前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >模拟油画和铅笔画的滤镜效果

模拟油画和铅笔画的滤镜效果

作者头像
fengzhizi715
发布2018-08-24 17:14:38
9660
发布2018-08-24 17:14:38
举报

油画效果

先上未经任何处理的原图

原图.png

然后使用油画风格的滤镜OilPaintFilter看看效果,OilPaintFilter的使用方式就一句话:)

代码语言:javascript
复制
RxImageData.bitmap(bitmap).addFilter(new OilPaintFilter()).into(image);

油画效果.png

OilPaintFilter在处理人物图片和风景图片时具有比较好的效果。

OilPaintFilter的源码如下:

代码语言:javascript
复制
import com.cv4j.core.datamodel.ColorProcessor;
import com.cv4j.core.datamodel.ImageProcessor;

/**
 * Created by Tony Shen on 2017/5/7.
 */

public class OilPaintFilter extends BaseFilter {

    private int radius = 15; // default value
    private int intensity = 40; // default value

    public OilPaintFilter() {
        this(15, 40);
    }

    public OilPaintFilter(int radius, int graylevel) {
        this.radius = radius;
        this.intensity = graylevel;
    }

    public int getRadius() {
        return radius;
    }

    public void setRadius(int radius) {
        this.radius = radius;
    }

    public int getIntensity() {
        return intensity;
    }

    public void setIntensity(int intensity) {
        this.intensity = intensity;
    }

    @Override
    public ImageProcessor doFilter(ImageProcessor src) {

        byte[][] output = new byte[3][R.length];

        int index = 0;
        int subradius = this.radius / 2;
        int[] intensityCount = new int[intensity+1];
        int[] ravg = new int[intensity+1];
        int[] gavg = new int[intensity+1];
        int[] bavg = new int[intensity+1];

        for(int i=0; i<=intensity; i++) {
            intensityCount[i] = 0;
            ravg[i] = 0;
            gavg[i] = 0;
            bavg[i] = 0;
        }

        for(int row=0; row<height; row++) {
            int ta = 0, tr = 0, tg = 0, tb = 0;
            for(int col=0; col<width; col++) {

                for(int subRow = -subradius; subRow <= subradius; subRow++)
                {
                    for(int subCol = -subradius; subCol <= subradius; subCol++)
                    {
                        int nrow = row + subRow;
                        int ncol = col + subCol;
                        if(nrow >=height || nrow < 0)
                        {
                            nrow = 0;
                        }
                        if(ncol >= width || ncol < 0)
                        {
                            ncol = 0;
                        }
                        index = nrow * width + ncol;
                        tr = R[index] & 0xff;
                        tg = G[index] & 0xff;
                        tb = B[index] & 0xff;
                        int curIntensity = (int)(((double)((tr+tg+tb)/3)*intensity)/255.0f);
                        intensityCount[curIntensity]++;
                        ravg[curIntensity] += tr;
                        gavg[curIntensity] += tg;
                        bavg[curIntensity] += tb;
                    }
                }

                // find the max number of same gray level pixel
                int maxCount = 0, maxIndex = 0;
                for(int m=0; m<intensityCount.length; m++)
                {
                    if(intensityCount[m] > maxCount)
                    {
                        maxCount = intensityCount[m];
                        maxIndex = m;
                    }
                }

                // get average value of the pixel
                int nr = ravg[maxIndex] / maxCount;
                int ng = gavg[maxIndex] / maxCount;
                int nb = bavg[maxIndex] / maxCount;
                index = row * width + col;
                output[0][index] = (byte) nr;
                output[1][index] = (byte) ng;
                output[2][index] = (byte) nb;

                // post clear values for next pixel
                for(int i=0; i<=intensity; i++)
                {
                    intensityCount[i] = 0;
                    ravg[i] = 0;
                    gavg[i] = 0;
                    bavg[i] = 0;
                }

            }
        }

        ((ColorProcessor) src).putRGB(output[0], output[1], output[2]);
        output = null;

        return src;
    }
}

其原理是使用边缘保留滤波,边缘保留滤波有很多种,可以参考之前的一篇文章基于边缘保留滤波实现人脸磨皮的算法。这里主要用的是Mean shift算法,修改局部的像素权重从而实现图像的像素模糊,以达到近似油画的效果。

铅笔画效果

我们还开发了另一款滤镜StrokeAreaFilter,用于模拟铅笔画的效果。

代码语言:javascript
复制
RxImageData.bitmap(bitmap).addFilter(new StrokeAreaFilter()).into(image);

看下效果

铅笔画效果.png

对于铅笔画而言可能有点牵强,那再组合一个随机噪声的滤镜试试。

代码语言:javascript
复制
RxImageData.bitmap(bitmap)
        .addFilter(new StrokeAreaFilter())
        .addFilter(new GaussianNoiseFilter())
        .into(image);

铅笔画效果2.png

效果也不是特别好,那再换一个USMFilter试试。

代码语言:javascript
复制
RxImageData.bitmap(bitmap)
       .addFilter(new StrokeAreaFilter())
       .addFilter(new USMFilter())
       .into(image);

终于,这次效果比前面两幅效果更好了。

铅笔画效果3.png

但是,由于是两个滤镜的叠加,速度会慢很多。再者,USMFilter它是继承高斯滤镜的。所以,在实际使用中只需单独使用StrokeAreaFilter即可,细节多少可以根据参数来调节。

总结

本文所使用的两款滤镜OilPaintFilter和StrokeAreaFilter都在cv4j中。

cv4jgloomyfish和我一起开发的图像处理库,纯java实现,目前还处于早期的版本,目前已经更新了滤镜的文档。

上周末我们做了两款滤镜,效果还算是蛮酷的,但是速度在移动端还不够理想,未来会想办法对算法做一些改进,以便更好地满足移动端的体验。

该系列先前的文章:

二值图像分析之轮廓分析

基于边缘保留滤波实现人脸磨皮的算法

二值图像分析:案例实战(文本分离+硬币计数)

Java实现高斯模糊和图像的空间卷积

Java实现图片滤镜的高级玩法

Java实现图片的滤镜效果

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2017.05.12 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 油画效果
  • 铅笔画效果
  • 总结
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档