Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 简单实战案例 之七 简单水彩画效果
目录
Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 简单实战案例 之七 简单水彩画效果
一、简单介绍
Python是一种跨平台的计算机程序设计语言。是一种面向对象的动态类型语言，最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。Python是一种解释型脚本语言，可以应用于以下领域： Web 和 Internet开发、科学计算和统计、人工智能、教育、桌面界面开发、软件开发、后端开发、网络爬虫。
这里使用 Python 基于 OpenCV 进行视觉图像处理，......
二、简单图像浮雕效果实现原理
水彩画是一种具有独特风格的绘画形式，其特点包括：
色彩丰富：水彩画常常使用鲜艳的色彩，色彩层次丰富，可以呈现出丰富多彩的效果。
柔和渐变：水彩画的色彩过渡通常比较柔和，可以呈现出平滑的渐变效果，使得画面更加柔和自然。
透明质感：水彩画具有一种透明质感，颜色之间可以相互渗透，形成柔和的色彩层次。
颜料晕染：在水彩画中，颜料常常会晕染开来，形成具有艺术感染力的效果。
要实现水彩画效果，可以采用以下方法：
模糊处理：对图像进行模糊处理，可以使得图像中的细节变得柔和，呈现出水彩画的特有质感。常见的模糊方法包括高斯模糊、中值模糊等。
边缘保留滤波：边缘保留滤波可以保留图像的边缘信息，同时对图像的其他部分进行模糊处理，从而增强图像的整体层次感和质感。
颜色量化：对图像的颜色进行量化处理，可以降低图像的色彩深度，使得图像的色彩更加柔和，符合水彩画的特点。
纹理增强：通过增强图像的纹理信息，可以使得图像更加丰富多彩，增强水彩画的艺术感染力。
局部调整：根据实际需求，对图像的局部区域进行调整，可以进一步增强水彩画的效果，使得画面更加丰富多彩。
实现原理：
1、灰度转换：首先，将彩色图像转换为灰度图像，以减少处理的复杂度。
将彩色图像转换为灰度图像，通常可以使用以下函数：
gray_image = cv2.cvtColor(color_image, cv2.COLOR_BGR2GRAY)这里
color_image是彩色图像，cv2.COLOR_BGR2GRAY表示将BGR格式的彩色图像转换为灰度图像。
2、中值模糊处理：对灰度图像进行中值模糊处理，以减少图像中的噪声，使得后续的边缘检测更加准确。
对灰度图像进行中值模糊处理，可以使用以下函数：
blurred_image = cv2.medianBlur(gray_image, ksize)这里
ksize是中值模糊的核大小，一般取奇数，表示模糊的程度。
3、边缘检测：使用 Laplacian 算子进行边缘检测，以获取图像中的边缘信息。
使用 Laplacian 算子进行边缘检测，可以使用以下函数：
edges = cv2.Laplacian(blurred_image, ddepth, ksize)这里
ddepth表示输出图像的深度（通常设置为cv2.CV_64F），ksize是 Laplacian 算子的核大小。
4、边缘二值化：对边缘图像进行二值化处理，得到一个边缘掩码，其中边缘部分为白色（255），非边缘部分为黑色（0）。
对边缘图像进行二值化处理，可以使用以下函数：
_, edge_binary = cv2.threshold(edges, threshold, max_val, cv2.THRESH_BINARY)这里
threshold是阈值，超过阈值的像素设为max_val，否则设为0。
5、颜色量化：对原始彩色图像进行颜色量化处理，保留图像的边缘特征，同时降低图像的颜色深度。
对原始彩色图像进行颜色量化处理，保留图像的边缘特征，可以使用以下函数：
quantized_image = cv2.cvtColor(color_image, cv2.COLOR_BGR2LAB)
这里将彩色图像转换到 LAB 色彩空间，这种颜色空间对颜色量化非常友好。
6、合并处理：将颜色量化后的图像与边缘掩码进行合并，只保留图像中的边缘部分，并对非边缘部分进行遮罩，从而生成水彩画效果的图像。
合并处理，可以通过以下函数实现：
result_image = cv2.bitwise_and(quantized_image, quantized_image, mask=edge_binary)这里的关键函数是
cv2.bitwise_and()，它是 OpenCV 中用于按位与运算的函数。具体参数含义如下：
quantized_image: 颜色量化后的图像。quantized_image: 作为第二个参数，这里与第一个参数相同，表示进行按位与运算的第二个图像。mask: 边缘掩码，即二值化后的边缘图像。只有与该掩码中对应位置为白色的像素才会被保留，其他像素会被置为0。这样处理后，结果图像中只会保留原始彩色图像的边缘部分，非边缘部分会被遮罩掉，生成水彩画效果的图像。
三、简单水彩画效果案例实现简单步骤
1、编写代码
2、运行效果
3、具体代码
"""
简单水彩画效果
"""
import cv2
def watercolor_effect(image):
"""
水彩画效果
:param image:
:return:
"""
# 将图像转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 对灰度图像进行中值模糊处理
blurred = cv2.medianBlur(gray, 15)
# 对模糊处理后的图像进行边缘检测
edges = cv2.Laplacian(blurred, cv2.CV_8U, ksize=5)
# 对边缘图像进行二值化处理
_, mask = cv2.threshold(edges, 100, 255, cv2.THRESH_BINARY_INV)
# 对原始图像进行颜色量化
quantized = cv2.edgePreservingFilter(image, flags=1, sigma_s=60, sigma_r=0.4)
# 将颜色量化后的图像与边缘掩码进行合并
watercolor = cv2.bitwise_and(quantized, quantized, mask=mask)
return watercolor
def main():
# 读取图像
image = cv2.imread('Images/DogFace.jpg')
# 设置窗口属性，并显示图片
cv2.namedWindow("Dog", cv2.WINDOW_KEEPRATIO)
cv2.imshow("Dog", image)
# 应用水彩画效果
watercolor_image = watercolor_effect(image)
# 设置窗口属性，并显示图片
cv2.namedWindow("Watercolor Image", cv2.WINDOW_KEEPRATIO)
cv2.imshow('Watercolor Image', watercolor_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
if __name__ == "__main__":
main()
四、注意事项：
参数调整：水彩画效果的质量受到参数的影响，尤其是中值模糊处理、边缘检测和颜色量化的参数。可以根据实际情况调整参数，以获得最佳的效果。
灰度处理：在处理彩色图像之前，首先要将其转换为灰度图像。这是因为水彩画效果通常只应用于单通道图像。
效率考虑：水彩画效果的处理可能会比较耗时，尤其是在边缘检测和颜色量化方面。因此，在处理大尺寸图像时，需要考虑到效率问题。
