Python | OpenCV 圖片的馬賽克與羽化效果

📚 前言

在上一篇 侵蝕與膨脹（形態學操作） 中，我們學會了如何去除雜訊並強化圖片結構。
這一篇要介紹兩個常見的圖片處理技巧：馬賽克（Mosaic） 與 羽化（Feather/Blur）。
馬賽克常用於隱藏敏感資訊或人臉，羽化則能讓圖片邊緣更柔和，提升美觀度。

🧩 馬賽克效果（Mosaic）

原理說明

馬賽克的原理很簡單：

1. 縮小圖片 → 把圖片縮小到原來的 1/10 或 1/15 大小，細節就會消失。
2. 再放大回原尺寸 → 用「最近鄰插值」(Nearest Neighbor) 放大，像素會被拉大成一格格。
3. 結果 → 就會呈現格子狀的馬賽克效果。

👉 簡單來說：馬賽克就是「縮小再放大」，縮小比例決定格子大小，比例越大格子越粗。​‌‌‌​​​​​‌‌‌‌​​‌​‌‌‌​‌​​​‌‌​‌​​​​‌‌​‌‌‌‌​‌‌​‌‌‌​​​‌​‌‌​‌​‌‌​‌‌‌‌​‌‌‌​​​​​‌‌​​‌​‌​‌‌​‌‌‌​​‌‌​​​‌‌​‌‌‌​‌‌​​​‌​‌‌​‌​​‌‌​​‌​​​‌‌​​​​​​‌‌​​‌​​​‌‌​‌‌​​​‌‌​​​​​​‌‌​​​‌​​‌‌​​‌​​​‌‌‌​​‌​​‌​‌‌​‌​‌‌‌​​​​​‌‌‌‌​​‌​‌‌‌​‌​​​‌‌​‌​​​​‌‌​‌‌‌‌​‌‌​‌‌‌​​​‌​‌‌​‌​‌‌​‌‌‌‌​‌‌‌​​​​​‌‌​​‌​‌​‌‌​‌‌‌​​‌‌​​​‌‌​‌‌‌​‌‌​​​‌​‌‌​‌​‌‌​‌‌​‌​‌‌​‌‌‌‌​‌‌‌​​‌‌​‌‌​​​​‌​‌‌​‌​​‌​‌‌​​​‌‌​​‌​‌‌​‌​‌‌​​‌‌​​‌‌​​‌​‌​‌‌​​​​‌​‌‌‌​‌​​​‌‌​‌​​​​‌‌​​‌​‌​‌‌‌​​‌​

💻 範例程式：整張圖片馬賽克

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

# mosaic_whole.py
import cv2

# 讀取圖片
img = cv2.imread("assets/test.png")

# 設定縮小比例 (數字越大，馬賽克格子越粗)
level = 15

# 計算縮小後的高度與寬度
h = img.shape[0] // level
w = img.shape[1] // level

# 先縮小圖片 (細節消失)
mosaic = cv2.resize(img, (w, h), interpolation=cv2.INTER_LINEAR)

# 再放大回原尺寸 (像素被放大成格子狀)
mosaic = cv2.resize(mosaic, (img.shape[1], img.shape[0]), interpolation=cv2.INTER_NEAREST)

# 顯示結果
cv2.imshow("Mosaic Whole Image", mosaic)
cv2.waitKey(0)
cv2.destroyAllWindows()

圖：程式碼執行結果 — 整張圖片馬賽克

💻 範例程式：指定區域馬賽克（ROI）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

# mosaic_roi.py
import cv2

# 讀取圖片
img = cv2.imread("assets/test.png")

# 定義 ROI 區域 (x, y, w, h)
# x, y 是左上角座標；w, h 是寬與高
x, y, w, h = 80, 90, 190, 120
roi = img[y:y+h, x:x+w]

# 設定縮小比例 (數字越大，馬賽克格子越粗)
level = 15
h_roi = h // level
w_roi = w // level

# 對 ROI 區域先縮小再放大
mosaic = cv2.resize(roi, (w_roi, h_roi), interpolation=cv2.INTER_LINEAR)
mosaic = cv2.resize(mosaic, (w, h), interpolation=cv2.INTER_NEAREST)

