【OpenCV】使用 Python 的铅笔素描图像

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

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()