搜索
利用滤波实现油画的浮雕和油画效果一.浮雕效果1.原理：将图片的颜色或灰度变换较大的像素部分突出出来，而将灰度或颜色变换不大的部分淡化，使图像出现纵深感，从而达到浮雕效果。利用matlab的线性滤波函数filter2()，以及水平，垂直，45度，135度方向的算子进行滤波，最后叠加起来可以得到较好的浮雕效果。2.matlab代码：(main1.m)[filename,pathname]=uigetfile({'*.bmp;*.jpg;*.png;*.jpeg','ImageFiles(*.bmp,*.jpg,*.png,*.jpeg)';...'*.*','AllFiles(*.*)'},'Pickanimage');ifisequal(filename,0)||isequal(pathname,0),return;end%获取图片路径path=fullfile([pathname,filename]);RGB=imread(path);%读取一张图片R=RGB(:,:,1);%红色分量表示的图像G=RGB(:,:,2);%绿色分量表示的图像B=RGB(:,:,3);%蓝色分量表示的图像h1=[-1,-4,-1;0,0,0;1,4,1];%水平方向算子IR1=filter2(h1,R);%对红色分量进行浮雕效果处理IG1=filter2(h1,G);%对绿色分量进行浮雕效果处理IB1=filter2(h1,B);%对蓝色分量进行浮雕效果处理h2=[1,0,-1;4,0,-1;1,0,-1];%垂直方向算子IR2=filter2(h2,R);IG2=filter2(h2,G);IB2=filter2(h2,B);h3=[0,-1,-4;1,0,-1;1,4,0];%45度方向算子IR3=filter2(h3,R);IG3=filter2(h3,G);IB3=filter2(h3,B);h4=[4,1,0;1,0,-1;0,-1,-4];%135度方向算子IR4=filter2(h4,R);IG4=filter2(h4,G);IB4=filter2(h4,B);IR=IR1+IR2+IR3+IR4;IG=IG1+IG2+IG3+IG4;IB=IB1+IB2+IB3+IB4;IMG=IR+IG+IB;%对rgb三个分量单独处理后的图像进行叠加subplot(1,2,1),imshow(RGB),title('原图');subplot(1,2,2),imshow(IMG,[]),title('浮雕效果图');3.实验结果:4.问题与思考：通过以上算法只能实现水平，垂直，45度和135度这四个方向上的浮雕效果，如何实现其它任意方向的浮雕效果？根据任意方向的导数算法，我们可以使用多方向的梯度算法和拉普拉斯变换算法输出任意原图浮雕效果图方向最佳的边缘响应。其实，梯度算法和拉普拉斯算法输出的是0~180度范围垂直方向对的最大响应，即：B=max(|dn/dx|+|dn/dy|)B=max(|d2n/dx2|+|d2n/dy2|)二.油画效果1.基本原理：检测图像每个像素的邻域，计算每个邻域像素的强度（亮度），取重复出现最多的值相对应的像素作为输出，分别取这些像素的r，g，b分量的平均值作为当前像素输出的r，g，b值，最终得到的图像会损失一些信息，得到类似油画的效果。2.具体算法分析：对于一副图像，例如：（1）确定当前像素位置为（x,y）,取邻域半径为2，则邻域范围是从[x-2,y-2]到[x+2,y+2]，如图：图中标出每个像素的r,g,b值。（2）计算每个邻域像素的强度值，计算公式为：强度值=[（r值+g值+b值）/3*强度范围]/255，其中强度范围是可调整的参数（该例子取值为20）。结果如图：其中，强度值8出现次数最多，为7次，对应的像素位置分别为：[x-1,y-2]，[x,y-1]，[x,y+1]，[x+1,y-1]，[x+1,y]，[x+1,y+2]，[x+2,y+2]（3）取这7个像素r分量的平均值作为输出像素r分量的值：R=(124+120+158+129+108+170+140)/7=135,同理，可求出输出像素g分量和b分量的值，分别为128，65.（4）则当前像素（x，y）对应的输出值为：RGB(135，128，65)。（5）改变当前像素位置，重复以上步骤等到每一个像素的输出值，最终输出的图像就具有油画效果。3.