# 把馬賽克區域替換回原圖
img[y:y+h, x:x+w] = mosaic

# 顯示結果
cv2.imshow("Mosaic ROI", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

圖：程式碼執行結果 — 指定區域馬賽克（ROI）

🎨 羽化效果（Feather / Blur）

原理說明

羽化的原理是利用模糊濾波器（如 Gaussian Blur）讓邊緣過渡更柔和。
常用於圖片合成、美化，或是讓局部區域看起來更自然。​‌‌‌​​​​​‌‌‌‌​​‌​‌‌‌​‌​​​‌‌​‌​​​​‌‌​‌‌‌‌​‌‌​‌‌‌​​​‌​‌‌​‌​‌‌​‌‌‌‌​‌‌‌​​​​​‌‌​​‌​‌​‌‌​‌‌‌​​‌‌​​​‌‌​‌‌‌​‌‌​​​‌​‌‌​‌​​‌‌​​‌​​​‌‌​​​​​​‌‌​​‌​​​‌‌​‌‌​​​‌‌​​​​​​‌‌​​​‌​​‌‌​​‌​​​‌‌‌​​‌​​‌​‌‌​‌​‌‌‌​​​​​‌‌‌‌​​‌​‌‌‌​‌​​​‌‌​‌​​​​‌‌​‌‌‌‌​‌‌​‌‌‌​​​‌​‌‌​‌​‌‌​‌‌‌‌​‌‌‌​​​​​‌‌​​‌​‌​‌‌​‌‌‌​​‌‌​​​‌‌​‌‌‌​‌‌​​​‌​‌‌​‌​‌‌​‌‌​‌​‌‌​‌‌‌‌​‌‌‌​​‌‌​‌‌​​​​‌​‌‌​‌​​‌​‌‌​​​‌‌​​‌​‌‌​‌​‌‌​​‌‌​​‌‌​​‌​‌​‌‌​​​​‌​‌‌‌​‌​​​‌‌​‌​​​​‌‌​​‌​‌​‌‌‌​​‌​

回顧OpenCV 基本濾波與模糊效果

💻 範例程式：整張圖片羽化

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

# feather_whole.py
import cv2

# 讀取圖片
img = cv2.imread("assets/test.png")

# 使用高斯模糊 (Gaussian Blur) 對整張圖片進行羽化
# (25, 25) 是模糊核大小，必須為奇數；數字越大模糊越強
# 30 是標準差 (sigma)，控制模糊程度
feather = cv2.GaussianBlur(img, (25, 25), 30)

