本文主要是介绍【个人】项目实训 _ 图片风格_怀旧滤镜,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
文章目录
- 一、怀旧滤镜核心代码
- 二、UI界面
- 1.更改glass_effect.py文件
- 2.在对应UI.py文件中添加action
- 3.在主UI.py文件中添加信号发射函数
- 三、解决问题
- 四、参考链接
一、怀旧滤镜核心代码
新建 pasttime_effect.py 文件
import cv2
import numpy as np#读取原始图片
original_image = cv2.imread('2.jpg')# 获取图像的行和列
original_rows, original_cols = original_image.shape[:2]#新建目标图像
pasttime_image = np.zeros((original_rows,original_cols,3),dtype="uint8")#图片怀旧特效
for i in range(original_rows):for j in range(original_cols):B = 0.272*original_image[i,j][2] + 0.534*original_image[i,j][1] + 0.131*original_image[i,j][0]G = 0.349*original_image[i,j][2] + 0.686*original_image[i,j][1] + 0.168*original_image[i,j][0]R = 0.393*original_image[i,j][2] + 0.769*original_image[i,j][1] + 0.189*original_image[i,j][0]if B>255:B=255if G>255:G=255if R>255:R=255pasttime_image[i,j] = np.uint8((B,G,R))# 处理完成,显示图像
cv2.imshow('original_image', original_image)
cv2.imshow('glass_effect_image', pasttime_image)cv2.waitKey()
cv2.destroyAllWindows()
代码思想:
图像怀旧特效是指图像经历岁月的昏暗效果,让图片变的偏黄偏暗,给人以怀旧复古的感觉。
可以利用怀旧 RGB 三色公式计算通道新数值:
R2 = 0.393*R + 0.769*G + 0.189*BB2 = 0.272*R + 0.534*G + 0.131*BG2 = 0.349*R + 0.686*G + 0.168*B
效果如下:
二、UI界面
1.更改glass_effect.py文件
def pasttimeeffect_fun(instance):# 读取原始图像original_image = instance.m_image
instance.m_image = pasttime_imageinstance.updata_image()
2.在对应UI.py文件中添加action
# 创建一个action,当该action被触发时显示油漆特效处理后的图片action_pasttime_img_show = QAction('&怀旧滤镜', instance)action_pasttime_img_show.triggered.connect(instance.pasttime_effect_emit)# 艺术风格迁移选项新增一个action:怀旧滤镜tempMenu.addAction(action_pasttime_img_show)
3.在主UI.py文件中添加信号发射函数
引入模块
from part3 import m_init_style_transfer,glass_effect,paint_effect,pasttime_effect
定义信号发射函数
def pasttime_effect_emit(self):pasttime_effect.pasttimeeffect_fun(self)
效果如下:
三、解决问题
使用界面后发现,效果图片时偏蓝色而非偏黄色,但是核心代码并没有改动。
此时,将核心代码中的 R 与 B 互换位置,即可得到真正的偏黄色的怀旧风格图片。
原因可能是使用界面进入的图片为 RGB 通道而非 BGR 通道。
R = 0.272 * original_image2[i, j][2] + 0.534 * original_image2[i, j][1] + 0.131 * original_image2[i, j][0]
G = 0.349 * original_image2[i, j][2] + 0.686 * original_image2[i, j][1] + 0.168 * original_image2[i, j][0]
B = 0.393 * original_image2[i, j][2] + 0.769 * original_image2[i, j][1] + 0.189 * original_image2[i, j][0]
效果如下:
成功。
四、参考链接
参考链接:图像处理:怀旧滤镜效果
这篇关于【个人】项目实训 _ 图片风格_怀旧滤镜的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!