opencv实践项目-图像卡通化

这篇具有很好参考价值的文章主要介绍了opencv实践项目-图像卡通化。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1.如何使图像卡通画

我们通常需要执行两个主要步骤将图像转换为卡通图像:边缘检测和区域平滑。
边缘检测的主要目的显然是为了强调图像的边缘,因为卡通图像通常具有良好的边 缘。同时,区域平滑的主要目的是消除颜色边界并减少图像的噪点,使图像像素化程 度降低。
根据不同滤波器,我们可以获得不同的图像卡通化结果。在本文中,将有四个不同的 过滤器:

  • 铅笔素描
  • 细节增强
  • 双边过滤器
  • 铅笔边缘

接下来,我们将展示如何应用每个过滤器,以及从每个过滤器中获得什么样的结果。

2.铅笔素描滤波器

使用“铅笔素描”滤波器,您的图像将被转换为素描,就像使用铅笔绘制图像一样。下 面是使用OpenCV将图像转换为铅笔素描的完整代码。

int main()
{
    cv::Mat img = cv::imread("/Users/xialz/Downloads/7.jpg");
    cv::Mat gray_img;
    cv::cvtColor(img, gray_img, cv::COLOR_BGR2GRAY);

    cv::Mat gauss_img;
    cv::GaussianBlur(gray_img, gauss_img, Size(25,25), 0);

    cv::Mat cartoon;
    cv::divide(gray_img, gauss_img, cartoon, 255);

    cv::imshow("cartoon", cartoon);
    cv::waitKey(0);

    return 0;
}

令人惊讶的是,使用OpenCV,我们只需三行代码就可以将图像转换成铅笔素描状的图 片。现在让我逐行解释一下该图像发生了哪些变化。 在第一行中,我们使用OpenCV的cvtColor()功能将图像从彩色通道转换为灰度通 道。这很简单,处理的结果是我们将图像变成了灰度图。 接下来,我们使用高斯模糊对图像进行模糊处理。模糊灰度图像,实际上是在平滑图 像,减少图像的噪点。另外,模糊也是我们检测图像边缘的必要步骤。
模糊图像,可以使用OpenCV中的GaussianBlur()功能。我在GaussianBlur() 函数中输入的(25,25)是内核的大小。 由于我们使用高斯模糊,因此内核中像素值的分布遵循正态分布。核数越大,标准偏 差将越大,因此模糊效果越强。
最后一步是将原始灰度图像除以模糊后的灰度图像。这样可以得出两个图像中每个像 素之间的变化率。模糊效果越强,每个像素的值相对于其原点的变化就越大,因此, 它使我们的铅笔素描更加清晰
以下是使用铅笔素描过滤器的结果
opencv实践项目-图像卡通化

3. 细节增强滤波器

简而言之,“细节增强”滤镜通过锐化图像,平滑颜色以及增强边缘效果为我们提供了 卡通效果。以下是使用此滤镜将您的图像转换成卡通的完整代码。

int main()
{
    cv::Mat img = cv::imread("/Users/xialz/Downloads/7.jpg");
    cv::Mat gray_img;
    cv::cvtColor(img, gray_img, cv::COLOR_BGR2GRAY);

    cv::Mat median_img;
    cv::medianBlur(gray_img, median_img, 3);

    cv::Mat cartoon, edges, color;
    cv::adaptiveThreshold(median_img, edges, 255, BORDER_REPLICATE, cv::ADAPTIVE_THRESH_MEAN_C, 3,0);

    cv::detailEnhance(img, color, 5, 0.5);

    cv::bitwise_and(color, color, cartoon, edges);

    cv::imshow("cartoon", cartoon);
    cv::waitKey(0);

    return 0;
}

第一步与之前相同,我们需要将图像转换为灰度图像。 接下来,不使用高斯模糊,而是应用中值模糊。为此,我们使用OpenCV中的 medianBlur() 函数。中值模糊通过计算与内核重叠的像素值的中值,然后将其中 心像素替换为中值。但是,我们可以根据需要先使用高斯模糊。 接下来,我们需要检测图像的边缘。为此,将自适应阈值与OpenCV中的 adaptiveThreshold() 函数一起应用。自适应阈值的主要目标是根据内核重叠的 像素的平均值,将图像每个区域中的每个像素值转换为黑色或白色。 以下是自适应阈值对模糊图像的影响的可视化结果。