# 顯示結果
cv2.imshow("Feather Whole Image", feather)
cv2.waitKey(0)
cv2.destroyAllWindows()

圖：程式碼執行結果 — 整張圖片羽化

💻 範例程式：指定區域羽化（ROI）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

# feather_roi.py
import cv2

# 讀取圖片
img = cv2.imread("assets/test.png")

# 定義 ROI 區域 (x, y, w, h)
# x, y 是左上角座標；w, h 是寬與高
x, y, w, h = 80, 90, 190, 120
roi = img[y:y+h, x:x+w]

# 對 ROI 區域進行高斯模糊 (羽化效果)
feather = cv2.GaussianBlur(roi, (25, 25), 30)

# 把羽化後的 ROI 替換回原圖
img[y:y+h, x:x+w] = feather

# 顯示結果
cv2.imshow("Feather ROI", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

圖：程式碼執行結果 — 指定區域羽化（ROI）​‌‌‌​​​​​‌‌‌‌​​‌​‌‌‌​‌​​​‌‌​‌​​​​‌‌​‌‌‌‌​‌‌​‌‌‌​​​‌​‌‌​‌​‌‌​‌‌‌‌​‌‌‌​​​​​‌‌​​‌​‌​‌‌​‌‌‌​​‌‌​​​‌‌​‌‌‌​‌‌​​​‌​‌‌​‌​​‌‌​​‌​​​‌‌​​​​​​‌‌​​‌​​​‌‌​‌‌​​​‌‌​​​​​​‌‌​​​‌​​‌‌​​‌​​​‌‌‌​​‌​​‌​‌‌​‌​‌‌‌​​​​​‌‌‌‌​​‌​‌‌‌​‌​​​‌‌​‌​​​​‌‌​‌‌‌‌​‌‌​‌‌‌​​​‌​‌‌​‌​‌‌​‌‌‌‌​‌‌‌​​​​​‌‌​​‌​‌​‌‌​‌‌‌​​‌‌​​​‌‌​‌‌‌​‌‌​​​‌​‌‌​‌​‌‌​‌‌​‌​‌‌​‌‌‌‌​‌‌‌​​‌‌​‌‌​​​​‌​‌‌​‌​​‌​‌‌​​​‌‌​​‌​‌‌​‌​‌‌​​‌‌​​‌‌​​‌​‌​‌‌​​​​‌​‌‌‌​‌​​​‌‌​‌​​​​‌‌​​‌​‌​‌‌‌​​‌​

📊 效果比較

⚠️ 注意事項

• 馬賽克：縮小比例越大，格子越粗；比例太小則效果不明顯。
• 羽化：模糊核大小需為奇數（如 25x25），數值越大效果越柔和。
• ROI 區域：務必正確選擇，否則可能覆蓋錯誤位置。
• 效能考量：大範圍模糊或馬賽克可能增加計算時間。

🎯 結語

這一篇我們學會了 馬賽克與羽化效果，能夠隱藏敏感資訊或讓圖片邊緣更柔和。這些技巧在圖片處理、隱私保護與美化設計中都非常常見。

下一篇進入 繪製形狀，學習如何在圖片上加入基本圖形，為後續的標註與合成打下基礎。

📖 如在學習過程中遇到疑問，或是想了解更多相關主題，建議回顧一下 Python | OpenCV 系列導讀，掌握完整的章節目錄，方便快速找到你需要的內容。

​‌‌‌​​​​​‌‌‌‌​​‌​‌‌‌​‌​​​‌‌​‌​​​​‌‌​‌‌‌‌​‌‌​‌‌‌​​​‌​‌‌​‌​‌‌​‌‌‌‌​‌‌‌​​​​​‌‌​​‌​‌​‌‌​‌‌‌​​‌‌​​​‌‌​‌‌‌​‌‌​​​‌​‌‌​‌​​‌‌​​‌​​​‌‌​​​​​​‌‌​​‌​​​‌‌​‌‌​​​‌‌​​​​​​‌‌​​​‌​​‌‌​​‌​​​‌‌‌​​‌​​‌​‌‌​‌​‌‌‌​​​​​‌‌‌‌​​‌​‌‌‌​‌​​​‌‌​‌​​​​‌‌​‌‌‌‌​‌‌​‌‌‌​​​‌​‌‌​‌​‌‌​‌‌‌‌​‌‌‌​​​​​‌‌​​‌​‌​‌‌​‌‌‌​​‌‌​​​‌‌​‌‌‌​‌‌​​​‌​‌‌​‌​‌‌​‌‌​‌​‌‌​‌‌‌‌​‌‌‌​​‌‌​‌‌​​​​‌​‌‌​‌​​‌​‌‌​​​‌‌​​‌​‌‌​‌​‌‌​​‌‌​​‌‌​​‌​‌​‌‌​​​​‌​‌‌‌​‌​​​‌‌​‌​​​​‌‌​​‌​‌​‌‌‌​​‌​

註：以上參考了
OpenCV Tutorials
OpenCV-Python Tutorials