滤镜是图像美化中必不可少的步骤， 所谓滤镜，最初是指安装在相机镜头前过滤自然光的附加镜头，用来实现调色和添加效果。我们做的滤镜算法又叫做软件滤镜，是对大部分镜头滤镜进行的模拟，当然，误差也就再所难免，我们的宗旨只是无限逼近。也是这个原因，我们无法再现真实的拍摄场景，无法复原照片中未包含的信息，进而也难以实现某些特殊滤镜效果，诸如偏光镜和紫外线滤色镜（UV）的效果等等。
目前各种图像处理软件无论是PC软件还是手机app，都有着各种各样的滤镜特效，Instagram也正因为自己独特的滤镜风格，风靡一时；
针对传统的滤镜特效，我这里将它分类为LUT滤镜和几何滤镜两种。
LUT滤镜是指基于调色表和纹理组合的滤镜特效；
几何滤镜是指一些基于空间位置变换得到的特效，比如哈哈镜等；
随着深度学习的兴起，各种风格滤镜层出不穷，给人们带来了惊艳的效果，谷歌的HDRNET更是将AI应用到了照片智能调色，今天我们不讲HDRNET，我们以一种最简单的方式，来讲一下如何使用深度学习来做传统的LUT滤镜；
有人说LUT滤镜已经很成熟了，用深度学习是多此一举，这里我们不探讨意义，只探讨方法论，实际上LUT可以实现的是一类特效而已，可以说只是深度学习中的一个子集；
我们以一个特殊的黑白滤镜为例，先看下面几张图：
上面的三列图分别为原图+PS灰度+论文算法的效果对比，我们可以看到一般的灰度化算法(第二列所示)直接导致了一些图像信息的消逝，至少我们无法分辨，而论文算法的效果在一定程度上增强了不同信息之间的对比度，让我们依旧可以看到图像本身的内容；
这种算法实际上就是对比度保留的去色算法，相关论文如下：
Real-time Contrast Preserving Decolorization
Contrast Preserving Decolorization
上述论文都是使用传统的图像算法来实现对比度保留的灰度计算的，而且计算复杂，速度差异化也比较大，现在我们可以将这个算法效果理解为一种特殊的黑白滤镜，然后用深度学习的方法来实现这种效果：
我这里使用最简单的CNN网络，我们构建一个四层卷积层的网络，如下所示：
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/120610.html