怎样自定义滤镜参数

本文目录导读：

1. 方法一：使用专业软件（以 Photoshop 为例）
2. 方法二：使用手机修图App（以 Snapseed或Lightroom为例）
3. 方法三：使用照片滤镜软件或网站（如 VSCO、Instagram）
4. 方法四：使用代码（开源库 Python + OpenCV/NumPy）
5. 方法五：使用专业调色软件（如 DaVinci Resolve）
6. 总结：如何定义自己的滤镜参数库？

自定义滤镜参数的核心在于理解滤镜的本质：滤镜本质上是一系列数学运算，作用于图像的每个像素（或像素组），改变其颜色、亮度、对比度等属性。

“自定义”的深度不同，方法也不同，下面按从简易（无代码） 到专业（有代码） 的顺序，介绍几种最常用的方法。

使用专业软件（以 Photoshop 为例）

这是最直观、无需编程的方法，你通过调整滑块来“定义”效果，系统自动生成参数。

步骤：

1. 添加调整图层：在“图层”面板底部点击“创建新的填充或调整图层”按钮（半黑半白圆图标）。
2. 选择调整类型：如“色阶”、“曲线”、“色相/饱和度”、“色彩平衡”等。
3. 手动调整：
   • 曲线：点击并拖动线条上的点，一个S形曲线增加对比度，一个反S形曲线降低对比度。
   • 色相/饱和度：拖动“色相”滑条改变颜色；“饱和度”滑条控制颜色鲜艳度；“明度”滑条控制亮度。
   • 色彩平衡：在“阴影”、“中间调”、“高光”三个区域，分别向“青色/红色”、“洋红/绿色”、“黄色/蓝色”方向拖动。
4. 保存为预设（参数包）：调整完毕后，在调整面板右上角点击菜单图标，选择“保存预设”，以后可以一键加载。

优点：所见即所得，学习成本低。
缺点：参数是“黑箱”，你不知道背后的具体数值（例如RGB通道的卷积核）。

使用手机修图App（以 Snapseed或Lightroom为例）

大多数App都提供“预设”和“自定义调整”功能。

步骤：

1. 打开照片,进入“工具”或“调整”菜单。
2. 调整基础参数：
   • 亮度：+20
   • 对比度：+15
   • 饱和度：+10
   • 色温：-5（让画面偏冷）
3. 使用曲线工具：很多App（如Snapseed、Lightroom）提供RGB曲线，点击曲线添加锚点并拖动，可以精细控制。
4. 创建自己的滤镜：调整完成后，点击“保存”或“创建预设”按钮，命名并存储，下次可以直接从“滤镜”或“预设”菜单中调用。

使用照片滤镜软件或网站（如 VSCO、Instagram）

这里主要是参数组合，而非底层数学运算。

步骤：

1. 选择一个基础滤镜（如A6、C1等）。
2. 点击该滤镜,通常会出现一个“编辑”或“调整”按钮。
3. 自定义参数：修改滤镜的强度（100%变50%），或者在此基础上叠加调整“曝光”、“对比度”、“颗粒”、“暗角”。
4. 保存为新滤镜：你可以将调整后的效果保存为一个新的“配方”或“预设”，并应用到其他照片。

使用代码（开源库 Python + OpenCV/NumPy）

这是最高级的自定义,你可以精确控制每一个像素的变换逻辑，适合批量处理或开发图像处理应用。

修改亮度与对比度（最基础）

公式：output = alpha * input + beta（alpha 为增益，beta 为偏置）

import cv2
import numpy as np
def custom_brightness_contrast(image, alpha=1.0, beta=0):
    """
    alpha: 对比度 (1.0=不变, >1.0增加, <1.0降低)
    beta:  亮度 (0=不变, >0变亮, <0变暗)
    """
    new_image = cv2.convertScaleAbs(image, alpha=alpha, beta=beta)
    return new_image
img = cv2.imread('photo.jpg')
# 创建一个“高对比度+低亮度”的滤镜
filtered_img = custom_brightness_contrast(img, alpha=1.5, beta=-30)
cv2.imshow('Custom Filter', filtered_img)

调整色彩平衡（RGB通道）

你可以单独调整红、绿、蓝三个通道的权重。

def custom_color_tint(image, r_scale=1.0, g_scale=1.0, b_scale=1.0):
    # 分离通道
    b, g, r = cv2.split(image)
    # 分别缩放
    r = cv2.convertScaleAbs(r, alpha=r_scale)
    g = cv2.convertScaleAbs(g, alpha=g_scale)
    b = cv2.convertScaleAbs(b, alpha=b_scale)
    # 合并
    return cv2.merge([b, g, r])
# 创建一个冷色调滤镜：增加蓝色，减少红色
cold_filter = custom_color_tint(img, r_scale=0.8, g_scale=0.9, b_scale=1.2)

应用卷积核（实现模糊、锐化、边缘检测）

这是滤镜的核心,使用一个矩阵（卷积核）与图像进行卷积。

def custom_kernel_filter(image, kernel):
    """kernel 是一个 3x3 或 5x5 的矩阵"""
    return cv2.filter2D(image, -1, kernel)
# 锐化滤镜的卷积核
sharpening_kernel = np.array([
    [ 0, -1,  0],
    [-1,  5, -1],
    [ 0, -1,  0]
])
# 模糊滤镜的卷积核 (均值模糊)
blur_kernel = np.ones((5,5), np.float32) / 25
# 应用自定义锐化滤镜
sharp_img = custom_kernel_filter(img, sharpening_kernel)

使用专业调色软件（如 DaVinci Resolve）

视频调色中,“自定义参数”通常指节点（Node） 和曲线。

1. 创建一个节点。
2. 添加效果：如“色彩扭曲器”、“Log色轮”、“曲线”。
3. 直接调整参数：在“色轮”中，你可以精确输入数值（如：提升阴影的红色通道+0.05，降低高光的蓝色通道-0.02）。
4. 保存为 PowerGrade：这是一种预设滤镜，包含所有参数设置，可以跨项目复用。

如何定义自己的滤镜参数库？

最好的方法是靠视觉 + 量化：

1. 找参考：找一张你喜欢的照片或滤镜（胶片感”、“日系小清新”）。
2. 分析：观察它相比原图：
   • 亮度是高了还是低了？
   • 对比度是强还是弱？
   • 高光区域偏什么颜色？（黄色或蓝色）
   • 阴影区域偏什么颜色？（绿色或洋红）
   • 饱和度是高还是低？（通常胶片感饱和度较低）
3. 复制：在软件（PS、App、代码）中用参数模拟出来。
4. 记录：将这些参数（曲线上的锚点坐标、饱和度-15、色温+10）记录在你的笔记或预设库中，以后直接套用，这就是你的自定义滤镜参数。

你可以从最简单的“修改亮度/对比度”开始，逐步尝试“色彩平衡”和“曲线”，当你对某个效果满意时，就把它保存下来，久而久之，你就有了一套完全属于自己的滤镜库。

标签： 色温 饱和度