实现Photoshop缎面效果：如何处理XOR运算的交集问题？

我想要复刻Photoshop中的缎面效果，该效果通过生成缎面纹理并应用类模糊效果来创建污渍质感。我认为实现步骤为：对输入图案进行双位移，执行XOR运算得到缎面图案，再应用高斯模糊并处理XOR运算的交集。

目前我已完成图案位移部分，代码如下：

apple = cv2.imread('apple.png')
apple = cv2.cvtColor(apple, cv2.COLOR_BGR2GRAY)

# User Inputs (Similar to Photoshop)
angle = 41        # angle of the shift
distance = 100    # distance of the shift

angle = np.deg2rad(180-angle)
tx, ty = (distance*np.cos(angle),distance*np.sin(angle))

# Shifting
shift_matrix1 = np.array([[1,0,tx],[0,1,ty]], dtype=np.float32)
shift_matrix2 = np.array([[1,0,-tx],[0,1,-ty]], dtype=np.float32)

shift1 = cv2.warpAffine(apple, shift_matrix1, apple.shape)
shift2 = cv2.warpAffine(apple,shift_matrix2, apple.shape)

# XOR Operation
xor_result = cv2.bitwise_not(cv2.bitwise_and(cv2.bitwise_xor(shift1, shift2), apple))

output = cv2.bitwise_and(xor_result, apple)

这部分能得到与Photoshop近似的效果。但在XOR运算前添加高斯模糊（代码如下）后，结果出现异常像素，与Photoshop的效果不符。

...

shift1 = cv2.GaussianBlur(shift1, (101,101),0)
shift2 = cv2.GaussianBlur(shift2, (101,101),0)

# XOR Operation
xor_result = ...

请问需要添加什么操作来处理这两个图形XOR运算的交集问题？

问题核心是模糊后的图像不再是纯黑白二值状态——高斯模糊会生成灰度渐变的像素值，而OpenCV的位运算（XOR、AND等）是基于8位二进制逐位计算的，灰度中间值会导致异常像素，和Photoshop基于图层混合模式的逻辑完全不符。

要复刻Photoshop的缎面模糊效果，需要调整步骤，将二进制位运算替换为灰度级数值运算，具体操作如下：

1. 先对原始图像做双位移，得到两个偏移图层
2. 对两个偏移图层分别做高斯模糊
3. 用灰度差值的绝对值模拟XOR的视觉效果（二值图中XOR代表两图不同区域，对应灰度图中差值大的区域）
4. 将结果与原始图像做蒙版融合，保留原始图像的轮廓

修改后的完整代码：

import cv2
import numpy as np

apple = cv2.imread('apple.png')
apple = cv2.cvtColor(apple, cv2.COLOR_BGR2GRAY).astype(np.float32) / 255.0  # 归一化到0-1范围

# User Inputs (Similar to Photoshop)
angle = 41        # angle of the shift
distance = 100    # distance of the shift

angle = np.deg2rad(180 - angle)
tx, ty = (distance * np.cos(angle), distance * np.sin(angle))

# Shifting
shift_matrix1 = np.array([[1, 0, tx], [0, 1, ty]], dtype=np.float32)
shift_matrix2 = np.array([[1, 0, -tx], [0, 1, -ty]], dtype=np.float32)

shift1 = cv2.warpAffine(apple, shift_matrix1, apple.shape[::-1])
shift2 = cv2.warpAffine(apple, shift_matrix2, apple.shape[::-1])

# 先模糊再处理，替换位运算为灰度级运算
shift1_blur = cv2.GaussianBlur(shift1, (101, 101), 0)
shift2_blur = cv2.GaussianBlur(shift2, (101, 101), 0)

# 用绝对值差值模拟XOR的视觉效果（二值XOR是不同区域，灰度图对应差值大的区域）
xor_gray = np.abs(shift1_blur - shift2_blur)

# 与原始图像融合，保留原始轮廓（对应原代码中的bitwise_and逻辑）
output = xor_gray * apple

# 转换回8位图像
output = (output * 255).astype(np.uint8)

cv2.imwrite('satin_effect.png', output)

关键说明 #

• 将图像归一化到0-1的浮点范围，避免整数运算的精度损失
• 用np.abs(shift1_blur - shift2_blur)替代二进制XOR，更贴合Photoshop中模糊后图层混合的灰度逻辑
• 最后与原始图像相乘，实现蒙版效果，保留原始图像的主体轮廓

内容的提问来源于stack exchange，提问作者SaulGoodMan