基于Matlab实现水波倒影特效的制作基于Matlab实现水波倒影特效的

1.使用效果
2.图像翻转及白化
3.波纹图像构造
4.扭曲置换
5.图像拼接
6.完整代码

1.使用效果

文章图片

文章图片

2.图像翻转及白化导入图像：

% 图片导入 oriPic=imread('test.jpg'); [Row,Col,~]=size(oriPic);

文章图片

翻转及白化图像：
翻转就是单纯的将行索引倒过来；
白化就是将当前像素的颜色按比例和白色取个带权均值，行索引越大白色权重也越大，图像也就越白。

% 图片翻转及白化 ==========================================================whiteMat=((1:Row)./Row./1.2)'*ones(1,Col); % 白化比例矩阵flipPic=zeros(Row,Col,3); % 翻转后矩阵初始化for i=1:3tempChannel=double(oriPic(:,:,i)); % 获得通道图tempChannel=tempChannel(end:-1:1,:); % 翻转tempChannel=tempChannel.*(1-whiteMat)+255.*whiteMat; % 白化flipPic(:,:,i)=tempChannel; end

文章图片

当然如果我们将这一行：

tempChannel=tempChannel.*(1-whiteMat)+255.*whiteMat;

更改为：

tempChannel=tempChannel.*(1-whiteMat)+0.*whiteMat;

就变成了一个黑化的过程：

文章图片

当然你也可以尝试其他颜色，例如将整段改写为：

Color=[255,0,0]; colorMat=((1:Row)./Row./1.2)'*ones(1,Col); % 比例矩阵flipPic=zeros(Row,Col,3); % 翻转后矩阵初始化for i=1:3tempChannel=double(oriPic(:,:,i)); % 获得通道图tempChannel=tempChannel(end:-1:1,:); % 翻转tempChannel=tempChannel.*(1-colorMat)+Color(i).*colorMat; % 渐变flipPic(:,:,i)=tempChannel; endimshow(uint8(flipPic))

文章图片

【基于Matlab实现水波倒影特效的制作】
3.波纹图像构造生成噪声并模糊：

noiseMat=ones(Row,Col); noiseMat=imnoise(noiseMat,'gaussian',0,5); % 噪声添加gaussOpt=fspecial('gaussian',[3 3],1); noiseMat=imfilter(noiseMat,gaussOpt);

噪声图：

文章图片

模糊后噪声图：

文章图片

浮雕特效：
实际上浮雕特效就是用以下类似形式的矩阵对图像进行卷积，卷积结果再加上RGB范围的均值，[0,1]区间就加0.5，[0,255]区间就加128：

文章图片

数值和位置不重要，重要的是相对位置互为相反数，浮雕过程描述如下：

H=[cos(pi+pi/4),0,cos(pi-pi/4); cos(pi+2*pi/4),0,cos(pi-2*pi/4); cos(pi+3*pi/4),0,cos(pi-3*pi/4)]; noiseMat=imfilter(noiseMat,H,'conv')+0.5; noiseMat=noiseMat.*255; noiseMat(noiseMat<0)=0;

文章图片

透视变换：
就是近大远小，这里为了方便起见只在横向方向上做了近大远小的拉伸，竖直方向进行了等比例拉伸，因而不是严格意义上的透视变换：

文章图片

如图所示实际操作就是把左侧蓝色区域拉伸成右侧蓝色区域，并只选取红框内部分，代码如下：

% 图像透视变换 ============================================================exNoiseMat=zeros(Row,Col); % 横向拉伸上下边倍数K1=10; K2=4; for i=1:Rowfor j=1:Colk=K2+i*(K1-K2)/Row; nJ=(j-(1+Col)/2)/k+(1+Col)/2; if floor(nJ)==ceil(nJ)nJ=round(nJ); exNoiseMat(i,j)=noiseMat(i,nJ); elsenJ1=floor(nJ); nJ2=ceil(nJ); exNoiseMat(i,j)=noiseMat(i,nJ1)*(nJ2-nJ)+noiseMat(i,nJ2)*(nJ-nJ1); endendend% 竖向拉伸3倍并只取一部分exNoiseMat=imresize(exNoiseMat,[3*Row,Col]); exNoiseMat=exNoiseMat(end-Row+1:end,:); exNoiseMat=uint8(exNoiseMat);

