openCV【实践系列】9——使用OpenCV进行非真实感渲染学习资料

【openCV【实践系列】9——使用OpenCV进行非真实感渲染】

文章图片
图1：渲染图
许多年前，当我还是学生时，我想编写一个过滤器来创建一个像图1所示的风格化/卡通化的图像。天真的我认为我可以使用高斯内核简单地模糊图像，分别检测边缘，并将两个图像组合以获得风格化图像。在大多数区域中所有图像看起来都很平滑之后，边缘会被保留。结果看起来很荒谬; 这是一个糟糕的主意！在我失败的实验几周后，我读到了双边滤波，这可能是计算机视觉中最常用的边缘保持平滑滤波器。虽然双边滤波完成了这项工作，但它很慢你永远不会在实时应用程序中使用它。我很高兴看到在OpenCV 3中非常快速地实现了边缘保留滤波。结果与双边滤波非常相似，但速度更快。它是SIGGRAPH 2011论文的部分实现，题为“ Domain Transform for Edge-Aware Image and Video Processing ”，作者是Eduardo Gastal和Manuel Oliveira。下一部分为有兴趣深入理解的人提供链接。边缘感知过滤的域变换作者Eduardo Gastal在他的项目页面上提供了很多材料来解释论文及其应用。如果您没有太多时间，下面的视频提供了该方法的出色高级概述。视频地址：https://youtu.be/Ul1xh1IQrTY 在OpenCV 3中，本文使用Photo模块下的Computational Photography子模块中的四个函数实现。以下部分通过示例解释这些功能及其参数。在所有示例中，我们将使用下面的图像作为输入图像。
文章图片
图2：源图像边缘保留滤波器（edgePreservingFilter）这些过滤器中的第一个称为edgePreservingFilter Python：

import cv2
dst = cv2.edgePreservingFilter(src, flags=1, sigma_s=60, sigma_r=0.4)

复制代码 src：输入8位3通道的图像 dst：输出8位3通道的图像 flags：边缘保留滤波器，它取值RECURS_FILTER(递归过滤)=1和NORMCONV_FILTER(归一化卷积)=2，使用RECURS_FILTER比使用NORMCONV_FILTER快约3.5倍。NORMCONV_FILTER会产生边缘锐化，并倾向于风格化应用，当你不希望锐化速度很重要时应该使用RECURS_FILTER。 sigma_s范围在0到200之间（详见下文） sigma_r范围在0到1之间（详见下文）参数sigma_s和sigma_r是什么意思？图像处理和计算机视觉中的大多数平滑滤波器（例如高斯滤波器或盒滤波器）具有称为sigma_s（用于Sigma_Spatial）的参数，其确定平滑量。典型的平滑滤波器通过其邻域的加权和来替换像素的值。邻域越大，过滤后的图像越平滑。邻域的大小与参数sigma_s成正比。在边缘保留滤波器中，有两个相互竞争的目标a）平滑图像b）不平滑边缘/颜色边界。换句话说，我们不能简单地用它的邻居的加权和来代替像素的颜色。相反，我们希望将像素中的颜色值替换为邻域中的像素的平均值，其也具有与像素类似的颜色。所以我们有两个参数：sigma_s和sigma_r。就像其他平滑滤波器一样，sigma_s控制邻域的大小，而sigma_r（用于sigma_range）控制邻域内的不同颜色的平均值。较大的sigma_r导致大的恒定颜色区域。结果（edgePreservingFilter）将edgePreservingFilter与RECURS_FILTER一起应用的结果如图3所示

文章图片
图3：edgePreservingFilter+RECURS_FILTER 施加的结果edgePreservingFilter与NORMCONV_FILTER如图4所示。

文章图片
图4：edgePreservingFilter+NORMCONV_FILTER 正如您所看到的，两个结果非常接近，因此我建议使用RECURS_FILTER，因为它比NORMCONV_FILTER快。细节增强滤波器（detailEnhance）顾名思义，这个滤波器可以增强细节，使图像更清晰 Python：

import cv2
dst = cv2.detailEnhance(src, sigma_s=10, sigma_r=0.15)

复制代码 参数与边缘增强滤波器相同结果（detailEnhance）下图显示了结果细节增强滤波器。请注意，整个图像比输入图像更清晰。

文章图片
图5：detailEnhance 铅笔素描滤波器（pencilSketch）此滤波器生成的输出看起来像铅笔草图。有两个输出，一个是将滤波应用于颜色输入图像的结果，另一个是将其应用于输入图像的灰度版本的结果。坦率地说，我对这个过滤器印象不深，因为结果看起来不太棒。

import cv2
dst_gray, dst_color = cv2.pencilSketch(src, sigma_s=60, sigma_r=0.07, shade_factor=0.05)

复制代码 数与边缘增强滤波器相同。shade_factor（范围0到0.1）是输出图像强度的简单缩放。值越高，结果越亮。结果（pencilSketch）将pencilSketch滤波器应用于输入图像的两种结果如图6所示。

文章图片

风格化滤波器（stylization）风格化滤波器产生的输出图像看起来像使用水彩绘制的图像。

import cv2
dst = cv2.stylization(src, sigma_s=60, sigma_r=0.07)

复制代码 结果（stylization）将stylization滤波器应用于输入图像的结果如图7所示

文章图片
图7：stylization Image Credit：奶牛的形象是根据知识共享（CC by 2.0）获得许可的。你可以在这里找到它 openCV【实践系列】9——使用OpenCV进行非真实感渲染 https://bbs.easyaiforum.cn/thread-856-1-1.html
(出处: 易学智能)