简简单单用OpenCV让一只小猫咪变成奶凶奶凶的科技猫-技术圈

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

本文转自 | AI算法与图像处理

导读

Hi，大家好，今天给各位读者分享一个比较酷炫的特效。

下面将会一步一步演示，并详细分析内部的原因，会尽量用清晰直观的方式，让大家去理解，以收获更多的知识！

效果展示

首先看一下目标效果：

将一只可爱的小猫猫变成一只充满科技感奶凶的猫猫！

原图

效果图

思路详解 & 代码实现

一、思路讲解

Gabor 滤波器特征检测
对特征信息进行重复赋值
使用滑动条调整参数

1、Gabor 滤波器特征检测

Gabor 变换是一种短时加窗Fourier变换（简单理解起来就是在特定时间窗内做Fourier变换），是短时傅里叶变换中窗函数取为高斯函数时的一种特殊情况。因此，Gabor滤波器可以在频域上不同尺度、不同方向上提取相关的特征。另外，Gabor函数与人眼的作用相仿，所以经常用作纹理识别上，并取得了较好的效果。
在二维空间中，使用一个三角函数(a)（如正弦函数）与一个高斯函数(b)叠加，我们得到了一个Gabor滤波器(c)。如下图所示：

原理参考：https://www.cnblogs.com/wojianxin/p/12574089.html

二维Gabor函数的数学表达式如下：

公式比较抽象，下面有基于不同 θ 值的效果图

其他参数的示例可以参考：

https://blog.csdn.net/lhanchao/article/details/55006663

在本文中设置了 16 个不同的滤波器角度，分别检测不同角度

经过每个滤波器处理之后的效果（高能，把我看晕了）：

上面基于不同gabar 滤波器 θ 值设定输出的结果，这里仅显示前四个的结果，上图可能不方便观察，但是连续播放时，可以清楚看到每个滤波器输出的结果时存在差异，主要表现在能够检测到不同角度的纹理。

# 创建滤波器（们）def build_filters(a=31):    filters = []    ksize = a    print(ksize)    # 此处创建16个滤波器，只有getGaborKernel的第三个参数theta不同。    for theta in np.arange(0, np.pi, np.pi / 16):        kern = cv.getGaborKernel((ksize, ksize), 4.0, theta, 10.0, 0.5, 0, ktype=cv.CV_32F)        kern /= 1.5*kern.sum()        filters.append(kern)

2、对特征信息进行重复赋值

对使用不同参数（这里仅设置不同的 θ 角）的gabor滤波器检测到的特征（主要毛发等），然后对这些特征重复作为最终输出的结果

这里需要介绍的一个函数 np.maximum，

 import numpy as npa =[-5,-4,-3,-2,-1,0,1,2,3,4,5]>>> np.maximum(a,0)# 输出 array([0, 0, 0, 0, 0, 0, 1, 2, 3, 4, 5])

np.maximum 对参数中对应位置的值进行比较，输出较大的值作为最终的结果。

在曲线上表现形式如上图所示，那么对于一张图片又是如何呢？

曲线都是一维的情况，当我们这里处理的是图片时，此时numpy 处理的是三个通道的值，原理还是一样对应位置进行比较。

更加具体的来说，一张图片可以看成是三通道的， RGB，为了便于理解，我们假设取其中一个通道例如 R 通道的值进行比较，那么最终的输出结果，一定是所有结果处理完（不同参数）之后，R 通道值最大的结果，同理可以对 G 通道和 B 通道也是如此，因此最终的输出结果显示的颜色会比较鲜艳，比较亮。

# 重新赋值过程# 将不同滤波器处理的结果，经过 np.maximum 输出每个位置最亮的值 def process(img, filters):    # zeros_like：返回和输入大小相同，类型相同，用0填满的数组    accum = np.zeros_like(img)    for kern in filters:        fimg = cv.filter2D(img, cv.CV_8UC3, kern)        # maximum：逐位比较取其大        np.maximum(accum, fimg, accum)    return accum

知识点汇总和代码分享

本文简单介绍了 Gabor 滤波器，通过设置不同的滤波器参数来得到我们希望检测的特征，然后对特征进一步出来，展示出来较酷炫的效果。在代码中，我们还会用到滑动条以便更加轻松的调节参数。

