基于Matlab实现水波倒影特效的制作

这篇文章主要介绍了如何利用Matlab制作出水波倒影的特效，文中的示例代码讲解详细，对我们学习Matlab有一定帮助，需要的可以参考一下

1.使用效果

2.图像翻转及白化

导入图像：

% 图片导入 oriPic=imread('test.jpg-600'); [Row,Col,~]=size(oriPic);

翻转及白化图像：

翻转就是单纯的将行索引倒过来；

白化就是将当前像素的颜色按比例和白色取个带权均值，行索引越大白色权重也越大，图像也就越白。

% 图片翻转及白化 ========================================================== whiteMat=((1:Row)./Row./1.2)'*ones(1,Col); % 白化比例矩阵 flipPic=zeros(Row,Col,3);                  % 翻转后矩阵初始化 for i=1:3 tempChannel=double(oriPic(:,:,i));     % 获得通道图 tempChannel=tempChannel(end:-1:1,:);   % 翻转 tempChannel=tempChannel.*(1-whiteMat)+255.*whiteMat; % 白化 flipPic(:,:,i)=tempChannel; end

当然如果我们将这一行：

tempChannel=tempChannel.*(1-whiteMat)+255.*whiteMat;

更改为：

tempChannel=tempChannel.*(1-whiteMat)+0.*whiteMat;

就变成了一个黑化的过程：

当然你也可以尝试其他颜色，例如将整段改写为：

Color=[255,0,0]; colorMat=((1:Row)./Row./1.2)'*ones(1,Col); % 比例矩阵 flipPic=zeros(Row,Col,3);                  % 翻转后矩阵初始化 for i=1:3 tempChannel=double(oriPic(:,:,i));     % 获得通道图 tempChannel=tempChannel(end:-1:1,:);   % 翻转 tempChannel=tempChannel.*(1-colorMat)+Color(i).*colorMat; % 渐变 flipPic(:,:,i)=tempChannel; end imshow(uint8(flipPic))

3.波纹图像构造

生成噪声并模糊：

noiseMat=ones(Row,Col); noiseMat=imnoise(noiseMat,'gaussian',0,5); % 噪声添加 gaussOpt=fspecial('gaussian',[3 3],1); noiseMat=imfilter(noiseMat,gaussOpt);

噪声图：

模糊后噪声图：

浮雕特效：

实际上浮雕特效就是用以下类似形式的矩阵对图像进行卷积，卷积结果再加上RGB范围的均值，[0,1]区间就加0.5，[0,255]区间就加128：

数值和位置不重要，重要的是相对位置互为相反数，浮雕过程描述如下：

H=[cos(pi+pi/4)  ,0,cos(pi-pi/4); cos(pi+2*pi/4),0,cos(pi-2*pi/4); cos(pi+3*pi/4),0,cos(pi-3*pi/4)]; noiseMat=imfilter(noiseMat,H,'conv')+0.5; noiseMat=noiseMat.*255; noiseMat(noiseMat<0)=0;

透视变换：

就是近大远小，这里为了方便起见只在横向方向上做了近大远小的拉伸，竖直方向进行了等比例拉伸，因而不是严格意义上的透视变换：

如图所示实际操作就是把左侧蓝色区域拉伸成右侧蓝色区域，并只选取红框内部分，代码如下：

% 图像透视变换 ============================================================ exNoiseMat=zeros(Row,Col); % 横向拉伸上下边倍数 K1=10;K2=4; for i=1:Row for j=1:Col k=K2+i*(K1-K2)/Row; nJ=(j-(1+Col)/2)/k+(1+Col)/2; if floor(nJ)==ceil(nJ) nJ=round(nJ); exNoiseMat(i,j)=noiseMat(i,nJ); else nJ1=floor(nJ);nJ2=ceil(nJ); exNoiseMat(i,j)=noiseMat(i,nJ1)*(nJ2-nJ)+noiseMat(i,nJ2)*(nJ-nJ1); end end end % 竖向拉伸3倍并只取一部分 exNoiseMat=imresize(exNoiseMat,[3*Row,Col]); exNoiseMat=exNoiseMat(end-Row+1:end,:); exNoiseMat=uint8(exNoiseMat);

