Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 简单实战案例 之一 哈哈镜效果
目录
Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 简单实战案例 之一 哈哈镜效果
一、简单介绍
Python是一种跨平台的计算机程序设计语言。是一种面向对象的动态类型语言，最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。Python是一种解释型脚本语言，可以应用于以下领域： Web 和 Internet开发、科学计算和统计、人工智能、教育、桌面界面开发、软件开发、后端开发、网络爬虫。
这里使用 Python 基于 OpenCV 进行视觉图像处理，......
二、简单哈哈镜实现的原理
现实生活中的哈哈镜，是指一种表面凸凹不平的镜子，可以反映出人像及物件的扭曲面貌。在图像处理中，哈哈镜效果是通过图像坐标变换来模拟真实的哈哈镜效果。具体算法过程如下：
输入图像f(x,y)，宽高分别为Width和Height，设置图像中心坐标Center（cx,xy）为缩放中心点，图像上任意一点到中心点的相对坐标tx=x-cx,ty=y-cy。哈哈镜效果分为图像拉伸放大和图像缩小。
1、图像拉伸放大
对于图像拉伸放大，设置图像变换的半径为radius，哈哈镜变换后的图像为p(x,y)。
2、图像缩小
对于图像缩小，设置图像变换的半径为radius，哈哈镜变换后的图像为p(x,y)。
三、哈哈镜 拉伸放大 代码实现
1、编写代码
2、运行效果
3、具体代码
import cv2
import math
def EnlargeEffectMirror(img, radius):
"""
哈哈镜放大效果
:param img: 图片
:param radius: 半径
:return: 变化后的数据
"""
# 获取图片的高、宽、和维度
h, w, n = img.shape
cx = w / 2
cy = h / 2
r = int(radius / 2.0)
new_img = img.copy()
# 遍历调整图片
for i in range(w):
for j in range(h):
tx = i - cx
ty = j - cy
distance = tx * tx + ty * ty
if distance < radius * radius:
x = int(int(tx / 2.0) * (math.sqrt(distance) / r) + cx)
y = int(int(ty / 2.0) * (math.sqrt(distance) / r) + cy)
if x < w and y < h:
new_img[j, i, 0] = img[y, x, 0]
new_img[j, i, 1] = img[y, x, 1]
new_img[j, i, 2] = img[y, x, 2]
return new_img
def TestEnlargeEffectMirror():
"""
测试哈哈镜放大效果
:return: null
"""
img = cv2.imread("Images/DogFace.jpg")
# 设置窗口属性，并显示图片
cv2.namedWindow("Dog", cv2.WINDOW_KEEPRATIO)
cv2.imshow("Dog", img)
# 该值可以自行定义，它决定了哈哈镜的大小，当图像很大时，应该相应的调大
enlarge_img = EnlargeEffectMirror(img, 400)
# 设置窗口属性，并显示图片
cv2.namedWindow("enlarge_img", cv2.WINDOW_KEEPRATIO)
cv2.imshow("enlarge_img", enlarge_img)
def main():
TestEnlargeEffectMirror()
cv2.waitKey(0)
cv2.destroyAllWindows()
if __name__ == '__main__':
main()需要注意的是：
- 1）因为涉及很多浮点运算，所以需要加上转int()函数，保证最后的图像坐标为非负整数。
- 2）另外，由于计算可能会导致最终的newx和newy出现超过图像范围的坐标，因此需要加if语句来确保图像遍历成功。
四、哈哈镜 图像缩小 代码实现
1、编写代码
2、运行效果
3、具体代码
def ReduceEffectMirror(img, compress):
"""
哈哈镜缩小效果
:param img:
:param compress: 图像缩小数值，越大，压缩越严重
:return:
"""
height, width, n = img.shape
center_x = width / 2
center_y = height / 2
new_data = img.copy()
# 图像遍历
for i in range(width):
for j in range(height):
tx = i - center_x
ty = j - center_y
theta = math.atan2(ty, tx)
radius = math.sqrt((tx * tx) + (ty * ty))
newx = int(center_x + (math.sqrt(radius) * compress * math.cos(theta)))
newy = int(center_y + (math.sqrt(radius) * compress * math.sin(theta)))
# 防止计算后坐标小于0
if newx < 0 and newx > width:
newx = 0
if newy < 0 and newy > height:
newy = 0
if newx < width and newy < height:
new_data[j, i][0] = img[newy, newx][0]
new_data[j, i][1] = img[newy, newx][1]
new_data[j, i][2] = img[newy, newx][2]
return new_data
def TestReduceEffectMirror():
"""
测试哈哈镜缩小效果
:return: null
"""
img = cv2.imread("Images/DogFace.jpg")
# 设置窗口属性，并显示图片
cv2.namedWindow("Dog", cv2.WINDOW_KEEPRATIO)
cv2.imshow("Dog", img)
# 该值可以自行定义，它决定了哈哈镜的大小，当图像很大时，应该相应的调大
reduce_img = ReduceEffectMirror(img, 12)
# 设置窗口属性，并显示图片
cv2.namedWindow("reduce_img", cv2.WINDOW_KEEPRATIO)
cv2.imshow("reduce_img", reduce_img)
def main():
TestReduceEffectMirror()
cv2.waitKey(0)
cv2.destroyAllWindows()
if __name__ == '__main__':
main()