阿酱中秋节出去浪了一圈，拍了些好看的图片回来，想着以什么样的方式给大家分享，刚好阿酱想借这个机会给自己制作专属头像，顺便感受感受 Python 图像处理的强大之处。
说到图像处理，咱们就得先了解 Python 图像处理的相关知识-OpenCV、OpenCV-Python
OpenCV 是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
OpenCV-Python 是 OpenCV 的 Python 的 API 接口，它拥有 OpenCV C++ API 的功能，同时也拥有 Python 语言的特性,可以做到跨平台使用。
事先请准备好一张或者多张美美的照片，阿酱使用下图：
01
02
环境搭建
此次图像处理需要使用的模块如下：
import cv2 import numpy as np import matplotlib.pyplot as plt import math
以上模块除了 Math 模块以外，其他模块都需要一一安装。
模块安装语句如下：
pip install opencv-python pip install matplotlib
安装成功如下图：
03
安装成功后咱们就开始吧。go go go!
专属头像制作
详细制作步骤如下:
import cv2 import numpy as np import matplotlib.pyplot as plt import math # 读取图片 img = cv2.imread('me.jpg') src = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 新建目标图像 dst1 = np.zeros_like(img) # 获取图像行和列 rows, cols = img.shape[:2] # --------------毛玻璃效果-------------------- # 像素点邻域内随机像素点的颜色替代当前像素点的颜色 offsets = 5 random_num = 0 for y in range(rows - offsets): for x in range(cols - offsets): random_num = np.random.randint(0, offsets) dst1[y, x] = src[y + random_num, x + random_num] # -------油漆特效------------ # 图像灰度处理 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 自定义卷积核 kernel = np.array([[-1, -1, -1], [-1, 10, -1], [-1, -1, -1]]) # 图像浮雕效果 dst2 = cv2.filter2D(gray, -1, kernel) # ----------素描特效------------- # 高斯滤波降噪 gaussian = cv2.GaussianBlur(gray, (5, 5), 0) # Canny算子 canny = cv2.Canny(gaussian, 50, 150) # 阈值化处理 ret, dst3 = cv2.threshold(canny, 100, 255, cv2.THRESH_BINARY_INV) # -------怀旧特效----------------- # 新建目标图像 dst4 = np.zeros((rows, cols, 3), dtype="uint8") # 图像怀旧特效 for i in range(rows): for j in range(cols): B = 0.272 * img[i, j][2] + 0.534 * img[i, j][1] + 0.131 * img[i, j][0] G = 0.349 * img[i, j][2] + 0.686 * img[i, j][1] + 0.168 * img[i, j][0] R = 0.393 * img[i, j][2] + 0.769 * img[i, j][1] + 0.189 * img[i, j][0] if B > 255: B = 255 if G > 255: G = 255 if R > 255: R = 255 dst4[i, j] = np.uint8((B, G, R)) # ---------------光照特效-------------------- # 设置中心点 centerX = rows / 2 centerY = cols / 2 print(centerX, centerY) radius = min(centerX, centerY) print(radius) # 设置光照强度 strength = 200 # 新建目标图像 dst5 = np.zeros((rows, cols, 3), dtype="uint8") # 图像光照特效 for i in range(rows): for j in range(cols): # 计算当前点到光照中心的距离(平面坐标系中两点之间的距离) distance = math.pow((centerY - j), 2) + math.pow((centerX - i), 2) # 获取原始图像 B = src[i, j][0] G = src[i, j][1] R = src[i, j][2] if (distance < radius * radius): # 按照距离大小计算增强的光照值 result = (int)(strength * (1.0 - math.sqrt(distance) / radius)) B = src[i, j][0] + result G = src[i, j][1] + result R = src[i, j][2] + result # 判断边界 防止越界 B = min(255, max(0, B)) G = min(255, max(0, G)) R = min(255, max(0, R)) dst5[i, j] = np.uint8((B, G, R)) else: dst5[i, j] = np.uint8((B, G, R)) # --------------怀旧特效----------------- # 新建目标图像 dst6 = np.zeros((rows, cols, 3), dtype="uint8") # 图像流年特效 for i in range(rows): for j in range(cols): # B通道的数值开平方乘以参数12 B = math.sqrt(src[i, j][0]) * 12 G = src[i, j][1] R = src[i, j][2] if B > 255: B = 255 dst6[i, j] = np.uint8((B, G, R)) # ------------卡通特效------------------- # 定义双边滤波的数目 num_bilateral = 7 # 用高斯金字塔降低取样 img_color = src # 双边滤波处理 for i in range(num_bilateral): img_color = cv2.bilateralFilter(img_color, d=9, sigmaColor=9, sigmaSpace=7) # 灰度图像转换 img_gray = cv2.cvtColor(src, cv2.COLOR_RGB2GRAY) # 中值滤波处理 img_blur = cv2.medianBlur(img_gray, 7) # 边缘检测及自适应阈值化处理 img_edge = cv2.adaptiveThreshold(img_blur, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, blockSize=9, C=2) # 转换回彩色图像 img_edge = cv2.cvtColor(img_edge, cv2.COLOR_GRAY2RGB) # 与运算 dst6 = cv2.bitwise_and(img_color, img_edge) # ------------------均衡化特效-------------------- # 新建目标图像 dst7 = np.zeros((rows, cols, 3), dtype="uint8") # 提取三个颜色通道 (b, g, r) = cv2.split(src) # 彩色图像均衡化 bH = cv2.equalizeHist(b) gH = cv2.equalizeHist(g) rH = cv2.equalizeHist(r) # 合并通道 dst7 = cv2.merge((bH, gH, rH)) # -----------边缘特效--------------------- # 高斯滤波降噪 gaussian = cv2.GaussianBlur(gray, (3, 3), 0) # Canny算子 # dst8 = cv2.Canny(gaussian, 50, 150) # Scharr算子 x = cv2.Scharr(gaussian, cv2.CV_32F, 1, 0) # X方向 y = cv2.Scharr(gaussian, cv2.CV_32F, 0, 1) # Y方向 absX = cv2.convertScaleAbs(x) absY = cv2.convertScaleAbs(y) dst8 = cv2.addWeighted(absX, 0.5, absY, 0.5, 0) # 用来正常显示中文标签 plt.rcParams['font.sans-serif'] = ['SimHei'] # 循环显示图形 titles = ['原图', '毛玻璃', '浮雕', '素描', '怀旧', '光照', '卡通', '均衡化', '边缘'] images = [src, dst1, dst2, dst3, dst4, dst5, dst6, dst7, dst8] for i in range(9): plt.subplot(3, 3, i + 1), plt.imshow(images[i], 'gray') plt.title(titles[i]) plt.xticks([]), plt.yticks([]) if __name__ == '__main__': plt.show()
效果如下：
04
05
以上便是处理后的效果，感兴趣的朋友们可以试试。
总结
属于我的专属头像制作成功，感兴趣的朋友可以一试，同时大家也可以一起交流学习，共同进步！阿酱继续搬砖了，咱们下期见~
