在前面的文章 Python 計(jì)算機(jī)視覺(jué)（十五）—— 圖像特效處理中我已經(jīng)介紹了大部分的圖像的特效處理，但還是忽略了油畫(huà)特效的處理，在本篇文章中簡(jiǎn)單介紹一下油畫(huà)特效的基本原理以及代碼實(shí)現(xiàn)，感興趣的小伙伴可以跟著碼一遍代碼，或者使用代碼直接運(yùn)行查看一下效果就行。

一基本原理

如下面的兩幅圖所示，油畫(huà)用對(duì)了地方會(huì)使得圖像一下子顯得文藝起來(lái)了呢！

拍出的圖像

轉(zhuǎn)化為油畫(huà)

那么將一幅圖像轉(zhuǎn)化為油畫(huà)類型的圖案是怎么實(shí)現(xiàn)的呢？為了將一幅普通的圖像轉(zhuǎn)化為油畫(huà)，一般需要以下的幾個(gè)步驟：

（1）將圖像轉(zhuǎn)化為灰度圖像

（2）將圖像劃分為一個(gè)個(gè)小方框（4*4，6*6...），并統(tǒng)計(jì)其中的每一個(gè)像素點(diǎn)像素值

（3）對(duì)方框中的像素點(diǎn)的的灰度值進(jìn)行量化（可以參考我之前的關(guān)于量化的文章），并對(duì)不同的等級(jí)的像素點(diǎn)數(shù)目進(jìn)行計(jì)數(shù)

（4）找到方框中灰度等級(jí)最多的像素點(diǎn)，并對(duì)這些像素點(diǎn)的灰度值求平均

（5）用平均值代替原像素像素值

二代碼實(shí)現(xiàn)

首先還是經(jīng)典操作，讀取圖像信息：

"""
Author:XiaoMa
date:2021/12/10
"""
import cv2
import numpy as np
img = cv2.imread(r'E:\From Zhihu\For the desk\cvyouhua.jpg')
img = cv2.resize(img, dsize = None, fx = 0.2, fy = 0.2) #由于該算法計(jì)算量較大，首先對(duì)其大小進(jìn)行調(diào)整
cv2.imshow('W0', img)
cv2.waitKey(0)
#獲取圖片寬高
height, width = img.shape[:2]
print(height, width)

得到圖像信息如下：

對(duì)圖像進(jìn)行油畫(huà)特效處理，代碼已經(jīng)添加了注釋，有注釋的不清楚的地方可以在評(píng)論區(qū)討論或者私信留言，看到會(huì)回復(fù)大家的：

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#將圖像轉(zhuǎn)化為灰度圖像
dst = np.zeros((height, width, 3), np.uint8)#創(chuàng)建一個(gè)和原圖等大小的全零矩陣
#-----------------------------------------------------------------------
#使用for循環(huán)嵌套來(lái)遍歷圖像中的每一個(gè)像素點(diǎn)
#-----------------------------------------------------------------------
for i in range(2, height-2):
    for j in range(2, width-2):
        # ----------------------------------------------------------
        # 方框?yàn)?*4，對(duì)方框內(nèi)像素點(diǎn)進(jìn)行量化并記錄不同等級(jí)的像素點(diǎn)的個(gè)數(shù)
        # ------------------------------------------------------------
        array1 = np.zeros(8, np.uint8)#將像素點(diǎn)的值量化為8份，定義數(shù)組記錄不同等級(jí)像素點(diǎn)的個(gè)數(shù)
        for m in range(-2, 2):
            for n in range(-2, 2):
                p1 = int(gray[i+m, j+n]/32)#量化操作
                array1[p1] = array1[p1] + 1#該數(shù)組用來(lái)記錄不同量化級(jí)別下的像素點(diǎn)，比如array1[0]代表等級(jí)一下的像素點(diǎn)的個(gè)數(shù)，即像素值為（0~64）的像素點(diǎn)的個(gè)數(shù)
        #-----------------------------------------------------------
        #在上面的數(shù)組中尋找最大值，即尋找數(shù)目最多的像素等級(jí)
        #------------------------------------------------------------
        currentMax = array1[0]
        l = 0#用來(lái)封裝最大值在數(shù)組中的位置
        for k in range(0, 8):
            if currentMax < array1[k]:
                currentMax = array1[k]
                l = k
        #------------------------
        #求數(shù)目最多的像素等級(jí)的平均
        #------------------------
        for m in range(-2, 2):
            for n in range(-2, 2):
                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('youhua', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

得到的結(jié)果如下：

三總體實(shí)現(xiàn)代碼以及保存?

