OpenCV 是一個用于實時計算機視覺應用的 Python 庫。OpenCV 是開源的,在圖像處理、機器學習和深度學習方面有著巨大的應用。OpenCV 可用于對象檢測、分類、筆跡分析等。

OpenCV 可以與 Numpy 等庫集成,用于各種數學計算。

計算機視覺的主要目的是理解圖像。

OpenCV:它是關于什么的?

使用 OpenCV,我們可以執行許多任務,例如-

讀取和寫入圖像

圖像處理

捕獲和保存視頻

特征檢測

OpenCV 代表開源計算機視覺庫。它是使用 Python 用于計算機視覺的最流行的庫。OpenCV 可供所有人免費使用,因此 OpenCV 可用于各種項目和應用程序。

為我們的圖像賦予卡通效果

許多應用程序和網站都提供了為圖像賦予卡通效果的工具。年輕一代喜歡這個功能,它在社交媒體上也很受歡迎。在這些應用程序的情況下,我們只需上傳我們的圖像,然后就會返回具有所需效果的圖像。

但是,你有沒有想過,它們是如何工作的?

為此,需要進行多次圖像轉換。在執行此操作時需要考慮的一些重要事項是邊緣和顏色數量。

讓我們繼續看看代碼。

import cv2
import numpy as np
import matplotlib．image as img
from matplotlib import pyplot as plt

我們將需要 OpenCV 和 NumPy。

現在,讓我們閱讀圖像。

#reading the image
img = cv2．imread("person．jpeg")

我們已經將圖像作為輸入。

讓我們看看圖像數據類型是什么。

#image type
type(img)

輸出:  numpy．ndarray

因此,圖像基本上是一個多維的 NumPy 數組。

邊緣遮罩

在卡通效果中,通常非常強調圖像邊緣的厚度。

我們可以使用**cv2．adaptiveThreshold()**函數檢測邊緣。

在我們繼續處理邊緣之前,我們需要將圖像轉換為灰度。然后,使用 cv2．medianBlur函數來降低灰度圖像的噪聲。

讓我們繼續看看代碼:

#Create Edge Mask
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

line_size = 7
blur_value = 7

定義了線條大小和模糊值。為了強調較粗的邊緣,采用較大的線條尺寸。

讓我們得到邊緣。

edges = edge_mask(img, line_size, blur_value)

現在,我們保存圖像。

filename = 'edges．jpg'
# Using cv2．imwrite() method
# Saving the image
cv2．imwrite(filename, edges)

輸出:

我們可以看到檢測到了邊緣。

減少顏色數量

照片和草圖/卡通之間的主要區別在于不同顏色的數量。與高清照片相比,卡通素描的顏色要少得多。

因此,使用了一種名為顏色量化的方法。這將減少照片中的顏色數量。

K均值聚類算法用于執行該過程�！発”值根據我們需要的顏色數量進行調整。

#colour quantization
#k value determines the number of colours in the image
total_color = 8
k=total_color

在這種情況下,k 的值取為 8。

# Transform the image
data = np．float32(img)．reshape((-1, 3))

接下來,圖像被轉換。

# Determine criteria
criteria = (cv2．TERM_CRITERIA_EPS + cv2．TERM_CRITERIA_MAX_ITER, 20, 0．001)

現在,我們實施 K 均值。

# 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)

讓我們保存圖像。

filename = 'colour．jpg'
# Using cv2．imwrite() method
# Saving the image
cv2．imwrite(filename, result)

輸出:

好的,現在我們看到了一些效果。

顏色量化完成后,我們現在可以減少圖像中的噪聲。雙邊濾波器可用于此任務。

生成的圖像會稍微模糊,圖像清晰度會降低。

blurred = cv2．bilateralFilter(result, d=10, sigmaColor=250,sigmaSpace=250)

讓我們保存圖像,看看它的外觀。

#saving the image
filename = 'blurred．jpg'
# Using cv2．imwrite() method
# Saving the image
cv2．imwrite(filename, blurred)

輸出:

完成后,現在我們做最后的卡通效果。

最終圖像

#blurred and edges
cartoon = cv2．bitwise_and(blurred, blurred, mask=edges)

現在,我們保存圖像。

filename = 'cartoon．jpg'
# Using cv2．imwrite() method
# Saving the image
cv2．imwrite(filename, cartoon)

讓我們看看圖像是什么樣子的。

輸出做得很好。圖像被賦予了有趣的效果。

OpenCV 可以進行有趣的圖像轉換。

現在讓我們嘗試其他東西,這一次,我們也將使用輪廓。

應用帶有輪廓的卡通效果

讓我們首先正確定義函數。

首先是顏色量化函數。

#Colour Quantization
def ColourQuantization(image, K=9):
   Z = image．reshape((-1, 3))
   Z = np．float32(Z)
   criteria = (cv2．TERM_CRITERIA_EPS + cv2．TERM_CRITERIA_MAX_ITER, 100, 0．001)
   compactness, label, center = cv2．kmeans(Z, K, None, criteria, 1, cv2．KMEANS_RANDOM_CENTERS)
   center = np．uint8(center)
   res = center[label．flatten()]
   res2 = res．reshape((image．shape))
   return res2

這里,對于 K-Means,K 的值取為 9。

現在讓我們定義輪廓的函數。

#to get countours
def Countours(image):
   contoured_image = image
   gray = cv2．cvtColor(contoured_image, cv2．COLOR_BGR2GRAY)
   edged = cv2．Canny(gray, 200, 200)
   contours, hierarchy = cv2．findContours(edged, cv2．RETR_EXTERNAL, cv2．CHAIN_APPROX_NONE)[-2:]
   cv2．drawContours(contoured_image, contours, contourIdx=-1, color=6, thickness=1)
   return contoured_image

在這個函數中,圖像首先被轉換為灰度,然后檢測邊緣。最后,還制作了輪廓。

現在,讓我們使用該函數。

使用了下圖。

image = cv2．imread("person1．jpeg")
coloured = ColourQuantization(image)
contoured = Countours(coloured)
final_image = contoured

在此之后,圖像被保存。

filename = 'cartoon_final．jpg'
# Using cv2．imwrite() method
# Saving the image
cv2．imwrite(filename, final_image)

輸出:

在這種情況下,輸出也很有趣。

通過改變各種參數,可以修改卡通效果。

說到用途,目前這類處理方法主要用于社交媒體和藝術目的。人們可以對他們的圖像進行有趣的編輯,并將它們發布到社交媒體上。