实践教程｜使用Python+OpenCV将照片变成卡通照片
本文将向你展示如何利用OpenCV为Python中的图像提供卡通效果。 >>关注公众号，后台回复「极市干货」即可获取最新整理CV知识内容合集
正如你可能知道的，素描或创建一个卡通并不总是需要手动完成。如今，许多应用程序可以把你的照片变成卡通照片。但是如果我告诉你，你可以用几行代码创造属于自己的效果呢？
有一个名为OpenCV的库，它为计算机视觉应用程序提供了一个公共基础设施，并优化了机器学习算法。它可以用来识别物体，检测和产生高分辨率的图像。
本文，将向你展示如何利用OpenCV为Python中的图像提供卡通效果。使用google colab来编写和运行代码。你可以在这里访问Google Colab中的完整代码
- https://colab.research.google.com/drive/1lV5oJ_hI8PsSV1WDVWWfL18-tMm4vnxe?usp=sharing
要创造卡通效果，我们需要注意两件事：边缘和调色板。这就是照片和卡通的区别所在。为了调整这两个主要部分，我们将经历四个主要步骤：
-
加载图像
-
创建边缘蒙版
-
减少调色板
-
结合边缘蒙版和彩色图像
在开始主要步骤之前，不要忘记导入notebook中所需的库，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. 加载图像
第一个主要步骤是加载图像。定义read_file函数，其中包括cv2_imshow以在Google Colab中加载所选图像。
def read\_file\(filename\):
img = cv2.imread\(filename\)
cv2\_imshow\(img\)
return img
调用创建的函数来加载图像。
uploaded = files.upload\(\)
filename = next\(iter\(uploaded\)\)
img = read\_file\(filename\)
我选择了下面的图片来转化成卡通图片。
2. 创建边缘蒙版
通常，卡通效果强调图像中边缘的厚度。我们可以使用 cv2.adaptiveThreshold() 函数检测图像中的边缘。
总之，我们可以将 egde_mask函数定义为：
def edge\_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
在该函数中，我们将图像转换为灰度图像。然后，利用cv2.medianBlur对模糊灰度图像进行去噪处理。
模糊值越大，图像中出现的黑色噪声就越少。然后，应用自适应阈值函数，定义边缘的线条尺寸。较大的线条尺寸意味着图像中强调的较厚边缘。
定义函数后，调用它并查看结果。
line\_size = 7
blur\_value = 7
edges = edge\_mask\(img, line\_size, blur\_value\)
cv2\_imshow\(edges\)
3. 减少调色板
照片和图画之间的主要区别——就颜色而言——是每一张照片中不同颜色的数量。
图画的颜色比照片的颜色少。因此，我们使用颜色量化来减少照片中的颜色数目。
色彩量化
为了进行颜色量化，我们采用OpenCV库提供的K-Means聚类算法。
为了在接下来的步骤中更容易实现，我们可以如下定义color_quantization 函数。
def color\_quantization\(img, k\):
# Transform the image
data = np.float32\(img\).reshape\(\(\-1, 3\)\)
# Determine criteria
criteria = \(cv2.TERM\_CRITERIA\_EPS + cv2.TERM\_CRITERIA\_MAX\_ITER, 20, 0.001\)
# 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
我们可以调整k值来确定要应用于图像的颜色数。
total\_color = 9
img = color\_quantization\(img, total\_color\)
在本例中，我使用9作为图像的k值。结果如下所示。
双边滤波器
在进行颜色量化之后，我们可以使用双边滤波器来降低图像中的噪声。它会给图像带来一点模糊和锐度降低的效果。
blurred = cv2.bilateralFilter\(img, d=7,
sigmaColor=200,sigmaSpace=200\)
有三个参数可根据你的首选项进行调整：
-
d：每个像素邻域的直径
-
sigmaColor：参数值越大，表示半等色区域越大。
-
sigmaSpace：参数的值越大，意味着更远的像素将相互影响，只要它们的颜色足够接近。
4. 结合边缘蒙版和彩色图像
最后一步是将我们之前创建的边缘蒙版与彩色处理图像相结合。为此，请使用cv2.bitwise_and函数。
cartoon = cv2.bitwise\_and\(blurred, blurred, mask=edges\)
我们可以在下面看到原始照片的“卡通版”。
现在你可以开始来创建你自己的卡通效果。除了在我们上面使用的参数中调整值之外，你还可以从OpenCV添加另一个函数来为你的照片提供特殊效果。代码库里还有很多东西我们可以探索。很高兴尝试！
题外话
感兴趣的小伙伴，赠送全套Python学习资料，包含面试题、简历资料等具体看下方。
CSDN大礼包：全网最全《Python学习资料》免费赠送！（安全链接，放心点击）
一、Python所有方向的学习路线
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。
二、Python必备开发工具
工具都帮大家整理好了，安装就可直接上手！
三、最新Python学习笔记
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
四、Python视频合集
观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
五、实战案例
纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
六、面试宝典
简历模板
CSDN大礼包：全网最全《Python学习资料》免费赠送！（安全链接，放心点击）
若有侵权，请联系删除