OpenCV-Python实现油画效果的实例

油画的实现原理

油画简单的理解是带有艺术感的图像，色彩相对于原图要更加鲜艳，但却是失真的。

而且对于喜欢欣赏艺术的读者，肯定或多或少关注过油画，油画并不细腻，而且小部分因为色块的堆积非常模糊。所以，我们实现油画的原理是：逐行对图像进行处理，使周围相邻距离的像素进行打乱。

至于打乱的算法，你可以随机设计。不过，需要注意的是在处理到图像边缘时，比如左下角最后一个像素，那么如果打乱其像素，取右边的显然不可取，因为右边没有像素会导致数组越界。所以在处理油画时，可以人为的剪掉部分边缘像素用于混淆。

还有，油画因为用色大胆，所以我们需要增强图像的色彩空间。而python的PIL库有一个现成的类ImageEnhance。该类专门用于图像的增强处理，不仅可以增强图像的亮度，对比度，色度，还可以增强图像的锐度，因此我们实现油画可以通过它快速实现图像增强的操作。

下面，我们来看看其图像增强如何实现。代码如下：

enh_col=ImageEnhance.Color(img)
color = 2.0
new_img = enh_col.enhance(color)

此处的img是PIL读取的图片，如果想PIL读取图片转到OpenCV读取图片的格式可以通过如下代码完成：

new_img = cv2.cvtColor(np.asarray(new_img), cv2.COLOR_RGB2BGR)

其中，new_img为PIL读取的图片格式。

而enhance函数的参数color代表了图像色彩的丰富程度和饱和度，数值为1时保持色度不变，数值增加表示色度比例增加，以此达到图像增强的效果。

实现油画效果

既然已经了解了实现油画效果的原理。下面，我们直接上代码来完成油画的操作。具体代码如下所示：

# 油画效果
def oil_effect(img):
   h, w, n = img.shape
   new_img = np.zeros((h - 2, w, n), dtype=np.uint8)
   for i in range(h - 2):
       for j in range(w):
           if random.randint(1, 10) ％ 3 == 0:
               new_img[i, j] = img[i - 1, j]
           elif random.randint(1, 10) ％ 2 == 0:
               new_img[i, j] = img[i + 1, j]
           else:
               new_img[i, j] = img[i + 2, j]
   return new_img

# 图像增强
def img_add():
   img = Image.open("oil.jpg")
   enh_col = ImageEnhance.Color(img)
   color = 2.0
   new_img = enh_col.enhance(color)
   new_img = cv2.cvtColor(np.asarray(new_img), cv2.COLOR_RGB2BGR)
   return new_img

if __name__ == "__main__":
   img = cv2.imread("49.jpg")
   oil_img = oil_effect(img)
   cv2.imwrite("oil.jpg", oil_img)
   cv2.imshow("0", img)
   cv2.imshow("1", img_add())
   cv2.waitKey()
   cv2.destroyAllWindows()

运行之后，效果如下：

水彩效果

像油画效果一样，水彩效果也可以用单行代码完成，但不包括导入和图像读取。

cv2.stylization()

import cv2

img = cv2.imread('img.jpg')

res = cv2.stylization(img, sigma_s=60, sigma_r=0.6)

# sigma_s controls the size of the neighborhood. Range 1 - 200

# sigma_r controls the how dissimilar colors within the neighborhood will be averaged. A larger sigma_r results in large regions of constant color. Range 0 - 1

来源：https://liyuanjinglyj.blog.csdn.net/article/details/115137927