抖音视频闪烁原理

在抖音视频的抖动过程中，我们还可以发现其视频的颜色曝光度都发生了一些变化，并不是单纯的只有抖动效果。所以，本篇将来实现视频的闪烁效果。

而图像闪烁的原理，其实说白了就是其曝光度的变化。在更改视频曝光度的之前，我们需要认识一个OpenCV中新的函数：cv2.LTU()。

LUT就是Look Up Table（颜色查找表）的缩写，简单点儿理解就是：通过LUT，我们可以将一组RGB值输出为另一组RGB值，从而改变画面的曝光与色彩。LUT文件就是一个包含了可以改变输入颜色信息的矩阵数据。LUT本身并不进行运算，只需在其中列举一系列输入与输出数据即可，这些数据呈一一对应的关系，系统按照此对应关系为每一个输入值查找到与其对应的输出值，这样即可完成转换。

了解其具体是干什么的之后，我们再来看看其函数的定义：

def LUT(src, lut, dst=None):

src：需要曝光的图像array，类型必须是np.uin8类型

lut：查找表，如果输入src是多通道的，例如是BGR三通到的图像，而查表是单通道的，则此时B、G、R三个通道使用的是同一个查找表

dst：曝光后返回的图像

可以看出来，cv2.LTU()函数可以将一组RGB值输出为另一组RGB值，而这映射的规则，由程序员自己制定。

这里，我们还需要了解Gamma变化。

2.png

简单的来说，Gamma变换就是用来图像增强，其提升了暗部细节，就是通过非线性变换，让图像从曝光强度的线性响应变得更接近人眼感受的响应，即将漂白（相机曝光）或过暗（曝光不足）的图片，进行矫正。

经过Gamma变换后的输入和输出图像灰度值关系如图1所示：横坐标是输入灰度值，纵坐标是输出灰度值，蓝色曲线是gamma值小于1时的输入输出关系，红色曲线是gamma值大于1时的输入输出关系。可以观察到，当gamma值小于1时(蓝色曲线)，图像的整体亮度值得到提升，同时低灰度处的对比度得到增加，更利于分辩低灰度值时的图像细节。因此设置Gamme参数可以控制图像的曝光度，在0-1时会造成图像过度曝光。

1.png

实现抖音视频闪烁

了解了视频闪烁曝光的原理。下面，我们直接来实现其效果，具体代码如下所示：

#曝光图片
def exposure_effect(img, gamma):
    gamma_table = [np.power(x / 255.0, gamma) * 255.0 for x in range(256)]
    gamma_table = np.round(np.array(gamma_table)).astype(np.uint8)
    return cv2.LUT(img, gamma_table)


if __name__ == "__main__":
    cap = cv2.VideoCapture("45.mp4")
    fps = cap.get(cv2.CAP_PROP_FPS)
    width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
    height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
    i = 1
    count = 5
    fourcc = cv2.VideoWriter_fourcc(*'MJPG')
    videoWriter = cv2.VideoWriter("output.avi", fourcc, fps, (width, height))
    while (cap.isOpened()):
        ret, frame = cap.read()
        if ret:
            if (i % 5 == 0 or 0 < count < 5):
                frame = exposure_effect(video_shake_effect(frame), 0.5)
                videoWriter.write(frame)
            else:
                count = 5
                cv2.imshow('video', frame)
                videoWriter.write(frame)
            i += 1
            c = cv2.waitKey(1)
            if c == 27:
                break
        else:
            break
    cap.release()
    videoWriter.release()
    cv2.destroyAllWindows()

这里，我们将前文的抖动与今天讲解的闪烁进行结合，最后观察其效果：

output_1.gif

其中gamma_table = [np.power(x / 255.0, gamma) * 255.0 for x in range(256)]曝光度的算法，但其值有浮点数，而图像是不允许有浮点数存在的，所以通过np.round四舍五入，然后将其转换为LTU的第一个参数类型输入值。