您可以通过在Python中实现机器学习算法为照片赋予卡通效果。
如您所知,素描或创建卡通不一定总是需要手动完成。如今,许多应用程序都可以将您的照片变成卡通。但是,如果我告诉您,您可以用几行代码创建自己的效果?
有一个名为OpenCV的库,它为计算机视觉应用程序提供了通用的基础结构,并优化了机器学习算法。它可用于识别物体,检测并生成高分辨率图像。
在本教程中,我将向您展示如何利用OpenCV在Python中为图像赋予卡通效果。我使用Google Colab编写和运行代码。您可以在此处访问完整代码。
要创建卡通效果,我们需要注意两点:边缘和调色板。这些就是照片和卡通之间的区别。要调整这两个主要组成部分,我们将经历四个主要步骤:
- 加载图片
- 创建边缘掩膜
- 减少调色板
- 将边缘掩膜与彩色图像结合
在跳到主要步骤之前,请不要忘记在笔记本中导入所需的库,尤其是cv2和NumPy。
加载图片
第一步是加载图像。定义read_file函数,其中包括cv2_imshow以将我们选择的图像加载到Google Colab中。
def read_file(filename):img = cv2.imread(filename)cv2_imshow(img)return img
调用创建的函数以加载图像。
uploaded = files.upload()
filename = next(iter(uploaded))
img = read_file(filename)
我选择下面的图像将其转换为卡通。
创建边缘掩膜
通常,卡通效果会强调图像边缘的厚度。我们可以使用cv2.adaptiveThreshold()函数检测图像中的边缘。
总体而言,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。 然后,我们使用cv2.medianBlur降低了模糊灰度图像的噪声。 模糊值越大,意味着图像中出现的黑噪声越少。 然后,应用adaptiveThreshold函数,并定义边缘的线大小。 较大的线条尺寸表示图像中将强调的较粗的边缘。
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)
减少调色板
照片和绘图之间在颜色方面的主要区别在于它们各自中不同颜色的数量。 图纸的颜色比照片少。 因此,我们使用色彩量化来减少照片中的色彩数量。
颜色量化
为了进行颜色量化,我们应用了OpenCV库提供的K-Means聚类算法。为了使下一步变得更容易,我们可以如下定义color_quantization函数。
def color_quantization(img, k):
# Transform the imagedata = np.float32(img).reshape((-1, 3))# Determine criteriacriteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 20, 0.001)# Implementing K-Meansret, 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量。
total_color = 9
img = color_quantization(img, total_color)
在这种情况下,我将9用作图像的k值。结果如下所示。
双边过滤器
完成色彩量化后,我们可以使用双边滤波器来减少图像中的噪点。这会给图像带来一些模糊和锐度降低的效果。
blurred = cv2.bilateralFilter(img, d=7, sigmaColor=200,sigmaSpace=200)
您可以根据自己的喜好调整三个参数:
- d —每个像素邻域的直径。
- sigmaColor —参数的值越大,表示面积越大的半均等颜色。
- sigmaSpace –该参数的值越大,表示越远的像素就会相互影响,只要它们的颜色足够接近即可。
结合边缘掩膜和彩色图像
最后一步是将我们先前创建的边缘掩膜与经过颜色处理的图像结合起来。为此,请使用cv2.bitwise_and函数。
cartoon = cv2.bitwise_and(blurred, blurred, mask=edges)
在这里!我们可以在下面看到原始照片的“卡通版”。
详情参阅 - 亚图跨际