先來看看今天的結果圖

-> 為了凸顯本文效果，我有特別將效果加強，但實際使用還是要依個人喜好去調整

(可以看到高光源的地方都已經被模糊處理掉了！)

-> 此篇文章的程式碼 github

Day09_降低高光_reduce_highlights.ipynb

前言

我們繼續製作屬於自己的日系濾鏡啦！
日系濾鏡的修圖過程，大致上有以下步驟：

接下來的日子裡我們就來一個個用程式碼實現！

運用 OpenCV 降低圖片的高光

def reduce_highlights(img):
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 先轉成灰階處理
    ret, thresh = cv2.threshold(img_gray, 200, 255, 0)  # 利用 threshold 過濾出高光的部分，目前設定高於 200 即為高光
    contours, hierarchy  = cv2.findContours(thresh.copy(),cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    img_zero = np.zeros(img.shape, dtype=np.uint8) 
    
#     print(len(contours))

    for contour in contours:
        x, y, w, h = cv2.boundingRect(contour) 
        img_zero[y:y+h, x:x+w] = 255 
        mask = img_zero 

    print("Highlight part: ")
    show_img(mask)
    
    # alpha，beta 共同決定高光消除後的模糊程度
    # alpha: 亮度的缩放因子，默認是 0.2， 範圍[0, 2], 值越大，亮度越低
    # beta:  亮度缩放後加上的参数，默認是 0.4， 範圍[0, 2]，值越大，亮度越低
    result = cv2.illuminationChange(img, mask, alpha=0.2, beta=0.4) 
    show_img(result)
        
    return result

我們實際上做了什麼事呢?

我們使用了 cv2.illuminationChange 這個函數，有模糊高光的效果，
在 OpenCV 中似乎是比較冷門的函數 (因為網路上資料超少......)，
上面的程式碼也幾乎是我自己寫的......(網路上有C++版本，但沒有python版本)

簡單來說 cv2.illuminationChange 這個函數
cv2.illuminationChange(img, mask, alpha=0.2, beta=0.4)

• 第一個參數放我們的圖片
• 第二個參數放遮罩mask (也就是找到強光的地方，下面會再說明怎麼找)
• 第三個參數 alpha，亮度的缩放因子，默認是 0.2， 範圍[0, 2], 值越大，亮度越低
• 第四個參數 beta，亮度缩放後加上的参数，默認是 0.4， 範圍[0, 2]，值越大，亮度越低

至於我們怎麼找到我們的遮罩(mask)呢?

我們使用了 cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 先將原圖轉成了灰階，
然後對灰階圖片使用 cv2.threshold(img_gray, 200, 255, 0)，
我們利用了 threshold 過濾出高光的部分，目前設定高於 200 即認定為高光，
然後再使用 cv2.findContours 找出這些我們所要的輪廓。

但 cv2.findContours 找出的輪廓被儲存在 list 中，
我們必須將他讀出來並做圖，因此才有這一段程式碼，

for contour in contours:
    x, y, w, h = cv2.boundingRect(contour) 
    img_zero[y:y+h, x:x+w] = 255 
    mask = img_zero    

目的就是為了產生遮罩用的圖片，方便我們做 cv2.illuminationChange 這個函數的運算。

最後來看一下比較正常一點的結果

第一張圖片我所設的參數為 alpha=0.2, beta=0.4，
但個人覺得他模糊高光的效果有點過頭了，
因此調了一下參數，產生了以下 alpha=0.2, beta=0.2 的版本。

Reference

https://www.pythonf.cn/read/57067

https://kknews.cc/zh-tw/code/oka9mbm.html

https://blog.csdn.net/zh_jessica/article/details/77967650

https://www.cnblogs.com/lfri/p/10627595.html