OpenCV实现“蓝线挑战“特效

原理

算法原理可以分为三个流程:

1、将视频(图像)从(顶->底)或(左->右)逐行(列)扫描图像。

2、将扫描完成的行(列)像素重新生成定格图像。

3、使用原帧图像像素填充未扫描到的像素。

图像扫描

首先第一步,拿到一个视频(很多帧图像)可以简单的看成图像处理。我们需要将图像从顶到底逐行进行像素扫描,当然也可以从左到右逐列扫描,这要看你想要实现什么样的效果。在这里,我实现的是从上到下逐行扫描。效果如图所示。

生成定格图像

所谓生成定格图像就是将我们每扫描到的行像素重新进行绘制。

复制代码
    //从顶向下逐行扫描图像
    if (h < height)
    {
        h++;
        //将扫描到的图像像素进行重新绘制,生成新图像
        for (int j = 0; j < width; j++)
        {
            for (int c = 0; c < 3; c++)
            {
                temp.at<Vec3b>(h, j)[c] = canvas.at<Vec3b>(h, j)[c];
            }
        }
        //绘制扫描过程
        line(canvas, Point(0, h), Point(width, h), Scalar(255, 255, 0), 2);
    }

如图所示,这是使用上面代码段实现的逐行扫描生成定格图像。从效果上看,已经得到了我们想要的大致效果了。不过现在的问题是,经扫描到的行有像素填充,未扫描到的行还是漆黑一片。所以接下来我们需要做的就是将未扫描到的行用原图进行填充。具体请看源码注释。

图像混合

复制代码
//将两幅图像进行线性混合
bool Linear_Blend(Mat src1, Mat src2, Mat& dst)
{
    /*
    参数说明:
    src1:生成的定格图像。由于生成的定格图像是从顶往下逐行扫描,故在扫描线下的像素为0
    src2:原视频帧图像
    dst:新生成的定格图像。
    算法原理:经扫描到的像素用src1进行填充,未扫描到的像素用src2进行填充,这样就可以得到我们所要的效果了。
    */

    for (int i = 0; i < src1.rows; i++)
    {
        for (int j = 0; j < src1.cols; j++)
        {
            for (int c = 0; c < 3; c++)
            {
                if (src1.at<Vec3b>(i, j)[0] != 0)
                {
                    dst.at<Vec3b>(i, j)[c] = src1.at<Vec3b>(i, j)[c];
                }
                else
                {
                    dst.at<Vec3b>(i, j)[c] = src2.at<Vec3b>(i, j)[c];
                }
            }
        }
    }

    return true;
}

效果

源码

复制代码
#include<iostream>
#include<opencv2/opencv.hpp>
using namespace std;
using namespace cv;

/*
抖音特效:蓝线挑战
算法原理:
    1、将视频(图像)从(顶->底)或(左->右)逐行(列)扫描图像。
    2、将扫描完成的行(列)像素重新生成定格图像
    3、使用原帧图像像素填充未扫描到的像素
*/

//将两幅图像进行线性混合
bool Linear_Blend(Mat src1, Mat src2, Mat& dst)
{
    /*
    参数说明:
    src1:生成的定格图像。由于生成的定格图像是从顶往下逐行扫描,故在扫描线下的像素为0
    src2:原视频帧图像
    dst:新生成的定格图像。
    算法原理:经扫描到的像素用src1进行填充,未扫描到的像素用src2进行填充,这样就可以得到我们所要的效果了。
    */

    for (int i = 0; i < src1.rows; i++)
    {
        for (int j = 0; j < src1.cols; j++)
        {
            for (int c = 0; c < 3; c++)
            {
                if (src1.at<Vec3b>(i, j)[0] != 0)
                {
                    dst.at<Vec3b>(i, j)[c] = src1.at<Vec3b>(i, j)[c];
                }
                else
                {
                    dst.at<Vec3b>(i, j)[c] = src2.at<Vec3b>(i, j)[c];
                }
            }
        }
    }

    return true;
}

int main()
{
    VideoCapture capture;
    capture.open("test.avi");
    if (!capture.isOpened())
    {
        cout << "can not open the camera!" << endl;
        system("pause");
        return -1;
    }

    int width = capture.get(CAP_PROP_FRAME_WIDTH);//视频帧宽
    int height = capture.get(CAP_PROP_FRAME_HEIGHT);//视频帧高

    //保存视频
    VideoWriter writer;
    int fourcc = writer.fourcc('m', 'p', '4', 'v'); //视频编码
    Size size(capture.get(CAP_PROP_FRAME_WIDTH), capture.get(CAP_PROP_FRAME_HEIGHT));
    writer.open("result.avi", fourcc, 30, size, true);

    int h = 0;//定义变量,代表当前扫描高度

    //用于生成定格照
    Mat temp = Mat::zeros(Size(width, height), CV_8UC3);
    
    Mat frame;
    while (capture.read(frame))
    {
        //将图像拷贝一份,用于每帧更新
        Mat canvas = frame.clone();

        //从顶向下逐行扫描图像
        if (h < height)
        {
            h++;
            //将扫描到的图像像素进行重新绘制,生成新图像
            for (int j = 0; j < width; j++)
            {
                for (int c = 0; c < 3; c++)
                {
                    temp.at<Vec3b>(h, j)[c] = canvas.at<Vec3b>(h, j)[c];
                }
            }
            //绘制扫描过程
            line(canvas, Point(0, h), Point(width, h), Scalar(255, 255, 0), 2);
        }

        Mat result = Mat::zeros(frame.size(), frame.type());//蓝线挑战最终定格图
        Linear_Blend(temp, canvas, result); //将两张图像进行像素叠加

        //writer.write(temp);//进行视频保存

        imshow("定格图像", temp);
        imshow("原视频帧", canvas);
        imshow("蓝线挑战", result);

        char key = waitKey(10);
        if (key == 27) break;
    }

    capture.release();
    system("pause");
    return 0;
}
相关推荐
AI风老师5 小时前
深度学习入门:打好数学与机器学习基础,迈向AI进阶之路
人工智能·深度学习·机器学习
FutureUniant5 小时前
GitHub每日最火火火项目(9.10)
人工智能·microsoft·计算机视觉·ai·github
灵光通码5 小时前
自然语言处理开源框架全面分析
人工智能·自然语言处理·开源
这张生成的图像能检测吗5 小时前
(论文速读)从语言模型到通用智能体
人工智能·计算机视觉·语言模型·自然语言处理·多模态·智能体
禁默6 小时前
机器学习的发展与应用:从理论到现实
人工智能·机器学习
WeiJingYu.6 小时前
O3.1 opencv高阶
人工智能·opencv·计算机视觉
研梦非凡6 小时前
ICCV 2025|基于曲线感知高斯溅射的3D参数曲线重建
人工智能·算法·3d
Hello123网站6 小时前
探迹SalesGPT
人工智能·ai工具
摘星星的屋顶6 小时前
论文阅读记录之《VelocityGPT 》
论文阅读·人工智能·深度学习·学习
格林威6 小时前
工业相机如何通过光度立体成像技术实现高效精准的2.5D缺陷检测
人工智能·深度学习·数码相机·yolo·计算机视觉