TensorFlow+OpenCV图像处理( 四 图片美化——亮度增强、磨皮美白、高斯均值滤波、均值滤波)

文章目录

    • 4.7亮度增强
    • 4.8磨皮美白(双边滤波)

4.7亮度增强

import cv2
import numpy as np
img = cv2.imread('image00.jpg',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
cv2.imshow('src',img)
dst = np.zeros((height,width,3),np.uint8)
for i in range(0,height):
    for j in range(0,width):
        (b,g,r) = img[i,j]
        bb = int(b)+40
        gg = int(g)+40
        rr = int(r)+40
        if bb>255:
            bb = 255
        if gg>255:
            gg = 255
        if rr>255:
            rr = 255
        dst[i,j] = (bb,gg,rr)
cv2.imshow('dst',dst)
cv2.waitKey(0)

TensorFlow+OpenCV图像处理( 四 图片美化——亮度增强、磨皮美白、高斯均值滤波、均值滤波)_第1张图片TensorFlow+OpenCV图像处理( 四 图片美化——亮度增强、磨皮美白、高斯均值滤波、均值滤波)_第2张图片

4.8磨皮美白(双边滤波)

import cv2
img = cv2.imread('1.png',1)
cv2.imshow('src',img)
dst = cv2.bilateralFilter(img,15,35,35)
cv2.imshow('dst',dst)
cv2.waitKey(0)

TensorFlow+OpenCV图像处理( 四 图片美化——亮度增强、磨皮美白、高斯均值滤波、均值滤波)_第3张图片TensorFlow+OpenCV图像处理( 四 图片美化——亮度增强、磨皮美白、高斯均值滤波、均值滤波)_第4张图片
高斯滤波详解
中值滤波详解
双边滤波详解
方框滤波详解
均值滤波详解

你可能感兴趣的:(opencv,计算机视觉)