文章图片

注：如果原图像尺寸过大，水波就会过于密集，这时候可以适当调整放缩倍数或者将原图像重调大小到小一点的尺寸。
例如大波浪代码：

% 图像透视变换 ============================================================exNoiseMat=zeros(Row,Col); K1=40; K2=10; for i=1:Rowfor j=1:Colk=K2+i*(K1-K2)/Row; nJ=(j-(1+Col)/2)/k+(1+Col)/2; if floor(nJ)==ceil(nJ)nJ=round(nJ); exNoiseMat(i,j)=noiseMat(i,nJ); elsenJ1=floor(nJ); nJ2=ceil(nJ); exNoiseMat(i,j)=noiseMat(i,nJ1)*(nJ2-nJ)+noiseMat(i,nJ2)*(nJ-nJ1); endendendexNoiseMat=imresize(exNoiseMat,[8*Row,Col]); exNoiseMat=exNoiseMat(end-Row+1:end,:); exNoiseMat=uint8(exNoiseMat);

小波浪及大波浪：

文章图片

文章图片

4.扭曲置换这个。。。老朋友了，具体原理还是看这一篇叭：利用Matlab制作抖音同款含褶皱面料图

% 扭曲置换 ================================================================forePic=flipPic; bkgPic=exNoiseMat; exforePic=uint8(zeros(size(forePic)+[26,26,0])); exforePic(14:end-13,14:end-13,1)=forePic(:,:,1); exforePic(14:end-13,14:end-13,2)=forePic(:,:,2); exforePic(14:end-13,14:end-13,3)=forePic(:,:,3); for i=1:13exforePic(i,14:end-13,:)=forePic(1,:,:); exforePic(end+1-i,14:end-13,:)=forePic(end,:,:); exforePic(14:end-13,i,:)=forePic(:,1,:); exforePic(14:end-13,end+1-i,:)=forePic(:,end,:); endfor i=1:3exforePic(1:13,1:13,i)=forePic(1,1,i); exforePic(end-13:end,end-13:end,i)=forePic(end,end,i); exforePic(end-13:end,1:13,i)=forePic(end,1,i); exforePic(1:13,end-13:end,i)=forePic(1,end,i); endnewforePic=uint8(zeros(size(forePic))); for i=1:size(bkgPic,1)for j=1:size(bkgPic,2)goffset=(double(bkgPic(i,j))-128)/10; offsetLim1=floor(goffset)+13; offsetLim2=ceil(goffset)+13; sep1=goffset-floor(goffset); sep2=ceil(goffset)-goffset; c1=double(exforePic(i+offsetLim1,j+offsetLim1,:)); c2=double(exforePic(i+offsetLim2,j+offsetLim2,:)); if sep1==0c=double(exforePic(i+offsetLim1,j+offsetLim1,:)); elsec=c2.*sep1+c1.*sep2; endnewforePic(i,j,:)=c; endend

文章图片

文章图片

5.图像拼接就是把俩图像拼在一起，并把边缘模糊一下：

% 图像拼接 ================================================================resultPic(:,:,1)=[oriPic(:,:,1); newforePic(:,:,1)]; resultPic(:,:,2)=[oriPic(:,:,2); newforePic(:,:,2)]; resultPic(:,:,3)=[oriPic(:,:,3); newforePic(:,:,3)]; % imshow(resultPic)% 边缘模糊 ================================================================gaussOpt=fspecial('gaussian',[3 3],0.5); gaussPic=imfilter(resultPic,gaussOpt); resultPic(Row-1:Row+2,:,1)=gaussPic(Row-1:Row+2,:,1); resultPic(Row-1:Row+2,:,2)=gaussPic(Row-1:Row+2,:,2); resultPic(Row-1:Row+2,:,3)=gaussPic(Row-1:Row+2,:,3); imshow(resultPic)