具体的代码，在下面的内容中分享

后续会将代码和素材更新到项目中：https://github.com/DWCTOD/AI_study
主要需要下面两个代码

from __future__ import print_function
import numpy as npimport cv2 as cvfrom multiprocessing.pool import ThreadPool
# 创建滤波器（们）def build_filters(a=31):    filters = []    ksize = a    print(ksize)    # 此处创建16个滤波器，只有getGaborKernel的第三个参数theta不同。    for theta in np.arange(0, np.pi, np.pi / 16):        kern = cv.getGaborKernel((ksize, ksize), 4.0, theta, 10.0, 0.5, 0, ktype=cv.CV_32F)        kern /= 1.5*kern.sum()        filters.append(kern)    return filters
# 单线程处理def process(img, filters):    # zeros_like：返回和输入大小相同，类型相同，用0填满的数组    accum = np.zeros_like(img)    for kern in filters:        fimg = cv.filter2D(img, cv.CV_8UC3, kern)        #cv.imshow('fimg',fimg)        #cv.waitKey(0)        # maximum：逐位比较取其大        np.maximum(accum, fimg, accum)    return accum
# 多线程处理，threadn = 8def process_threaded(img, filters, threadn = 8):    accum = np.zeros_like(img)    def f(kern):        return cv.filter2D(img, cv.CV_8UC3, kern)    pool = ThreadPool(processes=threadn)    for fimg in pool.imap_unordered(f, filters):        np.maximum(accum, fimg, accum)    return accum
def nothing(x):    pass
if __name__ == '__main__':    import sys    from common import Timer
    # 输出文件开头由''' '''包含的注释内容    print(__doc__)
    try:        img_fn = sys.argv[1]    except:        img_fn = 'cat1.jpg'
    img = cv.imread(img_fn)    # 判断图片是否读取成功    if img is None:        print('Failed to load image file:', img_fn)        sys.exit(1)    # 增加滑动条    cv.namedWindow('result')    cv.createTrackbar('a', 'result', 0, 60, nothing)    tmp =-1    while True:        a = cv.getTrackbarPos('a', 'result')        print("a:",a)        if a == tmp:            cv.imshow('result', res2)            if cv.waitKey(1) == 27:                break            if cv.waitKey(1) == ord('s'):                cv.imwrite(str(a)+'.jpg', res2)            continue        tmp = a        filters = build_filters(a)
        with Timer('running single-threaded'):            res1 = process(img, filters)        with Timer('running multi-threaded'):            res2 = process_threaded(img, filters)
        print('res1 == res2: ', (res1 == res2).all())        # cv.imshow('img', img)        cv.imshow('result', res2)        if cv.waitKey(1) == 27:            break        # cv.destroyAllWindows()

还需要将下面的代码保存为 common.py

#!/usr/bin/env python
'''This module contains some common routines used by other samples.'''
# Python 2/3 compatibilityfrom __future__ import print_functionimport sysPY3 = sys.version_info[0] == 3
if PY3:    from functools import reduce
import numpy as npimport cv2 as cv
# built-in modulesimport osimport itertools as itfrom contextlib import contextmanager
image_extensions = ['.bmp', '.jpg', '.jpeg', '.png', '.tif', '.tiff', '.pbm', '.pgm', '.ppm']
class Bunch(object):    def __init__(self, **kw):        self.__dict__.update(kw)    def __str__(self):        return str(self.__dict__)
def splitfn(fn):    path, fn = os.path.split(fn)    name, ext = os.path.splitext(fn)    return path, name, ext
def anorm2(a):    return (a*a).sum(-1)def anorm(a):    return np.sqrt( anorm2(a) )
def homotrans(H, x, y):    xs = H[0, 0]*x + H[0, 1]*y + H[0, 2]    ys = H[1, 0]*x + H[1, 1]*y + H[1, 2]    s  = H[2, 0]*x + H[2, 1]*y + H[2, 2]    return xs/s, ys/s
def to_rect(a):    a = np.ravel(a)    if len(a) == 2:        a = (0, 0, a[0], a[1])    return np.array(a, np.float64).reshape(2, 2)
def rect2rect_mtx(src, dst):    src, dst = to_rect(src), to_rect(dst)    cx, cy = (dst[1] - dst[0]) / (src[1] - src[0])    tx, ty = dst[0] - src[0] * (cx, cy)    M = np.float64([[ cx,  0, tx],                    [  0, cy, ty],                    [  0,  0,  1]])    return M

