一、方法原理（步骤）
1.将彩色图片转换为灰度图片（调用opencv的cvtColor()方法）；
2.将图片分割为若干个小方块，后面会统一小方块中每一个像素的灰度值；
3.将0-255的灰度值划分为几个等级，并把上一步处理的结果映射到这些范围内。例如0-255一共256个灰度等级，把它划分为四个段，即每段有64个灰度等级（0-63为第一段，64-127为第二段，128-191为第三段，192-255为第四段）；
4.找到每个小方块中，最多灰度等级的所有像素，并求这些像素的均值；
5.用上一步得到的每个小方块的均值，来替换每个小方块中的所有像素值，即可实现油画效果。
二、代码实现
首先导入包：
import numpy as np import cv2
读取原图，得到原图的宽高信息：
img=cv2.imread('ziliao/image00.JPG',1)
imInfo=img.shape
height=imInfo[0]
width=imInfo[1]
完成彩色图片向灰度图片的转化：
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) '''该函数用于颜色的转换，第一个参数为待处理的原图， 第二个参数表示转换的颜色'''
本实例中将图片分割为若干个8×8的小方块，将0-255的灰度值分为8个等级，下面定义了一个数组array1来装载这8个等级中的像素个数，然后找出每个小方块中包含最多像素的等级，如下：
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
dst=np.zeros((height,width,3),np.uint8)
for i in range(4,height-4):
for j in range(4,width-4):
array1 = np.zeros(8, np.uint8) #用于存储每个灰度等级的像素个数
for m in range(-4, 4): #计算8*8小方块中的array1的值
for n in range(-4,4):
p1 = int(gray[i + m, j + n] / 32) #除以32得到该点应该位于第几个灰度等级
array1[p1] = array1[p1] + 1
currentMax = array1[0]
l = 0
for k in range(0,8): #找到像素点最多的那个灰度等级
if currentMax<array1[k]:
currentMax = array1[k]
l = k
#以下方法是简化处理了，也可以按前文所说的那样求均值处理
for m in range(-4,4):
for n in range(-4,4):
if gray[i+m,j+n]>=(l*32) and gray[i+m,j+n]<=((l+1)*32):
(b,g,r) = img[i+m,j+n]
dst[i,j] = (b,g,r)
cv2.imshow('img',img)
cv2.imshow('dst',dst)
cv2.waitKey(0)
三、运行结果
左为原图
四、完整代码
import numpy as np
import cv2
img=cv2.imread('ziliao/image00.png',1)
imInfo=img.shape
height=imInfo[0]
width=imInfo[1]
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
dst=np.zeros((height,width,3),np.uint8)
for i in range(4,height-4):
for j in range(4,width-4):
array1 = np.zeros(8, np.uint8)
for m in range(-4, 4):
for n in range(-4,4):
p1 = int(gray[i + m, j + n] / 32)
array1[p1] = array1[p1] + 1
currentMax = array1[0]
l = 0
for k in range(0,8):
if currentMax<array1[k]:
currentMax = array1[k]
l = k
for m in range(-4,4):
for n in range(-4,4):
if gray[i+m,j+n]>=(l*32) and gray[i+m,j+n]<=((l+1)*32):
(b,g,r) = img[i+m,j+n]
dst[i,j] = (b,g,r)
cv2.imshow('img',img)
cv2.imshow('dst',dst)
cv2.waitKey(0)