計算機視覺之圖像特效（實現圖像邊緣檢測、浮雕效果、顏色映射、油畫特效等功能）

1.圖像邊緣檢測

圖像的邊緣檢測：實質是對圖像進行卷積運算。

實現canny邊緣檢測步驟：

1. 轉換為灰度圖
2. 進行高斯濾波
3. canny方法實現邊緣檢測 

 調用api實現canny邊緣檢測，測試代碼如下：

import cv2
import numpy as np
import random
img = cv2.imread('image0.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
cv2.imshow('src',img)
# 轉化為灰度圖
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 高斯濾波 模板大小為3*3
imgG = cv2.GaussianBlur(gray,(3,3),0)
# 調用canny方法 設置門限 大於門限則為邊緣點
dst = cv2.Canny(img,50,50)
cv2.imshow('dst',dst)
cv2.waitKey(0)

運行結果如下：

src為原始圖像：

dst為邊緣檢測處理后的圖像：

手動實現圖像邊緣檢測算法，以及相應的優化，測試代碼如下：

import cv2
import numpy as np
import random
import math
img = cv2.imread('image2.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
cv2.imshow('src',img)
# sobel
# 1 算子模板 第一個為y方向上的 第二個為x方向的
# [ 1  2  1     [1 0 -1]
#   0  0  0      2 0 -2
#  -1 -2 -1]     1 0 -1]
# 2 圖片卷積
# [1 2 3 4][a b c d] a*1+b*2+c*3+d*4 = dst
# 3 閾值判決
# sqrt(a*a+b*b) = f>th
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
dst = np.zeros((height,width,1),np.uint8)
for i in range(0,height-2):
    for j in range(0,width-2):
        # y方向上的梯度
        # gy = gray[i,j]*1+gray[i,j+1]*2+gray[i,j+2]*1-gray[i+2,j]*1-gray[i+2,j+1]*2-gray[i+2,j+2]*1
        # 優化 y方向上的梯度
        gy = gray[i,j]+(gray[i,j+1]<<1)+gray[i,j+2]-gray[i+2,j]-(gray[i+2,j+1]<<1)-gray[i+2,j+2]
        # x方向上的梯度
        # gx = gray[i,j]*1+gray[i+1,j]*2+gray[i+2,j]*1-gray[i,j+2]*1-gray[i+1,j+2]*2-gray[i+2,j+2]*1
        # 優化 x方向上的梯度
        gx = gray[i,j]+(gray[i+1,j]<<1)+gray[i+2,j]-gray[i,j+2]-(gray[i+1,j+2]<<1)-gray[i+2,j+2]
        # 梯度
        grad = math.sqrt(int(gx*gx+gy*gy))
        # 判斷是否超過閾值
        if grad > 50:
            dst[i,j] = 255
        else:
            dst[i,j] = 0
cv2.imshow('dst',dst)
cv2.waitKey(0)

運行結果如下：

src為初始圖像：

dst為邊緣檢測處理后的圖像：

2.浮雕效果

浮雕效果：newP = gray0-gray1+150（特定值） 即當前像素等於相鄰像素之差再加上一個特定值突出灰度 即邊緣特征，設定不同的特征值的時候會出現不同的浮雕效果。
測試代碼如下：

import cv2
import numpy as np
import random
img = cv2.imread('image0.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
cv2.imshow('src',img)
# 轉化為灰度圖
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
dst = np.zeros((height,width,1),np.uint8)
for i in range(0,height):
    for j in range(0,width-1):
        grayP0 = int(gray[i,j])
        grayP1 = int(gray[i,j+1])
        newP = grayP0-grayP1+50
        if newP > 255:
            newP = 255
        if newP < 0:
            newP = 0
        dst[i,j] = newP
cv2.imshow('dst',dst)
cv2.waitKey(0)

運行結果如下：

src初始圖像：

dst浮雕效果圖像：（特定值為150的時候）

dst浮雕效果圖像：（特定值為50的時候）

3.顏色映射

顏色映射按照我的理解就是一個顏色對應上另一個顏色，比如藍色對應紅色，那么一副純藍色的圖像就會被映射為一副純紅色的圖像。

顏色映射的實現方法：可以建立一張顏色映射表，另外一種簡單的方法是對rgb分別乘上一個系數，以下面實現一個“藍色效果”為例，b=b*1.5 g=g*1.3 r=r,測試代碼如下：

import cv2
import numpy as np
import random
img = cv2.imread('image0.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
cv2.imshow('src',img)
dst = np.zeros((height,width,3),np.uint8)
for i in range(0,height):
    for j in range(0,width):
        (b,g,r) = img[i,j]
        b = b * 1.5
        g = g * 1.3
        # 防止越界操作
        if b > 255:
            b = 255
        if g > 255:
            g = 255
        dst[i,j] = (b,g,r)
cv2.imshow('dst',dst)
cv2.waitKey(0)

運行結果如下：

src為初始圖像：

dst為藍色效果圖像：

4.油畫特效

油畫特效
1 gray
2 統計方塊中的灰度值
3 對灰度值進行分段
4 對灰度值取平均作為結果

測試代碼如下：

import cv2
import numpy as np
import random
img = cv2.imread('Jerry.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
cv2.imshow('src',img)
# 灰度化
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
dst = np.zeros((height,width,3),np.uint8)
for i in range(4,height-4):
    for j in range(4,width-4):
        array1 = np.zeros(8,np.uint8)
        for m in range(-4,4):
            for n in range(-4,4):
                p1 = int(gray[i+m,j+n]/32)
                array1[p1] = array1[p1]+1
        currentMax = array1[0]
        l = 0
        for k in range(0,8):
            if currentMax < array1[k]:
                currentMax = array1[k]
                l=k
        for m in range(-4,4):
            for n in range(-4,4):
                if gray[i+m,j+n] >= (l*32) and gray[i+m,j+n] <= ((l+1)*32):
                    (b,g,r) = img[i+m,j+n]
        dst[i,j] = (b,g,r)
cv2.imshow('Jerry',dst)
cv2.waitKey(0)

運行結果如下：

src為原始圖像：

Jerry是處理后的圖像：