本文轉(zhuǎn)載自公眾號(hào)“讀芯術(shù)”(ID：AI_Discovery)。

如今，畫(huà)素描或創(chuàng)作漫畫(huà)并不一定要手動(dòng)完成，許多應(yīng)用程序可以把你的照片轉(zhuǎn)換成卡通圖片。這并不像你想象中那么難，只需幾行代碼就能實(shí)現(xiàn)想要的效果。

有一個(gè)名為OpenCV的庫(kù)，為計(jì)算機(jī)視覺(jué)應(yīng)用提供了通用基礎(chǔ)設(shè)施，并對(duì)機(jī)器學(xué)習(xí)算法進(jìn)行了優(yōu)化。它可用于識(shí)別物體、檢測(cè)并生成高分辨率圖像。本教程將展示如何利用OpenCV在Python中賦予圖像卡通效果。教程中將使用Google Colab來(lái)編寫(xiě)并運(yùn)行代碼。

[[379578]]

要想制造出卡通效果，需要注意兩點(diǎn)：邊緣和調(diào)色板。這就是照片和卡通圖片之間的區(qū)別。要調(diào)整這兩個(gè)要點(diǎn)，將通過(guò)四個(gè)主要步驟：

• 載入圖像
• 創(chuàng)建邊緣蒙版
• 減少調(diào)色板
• 將邊緣蒙版與經(jīng)過(guò)顏色處理的圖像結(jié)合起來(lái)

在開(kāi)始之前，別忘了在筆記本中導(dǎo)入所需的庫(kù)，尤其是cv2和NumPy。

defread_file(filename): 
                       img = cv2.imread(filename) 
                       cv2_imshow(img) 
                       return img 

1. 載入圖像

第一個(gè)步驟是載入圖片。定義read_file函數(shù)，其中包含cv2_imshow，來(lái)載入我們?cè)贕oogle Colab中選擇的圖片。

defread_file(filename): 
                       img = cv2.imread(filename) 
                       cv2_imshow(img) 
                       return img 

調(diào)用創(chuàng)建的函數(shù)來(lái)載入圖像：

uploaded = files.upload() 
filename = next(iter(uploaded)) 
img = read_file(filename) 

我選擇將下面這張圖變?yōu)榭ㄍ▓D片：

2. 創(chuàng)建邊緣蒙版

常見(jiàn)的卡通效果強(qiáng)調(diào)圖像中邊緣的厚度?？梢酝ㄟ^(guò)cv2.adaptiveThreshold() 函數(shù)來(lái)檢測(cè)圖像中的邊緣。我們可以將egde_mask函數(shù)定義為：

defedge_mask(img, line_size,blur_value): 
                gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
                gray_blur = cv2.medianBlur(gray,blur_value) 
                edges = cv2.adaptiveThreshold(gray_blur, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, line_size,blur_value) 
                return edges 

在該函數(shù)中，我們將圖像轉(zhuǎn)換成灰度圖像，然后使用cv2.medianBlur來(lái)減少模糊的灰度圖像的噪點(diǎn)。模糊值越大，意味著圖像中出現(xiàn)的黑色噪點(diǎn)越少。接著，應(yīng)用adaptiveThreshold函數(shù)，定義邊緣的線(xiàn)條粗細(xì)。線(xiàn)條越粗，意味著圖像中強(qiáng)調(diào)的邊緣越厚。

定義完函數(shù)后，調(diào)用函數(shù)就可以看到結(jié)果了。

line_size = 7 
blur_value = 7edges = edge_mask(img, line_size, blur_value) 
cv2_imshow(edges) 

邊緣蒙版檢測(cè)

3. 減少調(diào)色板

在顏色方面，照片和素描的主要區(qū)別是它們各自的顏色數(shù)量。素描的顏色比照片少。因此，我們使用顏色量化來(lái)減少照片中的顏色數(shù)量。

要進(jìn)行顏色量化，我們應(yīng)用OpenCV庫(kù)提供的K均值聚類(lèi)算法。為了在接下來(lái)的步驟中使用更方便，可以定義color_quantization函數(shù)如下：

defcolor_quantization(img, k): 
                        # Transform theimage 
                          data = np.float32(img).reshape((-1, 3)) 
                                                # Determinecriteria 
                          criteria = (cv2.TERM_CRITERIA_EPS+ cv2.TERM_CRITERIA_MAX_ITER, 20, 0.001) 
             # ImplementingK-Means 
                          ret, label, center = cv2.kmeans(data, k, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS) 
                          center = np.uint8(center) 
                          result = center[label.flatten()] 
                          resultresult = result.reshape(img.shape) 
                          return result 

可以調(diào)整k值來(lái)確定想要應(yīng)用到圖像的顏色數(shù)量：

total_color = 9 
img = color_quantization(img, total_color) 

在本例中，圖像的k值設(shè)置為9。結(jié)果如下所示：

顏色量化后

完成顏色量化后，可以通過(guò)雙邊濾波來(lái)降低圖像中的噪點(diǎn)。這會(huì)使圖像變得稍微模糊，且銳度降低。

blurred = cv2.bilateralFilter(img, d=7, sigmaColor=200,sigmaSpace=200) 

這里有三個(gè)參數(shù)，你可以根據(jù)自己的喜好進(jìn)行調(diào)整。

• d —每個(gè)像素鄰域的直徑。
• sigmaColor —該參數(shù)的值越大，表示半等色的區(qū)域越大。
• sigmaSpace –該參數(shù)的值越大，意味著較遠(yuǎn)的像素只要其顏色足夠接近，就會(huì)相互影響。

使用雙邊濾波后

4. 將邊緣蒙版與經(jīng)過(guò)顏色處理的圖像相結(jié)合

最后一步是將我們之前創(chuàng)建的邊緣蒙版與經(jīng)過(guò)顏色處理的圖像相結(jié)合。要做到這一點(diǎn)，需要使用cv2.bitwise_and函數(shù)。

cartoon = cv2.bitwise_and(blurred, blurred, mask=edges) 

這就是原圖的“卡通版”：

最終效果

現(xiàn)在你可以開(kāi)始創(chuàng)建屬于自己的卡通效果啦。除了調(diào)整我們上面使用的參數(shù)值，你還可以從OpenCV中添加另一個(gè)函數(shù)來(lái)給你的照片添加特殊效果，庫(kù)中還有很多可以探索的東西。嘗試愉快!