OpenCV是一个用于实时计算机视觉应用的Python库。OpenCV是开源的，在图像处理、机器学习和深度学习方面有着巨大的应用。OpenCV可用于对象检测、分类、笔迹分析等。
OpenCV可以与Numpy等库集成，用于各种数学计算。
计算机视觉的主要目的是理解图像。
OpenCV：它是关于什么的？使用OpenCV，我们可以执行许多任务，例如-
读取和写入图像
图像处理
捕获和保存视频
特征检测
OpenCV代表开源计算机视觉库。它是使用Python用于计算机视觉的最流行的库。OpenCV可供所有人免费使用，因此OpenCV可用于各种项目和应用程序。
为我们的图像赋予卡通效果许多应用程序和网站都提供了为图像赋予卡通效果的工具。年轻一代喜欢这个功能，它在社交媒体上也很受欢迎。在这些应用程序的情况下，我们只需上传我们的图像，然后就会返回具有所需效果的图像。
但是，你有没有想过，它们是如何工作的？
为此，需要进行多次图像转换。在执行此操作时需要考虑的一些重要事项是边缘和颜色数量。
让我们继续看看代码。
importcv2importnumpyasnpimportmatplotlib.imageasimgfrommatplotlibimportpyplotasplt
我们将需要OpenCV和NumPy。
现在，让我们阅读图像。
#readingtheimageimg=cv2.imread("person.jpeg")
我们已经将图像作为输入。
让我们看看图像数据类型是什么。
#imagetypetype(img)
输出：numpy.ndarray
因此，图像基本上是一个多维的NumPy数组。
边缘遮罩在卡通效果中，通常非常强调图像边缘的厚度。
我们可以使用**cv2.adaptiveThreshold()**函数检测边缘。
在我们继续处理边缘之前，我们需要将图像转换为灰度。然后，使用cv2.medianBlur函数来降低灰度图像的噪声。
让我们继续看看代码：
#CreateEdgeMaskdefedge_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,,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,line_size,blur_value)returnedges
line_size=7blur_value=7
定义了线条大小和模糊值。为了强调较粗的边缘，采用较大的线条尺寸。
让我们得到边缘。
edges=edge_mask(img,line_size,blur_value)
现在，我们保存图像。
filename=edges.jpg#Usingcv2.imwrite()method#Savingtheimagecv2.imwrite(filename,edges)
输出：
我们可以看到检测到了边缘。
减少颜色数量照片和草图/卡通之间的主要区别在于不同颜色的数量。与高清照片相比，卡通素描的颜色要少得多。
因此，使用了一种名为颜色量化的方法。这将减少照片中的颜色数量。
K均值聚类算法用于执行该过程。“k”值根据我们需要的颜色数量进行调整。
#colourquantization#kvaluedeterminesthenumberofcoloursintheimagetotal_color=8k=total_color
在这种情况下，k的值取为8。
#Transformtheimagedata=np.float32(img).reshape((-1,3))
接下来，图像被转换。
#Determinecriteriacriteria=(cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER,20,0.)
现在，我们实施K均值。
#ImplementingK-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)
让我们保存图像。
filename=colour.jpg#Usingcv2.imwrite()method#Savingtheimagecv2.imwrite(filename,result)
输出：
好的，现在我们看到了一些效果。
颜色量化完成后，我们现在可以减少图像中的噪声。双边滤波器可用于此任务。
生成的图像会稍微模糊，图像清晰度会降低。
blurred=cv2.bilateralFilter(result,d=10,sigmaColor=,sigmaSpace=)
让我们保存图像，看看它的外观。
#savingtheimagefilename=blurred.jpg#Usingcv2.imwrite()method#Savingtheimagecv2.imwrite(filename,blurred)
输出：
完成后，现在我们做最后的卡通效果。
最终图像#blurredandedgescartoon=cv2.bitwise_and(blurred,blurred,mask=edges)
现在，我们保存图像。
filename=cartoon.jpg#Usingcv2.imwrite()method#Savingtheimagecv2.imwrite(filename,cartoon)
让我们看看图像是什么样子的。
输出做得很好。图像被赋予了有趣的效果。
OpenCV可以进行有趣的图像转换。
现在让我们尝试其他东西，这一次，我们也将使用轮廓。
应用带有轮廓的卡通效果让我们首先正确定义函数。
首先是颜色量化函数。
#ColourQuantizationdefColourQuantization(image,K=9):Z=image.reshape((-1,3))Z=np.float32(Z)criteria=(cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER,,0.)
本文编辑：佚名
转载请注明出地址 http://www.yuxingcaoa.com/yxczp/9693.html
