效果
今天在写超像素代码模块的时候偶然发现利用超像素竟然可以实现类似的油画效果，后来看了一下油画效果opencv的实现发现原理有类似之处。先来利用超像素实现的油画效果：
原图：（来自davis数据集的图片，将就一下）
处理效果：
实现步骤
很简单两步就行了：
第一步：超像素分割区域第二步：分割区域材质取样替代原像素
下面是原创代码：
from skimage.segmentation import slic,mark_boundariesfrom skimage import ioimport matplotlib.pyplot as pltimport numpy as npimport cv2 as cvimport timeclass Texture(object):def __init__(self,np_matarr,idx=0,flag=1,center_ptxy=(0,0),segments=None):self.np_matarr=np_matarrself.id=idxself.flag=flagself.center_ptxy=center_ptxyself.colordic={'red':(255,0,0),'blue':(0,255,0),'green':(0,0,255),'default':(np_matarr[0,0,:][0],np_matarr[0,0,:][1],np_matarr[0,0,:][2])}self.segments=segmentsdef get_reflect(self,srcimg,is_show=False,reflect_color='red'):ptcr=np.where(self.segments==self.id)color=Noneif isinstance(reflect_color,tuple): #Multitype input colorcolor=reflect_colorelse:color=self.colordic[reflect_color]srcimg[ptcr[0],ptcr[1],:]=colorif is_show:plt.imshow(srcimg)plt.show()return srcimgdef add_roi(backimg,logoimg,logox0,logoy0):backimg=backimg.copy()logoRs,logoCs,logoChels=logoimg.shape#算出logo的空间参数for y in range(logoy0,logoy0+logoRs):for x in range(logox0,logox0+logoCs):backimg[y,x,:]=logoimg[y-logoy0,x-logox0,:]return backimgdef roi_cutPoint(srcimg,x0,x1,y0,y1):#切割图像return srcimg[y0:y1,x0:x1]def hwSet(pixels_sum,limit=300):w,h,fr,bc=4,3,0,0 for i in range(1,limit):w,h=4*i,3*ifr=bcbc=12*(i**2)#print('i={},{},{}'.format(i,fr,bc))if (pixels_sum<=bc)and(pixels_sum>=fr):breakreturn h,wdef make_TextureRGB(mat_id_3,is_show=False):lens,_=mat_id_3.shapeh,w=hwSet(lens)s=h*wre_texture=np.zeros([h,w,3],dtype=np.uint8)deta=(h*w)-lensdeta_idxs=np.random.randint(0,(lens-1),[deta]) # 对于mat自拓充的indexidxn,idx=0,0for r in range(h):for c in range(w):if idx<lens:re_texture[r,c,:]=mat_id_3[idx]idx+=1else:re_texture[r,c,:]=mat_id_3[deta_idxs[idxn]]idxn+=1if is_show:plt.imshow(re_texture)plt.show()return re_texturedef superPixels(img,is_show=False):segments = slic(img, n_segments=4000, compactness=3,enforce_connectivity=True,convert2lab=True) #compactness 越大越规则#450,10 sumpixels=44540if is_show:out=mark_boundaries(img,segments)*255 # make boundaries to showout=add_roi(img,out,0,0)plt.imshow(out)plt.show()return segments,segments.max()img = io.imread("src_images/00001.jpg") # 读取图片#####img=roi_cutPoint(img1,299, 469, 105, 367) # 对roi x0x1y0y1区域进行裁剪segments,blocks=superPixels(img,is_show=False)Texture_list=[]for idx in range(1,blocks+1):ptcr=np.where(segments==idx)arr=img[ptcr[0],ptcr[1],:]texture_mat=make_TextureRGB(arr,is_show=False)Texture_list.append(Texture(np_matarr=texture_mat,idx=idx,segments=segments))####imgv=imgfor i in range(len(Texture_list)):imgv=Texture_list[i].get_reflect(imgv,is_show=False,reflect_color='default')plt.imshow(imgv)plt.show()
可以根据超像素的参数调节随机点的数量和规则程度，在函数slic(img, n_segments=4000, compactness=3,enforce_connectivity=True,convert2lab=True)调节
