訂閱
糾錯(cuò)
加入自媒體

如何利用OpenCV為Python中的圖像提供卡通效果?

正如你可能知道的,素描或創(chuàng)建一個(gè)卡通并不總是需要手動(dòng)完成。如今,許多應(yīng)用程序可以把你的照片變成卡通照片。但是如果我告訴你,你可以用幾行代碼創(chuàng)造屬于自己的效果呢?有一個(gè)名為OpenCV的庫(kù),它為計(jì)算機(jī)視覺(jué)應(yīng)用程序提供了一個(gè)公共基礎(chǔ)設(shè)施,并優(yōu)化了機(jī)器學(xué)習(xí)算法。它可以用來(lái)識(shí)別物體,檢測(cè)和產(chǎn)生高分辨率的圖像。本文,將向你展示如何利用OpenCV為Python中的圖像提供卡通效果。使用google colab來(lái)編寫(xiě)和運(yùn)行代碼。你可以在這里訪問(wèn)Google Colab中的完整代碼https://colab.research.google.com/drive/1lV5oJ_h(yuǎn)I8PsSV1WDVWWfL18-tMm4vnxe?usp=sharing要?jiǎng)?chuàng)造卡通效果,我們需要注意兩件事:邊緣和調(diào)色板。這就是照片和卡通的區(qū)別所在。為了調(diào)整這兩個(gè)主要部分,我們將經(jīng)歷四個(gè)主要步驟:加載圖像創(chuàng)建邊緣蒙版減少調(diào)色板結(jié)合邊緣蒙版和彩色圖像在開(kāi)始主要步驟之前,不要忘記導(dǎo)入notebook中所需的庫(kù),尤其是cv2和NumPy。import cv2
import numpy as np
# required if you use Google Colab
from google.colab.patches import cv2_imshow
from google.colab import files

1. 加載圖像第一個(gè)主要步驟是加載圖像。定義read_file函數(shù),其中包括cv2_imshow以在Google Colab中加載所選圖像。def read_file(filename):
 img = cv2.imread(filename)
 cv2_imshow(img)
 return img

調(diào)用創(chuàng)建的函數(shù)來(lái)加載圖像。uploaded = files.upload()
filename = next(iter(uploaded))
img = read_file(filename)

我選擇了下面的圖片來(lái)轉(zhuǎn)化成卡通圖片。

2. 創(chuàng)建邊緣蒙版通常,卡通效果強(qiáng)調(diào)圖像中邊緣的厚度。我們可以使用 cv2.a(chǎn)daptiveThreshold() 函數(shù)檢測(cè)圖像中的邊緣?傊,我們可以將 egde_mask函數(shù)定義為:def edge_mask(img, line_size, blur_value):
 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
 gray_blur = cv2.medianBlur(gray, blur_value)
 edges = cv2.a(chǎn)daptiveThreshold(gray_blur, 255, cv2.ADAPTIVE_THRESH_M(jìn)EAN_C, cv2.THRESH_BINARY, line_size, blur_value)
 return edges

在該函數(shù)中,我們將圖像轉(zhuǎn)換為灰度圖像。然后,利用cv2.medianBlur對(duì)模糊灰度圖像進(jìn)行去噪處理。模糊值越大,圖像中出現(xiàn)的黑色噪聲就越少。然后,應(yīng)用自適應(yīng)閾值函數(shù),定義邊緣的線條尺寸。較大的線條尺寸意味著圖像中強(qiáng)調(diào)的較厚邊緣。定義函數(shù)后,調(diào)用它并查看結(jié)果。line_size = 7
blur_value = 7
edges = edge_mask(img, line_size, blur_value)
cv2_imshow(edges)

3. 減少調(diào)色板照片和圖畫(huà)之間的主要區(qū)別——就顏色而言——是每一張照片中不同顏色的數(shù)量。圖畫(huà)的顏色比照片的顏色少。因此,我們使用顏色量化來(lái)減少照片中的顏色數(shù)目。色彩量化為了進(jìn)行顏色量化,我們采用OpenCV庫(kù)提供的K-Means聚類算法。為了在接下來(lái)的步驟中更容易實(shí)現(xiàn),我們可以如下定義color_quantization 函數(shù)。def color_quantization(img, k):
# Transform the image
 data = np.float32(img).reshape((-1, 3))
# Determine criteria
 criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_M(jìn)AX_ITER, 20, 0.001)
# Implementing K-Means
 ret, label, center = cv2.kmeans(data, k, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS)
 center = np.uint8(center)
 result = center[label.flatten()]
 result = result.reshape(img.shape)
 return result

我們可以調(diào)整k值來(lái)確定要應(yīng)用于圖像的顏色數(shù)。total_color = 9

img = color_quantization(img, total_color)

在本例中,我使用9作為圖像的k值。結(jié)果如下所示。

雙邊濾波器在進(jìn)行顏色量化之后,我們可以使用雙邊濾波器來(lái)降低圖像中的噪聲。它會(huì)給圖像帶來(lái)一點(diǎn)模糊和銳度降低的效果。blurred = cv2.bilateralFilter(img, d=7,
sigmaColor=200,sigmaSpace=200)

有三個(gè)參數(shù)可根據(jù)你的首選項(xiàng)進(jìn)行調(diào)整:d:每個(gè)像素鄰域的直徑sigmaColor:參數(shù)值越大,表示半等色區(qū)域越大。sigmaSpace:參數(shù)的值越大,意味著更遠(yuǎn)的像素將相互影響,只要它們的顏色足夠接近。

4. 結(jié)合邊緣蒙版和彩色圖像最后一步是將我們之前創(chuàng)建的邊緣蒙版與彩色處理圖像相結(jié)合。為此,請(qǐng)使用cv2.bitwise_and函數(shù)。cartoon = cv2.bitwise_and(blurred, blurred, mask=edges)
我們可以在下面看到原始照片的“卡通版”。

現(xiàn)在你可以開(kāi)始來(lái)創(chuàng)建你自己的卡通效果。除了在我們上面使用的參數(shù)中調(diào)整值之外,你還可以從OpenCV添加另一個(gè)函數(shù)來(lái)為你的照片提供特殊效果。代碼庫(kù)里還有很多東西我們可以探索。很高興嘗試!

圖片標(biāo)題

聲明: 本文由入駐維科號(hào)的作者撰寫(xiě),觀點(diǎn)僅代表作者本人,不代表OFweek立場(chǎng)。如有侵權(quán)或其他問(wèn)題,請(qǐng)聯(lián)系舉報(bào)。

發(fā)表評(píng)論

0條評(píng)論,0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過(guò)于頻繁,請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無(wú)評(píng)論

暫無(wú)評(píng)論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號(hào)
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯(cuò)
x
*文字標(biāo)題:
*糾錯(cuò)內(nèi)容:
聯(lián)系郵箱:
*驗(yàn) 證 碼:

粵公網(wǎng)安備 44030502002758號(hào)