【OpenCV】使用 Python 的铅笔素描图像

谁践踏了优雅 2023-09-27 13:36 76阅读 0赞

#### 目录：使用 Python 的铅笔素描图像 ####

*  一、前言
 *  二、代码实战
 *   *  2.1 导包
     *  2.2 读取照片
     *  2.3 使用 OpenCV 显示图像
     *  2.4 灰度图像
     *  2.5 反转图像
     *  2.6 模糊图像
     *  2.7 减淡和融合
 *  三、结果展示
 *  五、源代码

## 一、前言 ##

图片在 Python 中表示为一组数字。所以我们可以进行各种矩阵操作来得到令人兴奋的结果。

在本次博客中，将向你展示如何只用几行代码创建“铅笔”草图图像。

这个过程非常简单：

*  灰度图像
 *  反转颜色
 *  模糊倒置图像
 *  将减淡混合应用于模糊和灰度图像

我们可以为此选择任何我们想要的图像。将演示如何创建可以应用于任何图像、视频或实时流的对象。

## 二、代码实战 ##

### 2.1 导包 ###

OpenCV 和 Numpy 是项目所需的唯一库。我们使用以下两行代码导入它们：

import cv2
    import numpy as np

### 2.2 读取照片 ###

这是使用 OpenCV 读取存储在磁盘上的图像的命令之一：

frame = cv2.imread("IMG_1181.JPG")

此命令读取位于当前文件夹中的文件“image.png”，并作为帧存储在内存中。但正如我所提到的，这可以是帧序列或通过其他方法加载的图像。

### 2.3 使用 OpenCV 显示图像 ###

下一个重要步骤是在屏幕上显示图像：

cv2.imshow('image', frame)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

图像将在一个标题为“image”的新窗口中打开。

### 2.4 灰度图像 ###

首先，我们需要对图像进行灰度处理（将其转换为黑白）。我们可以使用 cv2 库或 numpy.

numpy 没有任何用于灰度的内置函数，但我们也可以很容易地将我们的图像转换为灰度，公式如下所示：

grayscale = np.array(np.dot(frame[..., :3], [0.299, 0.587, 0.114]), dtype = np.uint8)
    grayscale = np.stack((grayscale, ) * 3, axis = -1)

在这里，我们将 RGB 图像通道与适当的值相乘并将它们连接到单个通道。

因此，我们需要返回到 3 层图像，使用 numpy stack 函数来实现。

### 2.5 反转图像 ###

现在我们需要反转图像，白色应该变成黑色。

它简单地从每个图像像素中减去 255 。因为，默认情况下，图像是 8 位的，最多有 256 个色调：

inverted_img = 255 - grayscale

### 2.6 模糊图像 ###

现在我们需要模糊倒置的图像。通过对倒置图像应用高斯滤波器来执行模糊。这里最重要的是高斯函数或 sigma 的方差。随着 sigma 的增加，图像变得更模糊。Sigma 控制色散量，从而控制模糊程度。可以通过反复试验选择合适的 sigma 值：

blur_img = cv2.GaussianBlur(inverted_img, ksize = (0, 0), sigmaX = 8)

### 2.7 减淡和融合 ###

颜色减淡和融合模式并通过降低对比度来加亮基色以反映混合色。

def dodge(front: np.ndarray, back: np.ndarray) -> np.ndarray:
        result = back * 255.0 / (255.0 - front) 
        result[result > 255] = 255
        result[back == 255] = 255
        return result.astype('uint8')
    final_img = dodge(blur_img, grayscale)

## 三、结果展示 ##

![在这里插入图片描述][553949d1962a4f6293d7479c4c64402b.png]  
就是这样！

## 五、源代码 ##

import cv2
    import numpy as np
    frame = cv2.imread("IMG_1181.JPG")
    grayscale = np.array(np.dot(frame[..., :3], [0.299, 0.587, 0.114]), dtype = np.uint8)
    grayscale = np.stack((grayscale, ) * 3, axis = -1)
    inverted_img = 255 - grayscale
    blur_img = cv2.GaussianBlur(inverted_img, ksize = (0, 0), sigmaX = 8)
    def dodge(front: np.ndarray, back: np.ndarray) -> np.ndarray:
        result = back * 255.0 / (255.0 - front) 
        result[result > 255] = 255
        result[back == 255] = 255
        return result.astype('uint8')
    final_img = dodge(blur_img, grayscale)
    cv2.imshow('image', final_img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

[553949d1962a4f6293d7479c4c64402b.png]: https://img-blog.csdnimg.cn/553949d1962a4f6293d7479c4c64402b.png