def lookat(eye, target, up = (0, 0, 1)):    fwd = np.asarray(target, np.float64) - eye    fwd /= anorm(fwd)    right = np.cross(fwd, up)    right /= anorm(right)    down = np.cross(fwd, right)    R = np.float64([right, down, fwd])    tvec = -np.dot(R, eye)    return R, tvec
def mtx2rvec(R):    w, u, vt = cv.SVDecomp(R - np.eye(3))    p = vt[0] + u[:,0]*w[0]    # same as np.dot(R, vt[0])    c = np.dot(vt[0], p)    s = np.dot(vt[1], p)    axis = np.cross(vt[0], vt[1])    return axis * np.arctan2(s, c)
def draw_str(dst, target, s):    x, y = target    cv.putText(dst, s, (x+1, y+1), cv.FONT_HERSHEY_PLAIN, 1.0, (0, 0, 0), thickness = 2, lineType=cv.LINE_AA)    cv.putText(dst, s, (x, y), cv.FONT_HERSHEY_PLAIN, 1.0, (255, 255, 255), lineType=cv.LINE_AA)
class Sketcher:    def __init__(self, windowname, dests, colors_func):        self.prev_pt = None        self.windowname = windowname        self.dests = dests        self.colors_func = colors_func        self.dirty = False        self.show()        cv.setMouseCallback(self.windowname, self.on_mouse)
    def show(self):        cv.imshow(self.windowname, self.dests[0])
    def on_mouse(self, event, x, y, flags, param):        pt = (x, y)        if event == cv.EVENT_LBUTTONDOWN:            self.prev_pt = pt        elif event == cv.EVENT_LBUTTONUP:            self.prev_pt = None
        if self.prev_pt and flags & cv.EVENT_FLAG_LBUTTON:            for dst, color in zip(self.dests, self.colors_func()):                cv.line(dst, self.prev_pt, pt, color, 5)            self.dirty = True            self.prev_pt = pt            self.show()

# palette data from matplotlib/_cm.py_jet_data =   {'red':   ((0., 0, 0), (0.35, 0, 0), (0.66, 1, 1), (0.89,1, 1),                         (1, 0.5, 0.5)),               'green': ((0., 0, 0), (0.125,0, 0), (0.375,1, 1), (0.64,1, 1),                         (0.91,0,0), (1, 0, 0)),               'blue':  ((0., 0.5, 0.5), (0.11, 1, 1), (0.34, 1, 1), (0.65,0, 0),                         (1, 0, 0))}
cmap_data = { 'jet' : _jet_data }
def make_cmap(name, n=256):    data = cmap_data[name]    xs = np.linspace(0.0, 1.0, n)    channels = []    eps = 1e-6    for ch_name in ['blue', 'green', 'red']:        ch_data = data[ch_name]        xp, yp = [], []        for x, y1, y2 in ch_data:            xp += [x, x+eps]            yp += [y1, y2]        ch = np.interp(xs, xp, yp)        channels.append(ch)    return np.uint8(np.array(channels).T*255)
def nothing(*arg, **kw):    pass
def clock():    return cv.getTickCount() / cv.getTickFrequency()
@contextmanagerdef Timer(msg):    print(msg, '...',)    start = clock()    try:        yield    finally:        print("%.2f ms" % ((clock()-start)*1000))
class StatValue:    def __init__(self, smooth_coef = 0.5):        self.value = None        self.smooth_coef = smooth_coef    def update(self, v):        if self.value is None:            self.value = v        else:            c = self.smooth_coef            self.value = c * self.value + (1.0-c) * v
class RectSelector:    def __init__(self, win, callback):        self.win = win        self.callback = callback        cv.setMouseCallback(win, self.onmouse)        self.drag_start = None        self.drag_rect = None    def onmouse(self, event, x, y, flags, param):        x, y = np.int16([x, y]) # BUG        if event == cv.EVENT_LBUTTONDOWN:            self.drag_start = (x, y)            return        if self.drag_start:            if flags & cv.EVENT_FLAG_LBUTTON:                xo, yo = self.drag_start                x0, y0 = np.minimum([xo, yo], [x, y])                x1, y1 = np.maximum([xo, yo], [x, y])                self.drag_rect = None                if x1-x0 > 0 and y1-y0 > 0:                    self.drag_rect = (x0, y0, x1, y1)            else:                rect = self.drag_rect                self.drag_start = None                self.drag_rect = None                if rect:                    self.callback(rect)    def draw(self, vis):        if not self.drag_rect:            return False        x0, y0, x1, y1 = self.drag_rect        cv.rectangle(vis, (x0, y0), (x1, y1), (0, 255, 0), 2)        return True    @property    def dragging(self):        return self.drag_rect is not None

def grouper(n, iterable, fillvalue=None):    '''grouper(3, 'ABCDEFG', 'x') --> ABC DEF Gxx'''    args = [iter(iterable)] * n    if PY3:        output = it.zip_longest(fillvalue=fillvalue, *args)    else:        output = it.izip_longest(fillvalue=fillvalue, *args)    return output
def mosaic(w, imgs):    '''Make a grid from images.
    w    -- number of grid columns    imgs -- images (must have same size and format)    '''    imgs = iter(imgs)    if PY3:        img0 = next(imgs)    else:        img0 = imgs.next()    pad = np.zeros_like(img0)    imgs = it.chain([img0], imgs)    rows = grouper(w, imgs, pad)    return np.vstack(map(np.hstack, rows))
def getsize(img):    h, w = img.shape[:2]    return w, h
def mdot(*args):    return reduce(np.dot, args)def draw_keypoints(vis, keypoints, color = (0, 255, 255)):    for kp in keypoints:        x, y = kp.pt        cv.circle(vis, (int(x), int(y)), 2, color)

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~