opencv实践项目-图像卡通化
左:自适应阈值之前—右:自适应阈值之后
为了使图像看起来更清晰,我们可以使用OpenCV中的detailEnhance()函数。我 们需要指定两个参数:
• sigma_s:控制着邻域的大小,该邻域的大小将被加权以替换图像中的像素值。值 越高,邻域越大。这样可以使图像更平滑。
• sigma_r:如果要在平滑图像时保留边缘,这很重要。较小的值只会产生非常相似 的颜色进行平均(即平滑),而相差很大的颜色将保持不变。 最后,我们使用自适应阈值的结果作为掩码。然后,根据蒙版的值合并细节增强的结 果,以创建具有清晰边缘的清晰效果。 以下是“细节增强”过滤器的示例结果。
opencv实践项目-图像卡通化
细节增强过滤器实现示例

4. 双边过滤器

使用双边滤镜的一大优势是,我们可以在保留边缘的同时使图像和颜色平滑。以下是 通过双边过滤将您的图像转换为卡通图像的完整代码。

int main()
{
    cv::Mat img = cv::imread("/Users/xialz/Downloads/7.jpg");
    cv::Mat gray_img;
    cv::cvtColor(img, gray_img, cv::COLOR_BGR2GRAY);

    cv::Mat median_img;
    cv::medianBlur(gray_img, median_img, 3);

    cv::Mat cartoon, edges, color;
    cv::adaptiveThreshold(median_img, edges, 255, BORDER_REPLICATE, cv::ADAPTIVE_THRESH_MEAN_C, 3,0);

    //cv::detailEnhance(img, color, 5, 0.5);

    cv::bilateralFilter(img, color, 15, 20, 10);

    cv::bitwise_and(color, color, cartoon, edges);

    cv::imshow("cartoon", cartoon);
    cv::waitKey(0);

    return 0;
}

如果仔细看,所有步骤都与“细节增强”过滤器中的步骤相似,但是这次不是使用 detailEnhance() 函数,而是使用openCV中的bilateralFilter()函数。
调用此函数时需要传递的参数与detailEnhance()相同,只多一个附加参数,即内 核大小d。首先,我们指定图像源,然后是d,sigma_s和sigma_r值控制平滑效 果,并保持边缘。 以下是使用双边过滤器的结果示例。
opencv实践项目-图像卡通化

5. 铅笔边缘滤波器

铅笔边缘滤镜可创建仅包含重要边缘和白色背景的新图像。要应用此滤波器,下面是 完整的代码。

int main()
{
    cv::Mat img = cv::imread("/Users/xialz/Downloads/7.jpg");
    cv::Mat gray_img;
    cv::cvtColor(img, gray_img, cv::COLOR_BGR2GRAY);

    cv::Mat median_img;
    cv::medianBlur(gray_img, median_img, 3);

    cv::Mat cartoon, edges, edges_inv;

    cv::Laplacian(median_img, edges, -1, 3);

    edges_inv = 255 - edges;

    cv::threshold(edges_inv, cartoon, 150, 255, cv::THRESH_BINARY);

    cv::imshow("edges_inv", edges_inv);
    cv::imshow("cartoon", cartoon);
    cv::waitKey(0);

    return 0;
}

前两个步骤与其他过滤器相同。首先,我们将图像转换为灰度图像。接下来,我们使 用大小为25的内核对图像进行模糊处理。 接下来,我们应用拉普拉斯滤波器来检测边缘。根据内核的大小,拉普拉斯滤波器中 的值可以不同。 Laplacian滤波器的工作是,将通过对象内部的灰度级和图像背景强度来突出对象的边 缘。以下是拉普拉斯滤波器应用结果。
opencv实践项目-图像卡通化
左:拉普拉斯滤波器应用之前—右:拉普拉斯滤波器应用之后
接下来,我们将Laplacian滤波器的结果求反。最后,通过应用openCV中的 threshold()函数,根据指定的阈值将灰度图像转换为全黑或全白。 以下是“铅笔边缘”过滤器的结果示例
opencv实践项目-图像卡通化
来源于:Python视觉实战项目71讲(更新).pdf,将代码由python改成了c++文章来源地址https://www.toymoban.com/news/detail-465638.html

到了这里,关于opencv实践项目-图像卡通化的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包