注：如果原图像尺寸过大，水波就会过于密集，这时候可以适当调整放缩倍数或者将原图像重调大小到小一点的尺寸。

例如大波浪代码：

% 图像透视变换 ============================================================ exNoiseMat=zeros(Row,Col); K1=40;K2=10; for i=1:Row for j=1:Col k=K2+i*(K1-K2)/Row; nJ=(j-(1+Col)/2)/k+(1+Col)/2; if floor(nJ)==ceil(nJ) nJ=round(nJ); exNoiseMat(i,j)=noiseMat(i,nJ); else nJ1=floor(nJ);nJ2=ceil(nJ); exNoiseMat(i,j)=noiseMat(i,nJ1)*(nJ2-nJ)+noiseMat(i,nJ2)*(nJ-nJ1); end end end exNoiseMat=imresize(exNoiseMat,[8*Row,Col]); exNoiseMat=exNoiseMat(end-Row+1:end,:); exNoiseMat=uint8(exNoiseMat);

小波浪及大波浪：

4.扭曲置换

这个。。。老朋友了，具体原理还是看这一篇叭：利用Matlab制作抖音同款含褶皱面料图

% 扭曲置换 ================================================================ forePic=flipPic; bkgPic=exNoiseMat; exforePic=uint8(zeros(size(forePic)+[26,26,0])); exforePic(14:end-13,14:end-13,1)=forePic(:,:,1); exforePic(14:end-13,14:end-13,2)=forePic(:,:,2); exforePic(14:end-13,14:end-13,3)=forePic(:,:,3); for i=1:13 exforePic(i,14:end-13,:)=forePic(1,:,:); exforePic(end+1-i,14:end-13,:)=forePic(end,:,:); exforePic(14:end-13,i,:)=forePic(:,1,:); exforePic(14:end-13,end+1-i,:)=forePic(:,end,:); end for i=1:3 exforePic(1:13,1:13,i)=forePic(1,1,i); exforePic(end-13:end,end-13:end,i)=forePic(end,end,i); exforePic(end-13:end,1:13,i)=forePic(end,1,i); exforePic(1:13,end-13:end,i)=forePic(1,end,i); end newforePic=uint8(zeros(size(forePic))); for i=1:size(bkgPic,1) for j=1:size(bkgPic,2) goffset=(double(bkgPic(i,j))-128)/10; offsetLim1=floor(goffset)+13; offsetLim2=ceil(goffset)+13; sep1=goffset-floor(goffset); sep2=ceil(goffset)-goffset; c1=double(exforePic(i+offsetLim1,j+offsetLim1,:)); c2=double(exforePic(i+offsetLim2,j+offsetLim2,:)); if sep1==0 c=double(exforePic(i+offsetLim1,j+offsetLim1,:)); else c=c2.*sep1+c1.*sep2; end newforePic(i,j,:)=c; end end

5.图像拼接

就是把俩图像拼在一起，并把边缘模糊一下：

% 图像拼接 ================================================================ resultPic(:,:,1)=[oriPic(:,:,1);newforePic(:,:,1)]; resultPic(:,:,2)=[oriPic(:,:,2);newforePic(:,:,2)]; resultPic(:,:,3)=[oriPic(:,:,3);newforePic(:,:,3)]; % imshow(resultPic) % 边缘模糊 ================================================================ gaussOpt=fspecial('gaussian',[3 3],0.5); gaussPic=imfilter(resultPic,gaussOpt); resultPic(Row-1:Row+2,:,1)=gaussPic(Row-1:Row+2,:,1); resultPic(Row-1:Row+2,:,2)=gaussPic(Row-1:Row+2,:,2); resultPic(Row-1:Row+2,:,3)=gaussPic(Row-1:Row+2,:,3); imshow(resultPic)