總體的代碼以及保存方式如下，大家修改一下讀取和保存的路徑就可以用了，如果想了解一下實(shí)現(xiàn)算法可以先敲一遍代碼：

"""
Author:XiaoMa
date:2021/12/15
"""
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread(r'E:\From Zhihu\For the desk\cvyouhua.jpg')
img = cv2.resize(img, dsize = None, fx = 0.2, fy = 0.2) #由于該算法計(jì)算量較大，首先對(duì)其大小進(jìn)行調(diào)整
cv2.imshow('W0', img)
cv2.waitKey(0)
#獲取圖片寬高
height, width = img.shape[:2]
print(height, width)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#將圖像轉(zhuǎn)化為灰度圖像
dst = np.zeros((height, width, 3), np.uint8)#創(chuàng)建一個(gè)和原圖等大小的全零矩陣
#-----------------------------------------------------------------------
#使用for循環(huán)嵌套來(lái)遍歷圖像中的每一個(gè)像素點(diǎn)
#-----------------------------------------------------------------------
for i in range(2, height-2):
    for j in range(2, width-2):
        # ----------------------------------------------------------
        # 方框?yàn)?*4，對(duì)方框內(nèi)像素點(diǎn)進(jìn)行量化并記錄不同等級(jí)的像素點(diǎn)的個(gè)數(shù)
        # ------------------------------------------------------------
        array1 = np.zeros(8, np.uint8)#將像素點(diǎn)的值量化為8份，定義數(shù)組記錄不同等級(jí)像素點(diǎn)的個(gè)數(shù)
        for m in range(-2, 2):
            for n in range(-2, 2):
                p1 = int(gray[i+m, j+n]/32)#量化操作
                array1[p1] = array1[p1] + 1#該數(shù)組用來(lái)記錄不同量化級(jí)別下的像素點(diǎn)，比如array1[0]代表等級(jí)一下的像素點(diǎn)的個(gè)數(shù)，即像素值為（0~64）的像素點(diǎn)的個(gè)數(shù)
        #-----------------------------------------------------------
        #在上面的數(shù)組中尋找最大值，即尋找數(shù)目最多的像素等級(jí)
        #------------------------------------------------------------
        currentMax = array1[0]
        l = 0#用來(lái)封裝最大值在數(shù)組中的位置
        for k in range(0, 8):
            if currentMax < array1[k]:
                currentMax = array1[k]
                l = k
        #------------------------
        #求數(shù)目最多的像素等級(jí)的平均
        #------------------------
        for m in range(-2, 2):
            for n in range(-2, 2):
                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('youhua', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
#------------------------------------------------
#保存圖像(以前的文章中介紹過(guò)，有不懂的地方可以去考古)
#------------------------------------------------
plt.rcParams['font.family'] = 'SimHei'       #將全局中文字體改為黑體
ImgGroup = [img, gray, dst]
ImgTitle = ['原圖', '灰度圖', '油畫(huà)']
a = plt.figure(figsize=(30, 10)) #創(chuàng)建畫(huà)布
for i in range(0, 3):
    ImgGroup[i] = cv2.cvtColor(ImgGroup[i], cv2.COLOR_BGR2RGB)
    plt.subplot(1, 3, i + 1)
    plt.imshow(ImgGroup[i])
    plt.title(ImgTitle[i])
    plt.suptitle('圖像油畫(huà)特效')
    plt.xticks([])
    plt.yticks([])
plt.savefig(r'E:\From Zhihu\For the desk\Acvyouhua.jpg')
plt.show()

得到結(jié)果如下：