20个基础到进阶版的OpenCV4.9.0趣味项目（C++版）（七）——图片素描化和卡通化

20个基础到进阶版的OpenCV4.9.0趣味项目（C++版）（七）——图片素描化和卡通化

一、引言

在图像处理领域，将图片转化为素描或卡通风格是一项既有趣又实用的技术。这种转换不仅增强了图像的视觉效果，还为艺术创作、教育演示、游戏开发以及电影特效制作等领域带来了无限可能。本文将详细介绍如何使用OpenCV库来实现图片的素描化和卡通化处理。

二、核心知识

1.中值滤波

中值滤波的基本原理是选取图像中某一个像素点的邻域窗口，将窗口内的所有像素点的灰度值（或颜色值）进行排序，然后取排序后的中间值作为该像素点滤波后的新值。这个过程可以消除孤立的噪声点，使像素值更加接近真实值，从而达到平滑去噪的目的。

具体步骤：
1）确定邻域窗口：
首先，需要确定一个邻域窗口的大小和形状，常用的窗口大小有3x3、5x5等，形状通常为正方形或矩形。窗口的大小和形状会影响滤波的效果，需要根据具体的应用场景和图像特性进行选择。
2）排序窗口内像素值：
将邻域窗口内的所有像素点的灰度值（或颜色值）进行排序。排序的方法可以是从小到大，也可以是从大到小，但结果是一致的，因为都是取中间值。
3）取中间值：
排序完成后，取排序后的中间值作为该像素点滤波后的新值。如果窗口内的像素点数为奇数，则中间值就是排序后位于中间的那个值；如果窗口内的像素点数为偶数，则中间值可以是排序后中间两个值的平均值，也可以是其他某种方式确定的值（但这种情况较少见，因为通常选择奇数大小的窗口以避免这种模糊性）。

未排序的点：

中值排序后的点：

特点与优势：
1）去除噪声：
中值滤波能够有效地去除图像中的椒盐噪声等脉冲噪声，因为这些噪声点通常是孤立的，排序后不会成为中间值。
2）保持边缘：
与均值滤波等线性滤波方法相比，中值滤波在去除噪声的同时能够更好地保持图像的边缘信息，因为边缘信息通常是由相邻像素间较大的灰度值差异形成的，这种差异在中值滤波过程中不会被平滑掉。
3）适应性强：
中值滤波的滤波效果与窗口大小和形状的选择密切相关，因此可以根据不同的应用场景和图像特性进行灵活调整，以达到最佳的滤波效果。

未滤波的图像：

中值滤波后的图像：

2.拉普拉斯边缘提取

在图像中，像素值的变化通常是不均匀的，而在边缘处，像素值的变化通常是最大的。拉普拉斯算子通过计算图像的二阶导数来检测这些变化点。在连续函数中，二阶导数的零点通常对应于一阶导数的极值点，这些极值点就是图像中的边缘。

3.阈值分割–反向二值化

在OpenCV中，阈值分割是一种用于图像二值化的技术，它将图像转换为仅包含两种像素值的图像（通常是0和255）。反向二值化（Inverse Binary Thresholding）是其中的一种方法，它通过设置阈值将高于该阈值的像素值设置为0，低于该阈值的像素值设置为255。

4.双边滤波

双边滤波结合了图像的空间邻近度和像素值相似度，同时考虑空域信息和灰度相似性，以达到保留边缘并去除噪声的目的。具体来说，双边滤波采用了两个高斯滤波的结合：
1）空间邻近度高斯滤波：负责计算像素之间的空间邻近度权值，即常用的高斯滤波器原理。
2）像素值相似度高斯滤波：负责计算像素值之间的相似度权值。
这两个高斯滤波的同时作用，构成了双边滤波。因此，双边滤波能够在滤除噪声、平滑图像的同时，较好地保留边缘信息。

三、代码演示

1.图片素描化

cv::Mat img = *(cv::Mat*)userdata;
if (img.empty())
{
	printf("载入图像为空!\r\n");
	return;
}

cv::Mat grayImg;
cv::cvtColor(img, grayImg, cv::COLOR_BGR2GRAY);

cv::Mat filtImg;
cv::medianBlur(grayImg, filtImg, 7);

cv::Mat eImg;
cv::Laplacian(filtImg, eImg, CV_8UC1, 5);

cv::Mat resImg;
cv::threshold(eImg, resImg, val, 255, cv::THRESH_BINARY_INV);

cv::imshow("Sketch", resImg);

2.图片卡通化

cv::Mat img = *(cv::Mat*)userdata;
if (img.empty())
{
	printf("载入图像为空!\r\n");
	return;
}

cv::Mat grayImg;
cv::cvtColor(img, grayImg, cv::COLOR_BGR2GRAY);

cv::Mat filtImg;
cv::medianBlur(grayImg, filtImg, 7);

cv::Mat eImg;
cv::Laplacian(filtImg, eImg, CV_8UC1, 5);

cv::Mat resImg;
cv::threshold(eImg, resImg, val, 255, cv::THRESH_BINARY_INV);

cv::Mat cal1 = img.clone();
cv::Mat cal2 = img.clone();
int iter = 3;
for (int i = 0; i < iter; ++i)
{
	int kernelSize = 9;
	double sigmaColor = 9;
	double sigmaSpace = 7;

	cv::bilateralFilter(cal1, cal2, kernelSize, sigmaColor, sigmaSpace);
	cv::bilateralFilter(cal2, cal1, kernelSize, sigmaColor, sigmaSpace);

}
cv::Mat dstImg;
dstImg.setTo(0);
cal1.copyTo(dstImg, resImg);

cv::imshow("Cartoon", dstImg);