使用OpenCV的类似Instagram的滤镜

我正在做一些深度学习的图像预处理工作，无意中想到了一个想法，我们可以使用OpenCV来让Instagram像过滤器一样，所以让我们来看看这个。

注：请参阅平行附呈的木星笔记本。

kshisagarsiddharth/filters_product(github.com)kshirsagarsiddharth/filters_article (github.com)

import cv2
import numpy as np 
import matplotlib.pyplot as plt 

图片1：我之所以选择这张图片，是因为它有一些光和一些鲜艳的颜色。

display_images(img2)

图2：之所以选择这张照片，是因为这张照片是在黑暗中拍摄的。我想调整一下背景。

不要相信我说的图像的强度，让我们看看这些图像的直方图。

def calc_intensities(image):
    """
    image: numpy array
    """
    colors = ['b','g','r']
    for index, color in enumerate(colors): 
        hist_temp = cv2.calcHist(images = [image], channels = [index], mask = None,histSize = [256],ranges = [0,256])
        plt.plot(hist_temp, color = color)
        plt.xlim([0,256])
    plt.show()

图1直方图。

如前所述，这是一张更亮的图像，我们可以从这张左侧倾斜的双峰直方图中观察到。

calc_intensities(img2)

图2直方图。

这是一张较暗的图像，这是从这张向左倾斜的直方图中观察到的。

首先，在图2中，我可以看到后面有一辆车，我不喜欢它，我可以把它移走吗？

我想去掉第一部分，并将其与第二部分混合在一起

函数选择感兴趣的区域。

def find_roi(image):
    r = cv2.selectROI(image)
    # Crop image
    roi = int(r[1]),int(r[1]+r[3]), int(r[0]),int(r[0]+r[2])
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    return roi

要替换的感兴趣区域

要添加的感兴趣区域

display_images(img[roi_to_add[0]:roi_to_add[1],roi_to_add[2]:roi_to_add[3]])

好的，在替换了我们观察到的图像后，是的，是的，我知道看起来很四四方方，但是嘿，我不是一个照片编辑，所以我可以接受。那么我做了什么呢？

step1: select ROI's from image1 and ROI's from image2 
done above

1.直方图均衡

我想我不会对第一张图像做任何预处理。让我们对第二幅图像做一些直方图均衡化，然后让我们来看看创建滤镜的有趣部分。因为要对彩色图像进行直方图均衡，我们需要

hsv_img2 = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)   
# grab the value channel 
hsv_img2[:,:,2] = cv2.equalizeHist(hsv_img2[:,:,2])
img_eq = cv2.cvtColor(hsv_img2, cv2.COLOR_HSV2BGR)

2.安装热过滤器。

因为我们想要添加加热和冷却效果，所以我要做的是移除一些红色以使图像看起来更凉爽，或者移除一些蓝色以使图像变暖。

def apply_heat_filter(image, temp, b_max = 100):
    if temp == 'warm':
        # replace pixels in the image where the blue intensity of image is greater than the maximum permitted intensity 
        # with permitted intensity
        image[image[:,:,0] > b_max,0] = b_max
        return image
    elif temp == 'cool':
        
        image[image[:,:,2] > b_max,2] = b_max
        return image

更酷的版本

temp_image_1 = img1.copy()
display_images(apply_heat_filter(temp_image_1,'warm', b_max = 99))

更温暖的版本

3、卡通形象过滤

img2_temp = img2.copy()
gray = cv2.cvtColor(img2_temp, cv2.COLOR_BGR2GRAY) # convert to gray 
gray = cv2.medianBlur(gray,ksize = 3) # apply median blur 
edges = cv2.adaptiveThreshold(gray,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,29,9) # threshold the image 
color = cv2.bilateralFilter(img2_temp,19,120,250) # apply bilateral filter 
cartoon = cv2.bitwise_and(color,color, mask = edges) # perform bitwise and 
display_images(cartoon)

4、用铅笔写生过滤形象

img1_temp = img2.copy()
gray = cv2.cvtColor(img1_temp, cv2.COLOR_BGR2GRAY) # convert to gray 
gray = cv2.medianBlur(gray,ksize = 5) # apply median blur 
edges = cv2.adaptiveThreshold(gray,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,19,7) # threshold the image 
display_images(edges)

5、打磨过滤

temp_img = img2.copy()
sharpening_kernel = np.array([[-1, -1,  -1],
                              [-1,  9.3, -1],
                              [-1, -1,  -1]]) 
sharp_img = cv2.filter2D(src=temp_img, ddepth=-1, kernel=sharpening_kernel)
display_images(sharp_img)

5.对过滤进行大理石漂白或浮雕处理

temp_img = img1.copy()

所有代码和图像都可以在以下位置找到

kshisagarsiddharth/filters_product(github.com)kshirsagarsiddharth/filters_article (github.com)