6.完整代码

function mirrorDown % @author slandarer % 图片导入 oriPic=imread('test.jpg-600'); [Row,Col,~]=size(oriPic); % 图片翻转及白化 ========================================================== whiteMat=((1:Row)./Row./1.2)'*ones(1,Col); % 白化比例矩阵 flipPic=zeros(Row,Col,3);                  % 翻转后矩阵初始化 for i=1:3 tempChannel=double(oriPic(:,:,i));     % 获得通道图 tempChannel=tempChannel(end:-1:1,:);   % 翻转 tempChannel=tempChannel.*(1-whiteMat)+255.*whiteMat; % 白化 flipPic(:,:,i)=tempChannel; end % imshow(uint8(flipPic)) % 噪声图构造(高斯噪声及高斯模糊)=========================================== noiseMat=ones(Row,Col); noiseMat=imnoise(noiseMat,'gaussian',0,5); % 噪声添加 gaussOpt=fspecial('gaussian',[3 3],1); noiseMat=imfilter(noiseMat,gaussOpt); imshow(noiseMat) H=[cos(pi+pi/4),0,cos(pi-pi/4); cos(pi+2*pi/4),0,cos(pi-2*pi/4); cos(pi+3*pi/4),0,cos(pi-3*pi/4)]; noiseMat=imfilter(noiseMat,H,'conv')+0.5; noiseMat=noiseMat.*255; noiseMat(noiseMat<0)=0; % imshow(uint8(noiseMat)) % 图像透视变换 ============================================================ exNoiseMat=zeros(Row,Col); % 横向拉伸上下边倍数 K1=10;K2=4; for i=1:Row for j=1:Col k=K2+i*(K1-K2)/Row; nJ=(j-(1+Col)/2)/k+(1+Col)/2; if floor(nJ)==ceil(nJ) nJ=round(nJ); exNoiseMat(i,j)=noiseMat(i,nJ); else nJ1=floor(nJ);nJ2=ceil(nJ); exNoiseMat(i,j)=noiseMat(i,nJ1)*(nJ2-nJ)+noiseMat(i,nJ2)*(nJ-nJ1); end end end % 竖向拉伸3倍并只取一部分 exNoiseMat=imresize(exNoiseMat,[3*Row,Col]); exNoiseMat=exNoiseMat(end-Row+1:end,:); exNoiseMat=uint8(exNoiseMat); % imshow(exNoiseMat) % 扭曲置换 ================================================================ forePic=flipPic; bkgPic=exNoiseMat; exforePic=uint8(zeros(size(forePic)+[26,26,0])); exforePic(14:end-13,14:end-13,1)=forePic(:,:,1); exforePic(14:end-13,14:end-13,2)=forePic(:,:,2); exforePic(14:end-13,14:end-13,3)=forePic(:,:,3); for i=1:13 exforePic(i,14:end-13,:)=forePic(1,:,:); exforePic(end+1-i,14:end-13,:)=forePic(end,:,:); exforePic(14:end-13,i,:)=forePic(:,1,:); exforePic(14:end-13,end+1-i,:)=forePic(:,end,:); end for i=1:3 exforePic(1:13,1:13,i)=forePic(1,1,i); exforePic(end-13:end,end-13:end,i)=forePic(end,end,i); exforePic(end-13:end,1:13,i)=forePic(end,1,i); exforePic(1:13,end-13:end,i)=forePic(1,end,i); end newforePic=uint8(zeros(size(forePic))); for i=1:size(bkgPic,1) for j=1:size(bkgPic,2) goffset=(double(bkgPic(i,j))-128)/10; offsetLim1=floor(goffset)+13; offsetLim2=ceil(goffset)+13; sep1=goffset-floor(goffset); sep2=ceil(goffset)-goffset; c1=double(exforePic(i+offsetLim1,j+offsetLim1,:)); c2=double(exforePic(i+offsetLim2,j+offsetLim2,:)); if sep1==0 c=double(exforePic(i+offsetLim1,j+offsetLim1,:)); else c=c2.*sep1+c1.*sep2; end newforePic(i,j,:)=c; end end % imshow(newforePic) % 图像拼接 ================================================================ resultPic(:,:,1)=[oriPic(:,:,1);newforePic(:,:,1)]; resultPic(:,:,2)=[oriPic(:,:,2);newforePic(:,:,2)]; resultPic(:,:,3)=[oriPic(:,:,3);newforePic(:,:,3)]; % imshow(resultPic) % 边缘模糊 ================================================================ gaussOpt=fspecial('gaussian',[3 3],0.5); gaussPic=imfilter(resultPic,gaussOpt); resultPic(Row-1:Row+2,:,1)=gaussPic(Row-1:Row+2,:,1); resultPic(Row-1:Row+2,:,2)=gaussPic(Row-1:Row+2,:,2); resultPic(Row-1:Row+2,:,3)=gaussPic(Row-1:Row+2,:,3); imshow(resultPic) end