[OpenCV实战]32 使用OpenCV进行非真实感渲染

【[OpenCV实战]32 使用OpenCV进行非真实感渲染】古人已用三冬足，年少今开万卷余。这篇文章主要讲述[OpenCV实战]32 使用OpenCV进行非真实感渲染相关的知识，希望能为你提供帮助。

文章图片

有人认为使用高斯内核简单地模糊图像，检测边缘，并将两个图像组合以获得上面所示卡通化图像。虽然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。通过双边滤波可以完成这项工作，双边滤波可能是计算机视觉中最常用的边缘平滑滤波器，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保边滤波器。结果与双边滤波非常相似，但速度更快。这是SIGGRAPH 2011论文Domain transform for edge-aware image and video processing实现。论文作者为Eduardo Gastal and Manuel Oliveira。论文见：
保边滤波器详细见：
1 保边滤波的频域变换作者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。详细链接见：
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

1.1 保边滤波器Edge Preserving Filter 1.1.1 函数调用
OpenCV中保边滤波器调用函数为edgePreservingFilter。
函数具体调用如下：
C++:

edgePreservingFilter(Mat src, Mat dst, int flags=1, float sigma_s=60, float sigma_r=0.4f)

python:

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

函数具体参数如下：
SRC：8位3通道输入图像
DST：8位3通道输出图像
Flag：保变滤波器类型。取值RECURS_FILTER（递归滤波）= 1和NORMCONV_FILTER（归一化卷积）= 2。使用RECURS_FILTER选项比NORMCONV_FILTER快约3.5倍。但NORMCONV_FILTER产生边缘锐化。当不希望锐化时，要求速度应该使用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式滤波器）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居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。
在保边滤波器中，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，我们想要将像素中的颜色值替换为邻域中的像素的平均值，使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，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导致大面积的恒定颜色区域。
1.1.2 edgePreservingFilter结果
将edgePreservingFilter与RECURS_FILTER一起应用的结果如下所示：

文章图片

施加edgePreservingFilter与NORMCONV_FILTER的结果如下所示：

文章图片

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。
1.2 细节增强顾名思义，过滤器可以增强细节，使图像更清晰。调用参数如下：
C++:

detailEnhance(Mat src, Mat dst, float sigma_s=10, float sigma_r=0.15f)

Python:

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

参数与保边滤波器调用相同。下图显示了结果细节增强过滤器。请注意，整个图像比输入图像更清晰。

文章图片

1.3 素描滤波器此过滤器生成的输出看起来像铅笔草图。有两个输出，一个是将滤镜应用于彩色输入图像的结果，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。调用如下：
C++:

pencilSketch(Mat src, Mat dst_gray, Mat dst_color, float sigma_s=60, float sigma_r=0.07f, float shade_factor=0.02f)

Python:

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

参数与边缘增强滤镜相同。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。
将pencilSketch滤镜应用于输入图像的结果如下所示。

文章图片

文章图片

1.4 风格化滤波器风格化过滤器产生的输出看起来像使用水彩绘制的图像。调用函数如下：
C++:

stylization(Mat src, Mat dst, float sigma_s=60, float sigma_r=0.45f)

Python:

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

参数与边缘增强滤镜相同。应用于输入图像的结果如下所示。

文章图片

2 代码所有代码见：
C++:

#include "pch.h" #include & lt; opencv2/opencv.hpp& gt; using namespace cv; using namespace std; int main()// Read image 读取图像 Mat im = imread("./image/cow.jpg"); Mat imout, imout_gray; // Edge preserving filter with two different flags. 保边滤波器 edgePreservingFilter(im, imout, RECURS_FILTER); imwrite("edge-preserving-recursive-filter.jpg", imout); edgePreservingFilter(im, imout, NORMCONV_FILTER); imwrite("edge-preserving-normalized-convolution-filter.jpg", imout); // Detail enhance filter 边缘增强滤波器 detailEnhance(im, imout); imwrite("detail-enhance.jpg", imout); // Pencil sketch filter 素描滤波器 pencilSketch(im, imout_gray, imout); imwrite("pencil-sketch.jpg", imout_gray); imwrite("pencil-sketch-color.jpg", imout_gray); // Stylization filter 风格化滤波器 stylization(im, imout); imwrite("stylization.jpg", imout); return 0;

Python:

import cv2# Read image im = cv2.imread("./image/cow.jpg"); # Edge preserving filter with two different flags. imout = cv2.edgePreservingFilter(im, flags=cv2.RECURS_FILTER); cv2.imwrite("edge-preserving-recursive-filter.jpg", imout); imout = cv2.edgePreservingFilter(im, flags=cv2.NORMCONV_FILTER); cv2.imwrite("edge-preserving-normalized-convolution-filter.jpg", imout); # Detail enhance filter imout = cv2.detailEnhance(im); cv2.imwrite("detail-enhance.jpg", imout); # Pencil sketch filter imout_gray, imout = cv2.pencilSketch(im, sigma_s=60, sigma_r=0.07, shade_factor=0.05); cv2.imwrite("pencil-sketch.jpg", imout_gray); cv2.imwrite("pencil-sketch-color.jpg", imout); # Stylization filter cv2.stylization(im,imout); cv2.imwrite("stylization.jpg", imout);