算法参数分析：邻域半径：确定邻域范围，取3到7可以得到较好的油画效果强度范围：用来计算邻域像素的强度，从而达到筛选输出的目的4.matlab代码：oilpaint.m:function[outputimage]=oilpaint(image,radius,intensity_level)%image输入的图片数组%radius滤波邻域的半径%intensity_level强度范围，由于计算像素强度%outputimage输出的图片数组image=uint16(image);%将输入的图片数组转为uint16型，避免计算时超出范围image_size=size(image);height=image_size(1);%图片的高度width=image_size(2);%图片的宽度outputimage=zeros(height,width,3);%用一个同样大小的数组记录输出图像的数据，初始化为零forx=1:heightfory=1:widthintensity_counter=zeros(intensity_level,1);%强度计数器，记录邻域每个强度出现次数sum_r=uint16(zeros(intensity_level,1));%r分量累加器，记录每个强度r分量的和sum_g=uint16(zeros(intensity_level,1));%g分量累加器sum_b=uint16(zeros(intensity_level,1));%b分量累加器fori=(x-radius):(x+radius)forj=(y-radius):(y+radius)%邻域的遍历ifi0&&i=height&&j0&&j=widthintensity=(image(i,j,1)+image(i,j,2)+image(i,j,3))/3*intensity_level/255;%计算每一像素的强度ifintensity==0intensity=1;end%强度不能为零，避免数组下标出现零intensity_counter(intensity)=intensity_counter(intensity)+1;%统计强度出现的次数sum_r(intensity)=sum_r(intensity)+image(i,j,1);%同一强度的r分量求和sum_g(intensity)=sum_g(intensity)+image(i,j,2);sum_b(intensity)=sum_b(intensity)+image(i,j,3);endendendintensity_counter_max=max(intensity_counter);%找出同一强度出现最多的次数fori=1:intensity_levelifintensity_counter(i)==intensity_counter_maxindex=i;endend%若出现最多的次数有重复，则取强度大的像素作为输出outputimage(x,y,1)=sum_r(index)/intensity_counter(index);%出现最多次的强度值对应像素的r分量取平均值，作为当前像素输出的r分量outputimage(x,y,2)=sum_g(index)/intensity_counter(index);%输出的g分量outputimage(x,y,3)=sum_b(index)/intensity_counter(index);%输出的b分量endendoutputimage=uint8(outputimage);%将uint16图像转化为matlab默认的uint8型main.m:[filename,pathname]=uigetfile({'*.bmp;*.jpg;*.png;*.jpeg','ImageFiles(*.bmp,*.jpg,*.png,*.jpeg)';...'*.*','AllFiles(*.*)'},'Pickanimage');ifisequal(filename,0)||isequal(pathname,0),return;end%获取图片路径path=fullfile([pathname,filename]);image=imread(path);%读取一张图片outputimage=oilpaint(image,5,100);%通过滤波进行油画效果处理subplot(1,2,1)imshow(image);title('原图');subplot(1,2,2);imshow(outputimage);title('油画效果图');5.实验结果：原图油画效果图6.实现过程中的问题与思考：（1）边界问题：这是一个非线性滤波，关键是强度重复像素的计算，不必进行边界的扩展。如果边界上补零，那么输出图片会有黑边；如果采用复制外边界来扩展，那么输出边界就是原图的边界；如果边界采用对称扩展或周期扩展，输出的油画效果和不采用边界扩展几乎没有是一样的。（2）数据类型问题：matlab读取图片时默认为uint8类型的数组，但是在计算像素强度的过程中出现了远大于255的值，所以必须将uint8数组转换为uint16的数组进行计算分析，最后的结果再转换为uint8性的数组输出。原图油画效果图