Python实现毛玻璃图像特效：高斯滤波与随机采样算法解析

毛玻璃特效原理与实现思路

本文介绍一种基于高斯滤波和邻域随机采样的图像特效生成方法，旨在实现毛玻璃视觉效果。其基本原理是：首先对原始图像执行高斯滤波以获取模糊背景，随后对该模糊图像进行邻域内的随机采样，将采样得到的像素值赋予当前处理位置的像素点。这种处理方式在模糊的基础上引入了随机扰动，使得最终生成的图像呈现出类似透过毛玻璃观察原图的朦胧质感。

# -*- coding: utf-8 -*-
"""
Created on Sun Aug 20 11:03:53 2017

@author: shiyi
"""

import matplotlib.pyplot as plt
from skimage.filters import gaussian
from scipy.misc import imsave, imread
import random

file_name='D:/Visual Effects/PS Algorithm/4.jpg';
img=imread(file_name)

g_img = gaussian(img, sigma=2, multichannel=True)

img_out = g_img.copy()

rows, cols, dpt = img.shape

p_size = 3

for i in range(p_size, rows-p_size, 1):
    for j in range(p_size, cols-p_size, 1):
        k1= random.random() - 0.5
        k2= random.random() - 0.5
        m=int (k1*(p_size*2-1)) 
        n=int (k2*(p_size*2-1))
        h=(i+m) % rows 
        w=(j+n) % cols  
        img_out[i, j, :] = g_img[h, w, :]

imsave('out.jpg', img_out)

plt.figure
plt.imshow(img_out)
plt.show()

具体处理后的视觉效果如下图所示：

对比原图与处理后图像的展示如下：

基于OpenCV的另一种实现方式

此外，这里补充分享一段此前收藏的毛玻璃效果实现代码，感谢原作者的贡献与分享。

#coding:utf-8
'''
毛玻璃效果
'''
 
import cv2
import numpy as np
 
src = cv2.imread('datas/images/f1.jpg')
dst = np.zeros_like(src)
 
rows,cols,_ = src.shape
offsets = 5
random_num = 0
 
for y in range(rows - offsets):
    for x in range(cols - offsets):
        random_num = np.random.randint(0,offsets)
        dst[y,x] = src[y + random_num,x + random_num]
 
cv2.imshow('src',src)
cv2.imshow('dst',dst)
 
cv2.waitKey()
cv2.destroyAllWindows()

以上内容即为本文的全部介绍，希望这些代码示例能对各位的学习与开发工作有所启发。如果读者觉得内容有用，欢迎继续支持本站获取更多技术资源。