文章图片

6.完整代码

function mirrorDown% @author slandarer% 图片导入 oriPic=imread('test.jpg'); [Row,Col,~]=size(oriPic); % 图片翻转及白化 ==========================================================whiteMat=((1:Row)./Row./1.2)'*ones(1,Col); % 白化比例矩阵flipPic=zeros(Row,Col,3); % 翻转后矩阵初始化for i=1:3tempChannel=double(oriPic(:,:,i)); % 获得通道图tempChannel=tempChannel(end:-1:1,:); % 翻转tempChannel=tempChannel.*(1-whiteMat)+255.*whiteMat; % 白化flipPic(:,:,i)=tempChannel; end% imshow(uint8(flipPic))% 噪声图构造(高斯噪声及高斯模糊)===========================================noiseMat=ones(Row,Col); noiseMat=imnoise(noiseMat,'gaussian',0,5); % 噪声添加gaussOpt=fspecial('gaussian',[3 3],1); noiseMat=imfilter(noiseMat,gaussOpt); imshow(noiseMat)H=[cos(pi+pi/4),0,cos(pi-pi/4); cos(pi+2*pi/4),0,cos(pi-2*pi/4); cos(pi+3*pi/4),0,cos(pi-3*pi/4)]; noiseMat=imfilter(noiseMat,H,'conv')+0.5; noiseMat=noiseMat.*255; noiseMat(noiseMat<0)=0; % imshow(uint8(noiseMat))% 图像透视变换 ============================================================exNoiseMat=zeros(Row,Col); % 横向拉伸上下边倍数K1=10; K2=4; for i=1:Rowfor j=1:Colk=K2+i*(K1-K2)/Row; nJ=(j-(1+Col)/2)/k+(1+Col)/2; if floor(nJ)==ceil(nJ)nJ=round(nJ); exNoiseMat(i,j)=noiseMat(i,nJ); elsenJ1=floor(nJ); nJ2=ceil(nJ); exNoiseMat(i,j)=noiseMat(i,nJ1)*(nJ2-nJ)+noiseMat(i,nJ2)*(nJ-nJ1); endendend% 竖向拉伸3倍并只取一部分exNoiseMat=imresize(exNoiseMat,[3*Row,Col]); exNoiseMat=exNoiseMat(end-Row+1:end,:); exNoiseMat=uint8(exNoiseMat); % imshow(exNoiseMat)% 扭曲置换 ================================================================forePic=flipPic; bkgPic=exNoiseMat; exforePic=uint8(zeros(size(forePic)+[26,26,0])); exforePic(14:end-13,14:end-13,1)=forePic(:,:,1); exforePic(14:end-13,14:end-13,2)=forePic(:,:,2); exforePic(14:end-13,14:end-13,3)=forePic(:,:,3); for i=1:13exforePic(i,14:end-13,:)=forePic(1,:,:); exforePic(end+1-i,14:end-13,:)=forePic(end,:,:); exforePic(14:end-13,i,:)=forePic(:,1,:); exforePic(14:end-13,end+1-i,:)=forePic(:,end,:); endfor i=1:3exforePic(1:13,1:13,i)=forePic(1,1,i); exforePic(end-13:end,end-13:end,i)=forePic(end,end,i); exforePic(end-13:end,1:13,i)=forePic(end,1,i); exforePic(1:13,end-13:end,i)=forePic(1,end,i); endnewforePic=uint8(zeros(size(forePic))); for i=1:size(bkgPic,1)for j=1:size(bkgPic,2)goffset=(double(bkgPic(i,j))-128)/10; offsetLim1=floor(goffset)+13; offsetLim2=ceil(goffset)+13; sep1=goffset-floor(goffset); sep2=ceil(goffset)-goffset; c1=double(exforePic(i+offsetLim1,j+offsetLim1,:)); c2=double(exforePic(i+offsetLim2,j+offsetLim2,:)); if sep1==0c=double(exforePic(i+offsetLim1,j+offsetLim1,:)); elsec=c2.*sep1+c1.*sep2; endnewforePic(i,j,:)=c; endend% imshow(newforePic)% 图像拼接 ================================================================resultPic(:,:,1)=[oriPic(:,:,1); newforePic(:,:,1)]; resultPic(:,:,2)=[oriPic(:,:,2); newforePic(:,:,2)]; resultPic(:,:,3)=[oriPic(:,:,3); newforePic(:,:,3)]; % imshow(resultPic)% 边缘模糊 ================================================================gaussOpt=fspecial('gaussian',[3 3],0.5); gaussPic=imfilter(resultPic,gaussOpt); resultPic(Row-1:Row+2,:,1)=gaussPic(Row-1:Row+2,:,1); resultPic(Row-1:Row+2,:,2)=gaussPic(Row-1:Row+2,:,2); resultPic(Row-1:Row+2,:,3)=gaussPic(Row-1:Row+2,:,3); imshow(resultPic)end