Python图像处理丨5种图像处理特效
摘要:本篇文章主要讲解了图像常见的特效处理,从处理效果图、算法原理、代码实现三个步骤进行详细讲解,涉及图像素描特效、怀旧特效、光照特效、流年特效、图像滤镜等。 本文分享自华为云社区《[Python图像处理] 二十五.图像特效处理之素描、怀旧、光照、流年以及滤镜特效》,作者: eastmount。 一.图像素描特效 图像素描特效会将图像的边界都凸显出来,通过边缘检测及阈值化处理能实现该功能。一幅图像的内部都具有相似性,而在图像边界处具有明显的差异,边缘检测利用数学中的求导来扩大这种变化。但是求导过程中会增大图像的噪声,所以边缘检测之前引入了高斯滤波降噪处理。本文的图像素描特效主要经过以下几个步骤: 调用cv2.cvtColor()函数将彩色图像灰度化处理; 通过cv2.GaussianBlur()函数实现高斯滤波降噪; 边缘检测采用Canny算子实现; 最后通过cv2.threshold()反二进制阈值化处理实现素描特效。 其运行代码如下所示。 #coding:utf-8 import cv2 import numpy as np #读取原始图像 img = cv2.imread...
