (15, 15), 0) |
| Фильтр повышения резкости | Использовать ядро свёртки[[0, -1, 0], [-1, 5, -1], [0, -1, 0]]для выполнения операции свёртки. |
| Фильтр обнаружения границ | cv2.Canny(gray_image, 100, 200) |
1. Фильтр оттенков серого
Фильтр оттенков серого — один из самых простых фильтров; он преобразует цветные изображения в изображения в оттенках серого.
Изображение в оттенках серого имеет только один канал, и каждое значение пикселя представляет яркость.
Шаги реализации
- Прочитайте изображение.
- Используйте
cv2.cvtColor()функция для преобразования изображения из цветового пространства BGR в цветовое пространство оттенков серого.
Пример
# Прочитать изображение
image = cv2.imread('input.jpg')
# Преобразовать изображение в оттенки серого
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# Сохранить изображение в оттенках серого
cv2.imwrite('gray_output.jpg', gray_image)
# Отобразить изображение в оттенках серого
cv2.imshow('Gray Image', gray_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
Анализ кода:
cv2.imread('input.jpg'): Прочитать файл изображения.cv2.cvtColor(image, cv2.COLOR_BGR2GRAY): Преобразовать изображение из цветового пространства BGR в цветовое пространство оттенков серого.cv2.imwrite('gray_output.jpg', gray_image): Сохранить изображение в оттенках серого.cv2.imshow('Gray Image', gray_image): Отобразить изображение в оттенках серого.
2. Ностальгический фильтр
Ностальгический фильтр настраивает цветовые каналы изображения, чтобы придать ему ретро-эффект.
Обычно ностальгический фильтр увеличивает интенсивность красного и зелёного каналов, одновременно уменьшая интенсивность синего канала.
Шаги реализации
- Прочитайте изображение.
- Разделите каналы BGR изображения.
- Настройте интенсивность каждого канала.
- Объедините каналы, чтобы создать изображение с ностальгическим эффектом.
Пример
import numpy as np
# Прочитать изображение
image = cv2.imread('input.jpg')
# Разделить каналы BGR
b, g, r = cv2.split(image)
# Настроить интенсивность каналов
r = np.clip(r * 0.393 + g * 0.769 + b * 0.189, 0, 255).astype(np.uint8)
g = np.clip(r * 0.349 + g * 0.686 + b * 0.168, 0, 255).astype(np.uint8)
b = np.clip(r * 0.272 + g * 0.534 + b * 0.131, 0, 255).astype(np.uint8)
# Объединить каналы
vintage_image = cv2.merge((b, g, r))
# Сохранить изображение с ностальгическим эффектом
cv2.imwrite('vintage_output.jpg', vintage_image)
# Отобразите ностальгическое изображение
cv2.imshow('Винтажное изображение', vintage_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
Анализ кода:
cv2.split(image): Разделите каналы BGR изображения.np.clip(): Убедитесь, что значения пикселей находятся в диапазоне от 0 до 255.cv2.merge((b, g, r)): Объедините скорректированные каналы, чтобы создать изображение с ностальгическим эффектом.
3. Фильтр тиснения
Фильтр тиснения создает эффект, подобный тиснению, путем вычисления разницы между соседними пикселями изображения. Этот фильтр часто используется для усиления краев и текстур на изображении.
Шаги реализации
- Прочитайте изображение.
- Преобразуйте изображение в оттенки серого.
- Используйте ядро свертки для вычисления эффекта тиснения.
Пример
import numpy as np
# Прочитать изображение
image = cv2.imread('input.jpg')
# Преобразовать изображение в оттенки серого
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# Определите ядро свертки
kernel = np.array([[-2, -1, 0],
[-1, 1, 1],
[ 0, 1, 2]])
# Примените ядро свертки
emboss_image = cv2.filter2D(gray_image, -1, kernel)
# Сохранить изображение с эффектом тиснения
cv2.imwrite('emboss_output.jpg', emboss_image)
# Отобразить изображение с эффектом тиснения
cv2.imshow('Изображение с эффектом тиснения', emboss_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
Анализ кода:
cv2.cvtColor(image, cv2.COLOR_BGR2GRAY): Преобразовать изображение в оттенки серого.cv2.filter2D(gray_image, -1, kernel): Применить ядро свёртки для создания эффекта тиснения.
4. Фильтр размытия
Фильтр размытия уменьшает шум и детализацию изображения, сглаживая его.
Пример
# Прочитать изображение
image = cv2.imread("path/to/image.jpg")
# Фильтр размытия
blurred_image = cv2.GaussianBlur(image, (15, 15), 0)
# Отобразить результат
cv2.imshow("Фильтр размытия", blurred_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
5. Фильтр повышения резкости
Фильтр повышения резкости делает изображение более чётким, усиливая его края.
Пример
import numpy as np
# Прочитать изображение
image = cv2.imread("path/to/image.jpg")
# Фильтр повышения резкости
sharpen_kernel = np.array([[0, -1, 0],
[-1, 5, -1],
[0, -1, 0]])
sharpened_image = cv2.filter2D(image, -1, sharpen_kernel)
# Отобразить результат
cv2.imshow("Фильтр повышения резкости", sharpened_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
6. Фильтр обнаружения краёв
Фильтр обнаружения краёв выделяет контуры объектов, обнаруживая края на изображении.
Пример
# Прочитать изображение
image = cv2.imread("path/to/image.jpg")
# Преобразовать изображение в оттенки серого
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# Фильтр обнаружения краёв
edges_image = cv2.Canny(gray_image, 100, 200)
# Отобразить результат
cv2.imshow("Фильтр границ", edges_image)
cv2.waitKey(0)
cv2.destroyAllWindows()