正如你可能知道的，素描或創(chuàng)建一個卡通并不總是需要手動完成。如今，許多應用程序可以把你的照片變成卡通照片。但是如果我告訴你，你可以用幾行代碼創(chuàng)造屬于自己的效果呢？有一個名為OpenCV的庫，它為計算機視覺應用程序提供了一個公共基礎設施，并優(yōu)化了機器學習算法。它可以用來識別物體，檢測和產(chǎn)生高分辨率的圖像。本文，將向你展示如何利用OpenCV為Python中的圖像提供卡通效果。使用google colab來編寫和運行代碼。你可以在這里訪問Google Colab中的完整代碼https：／／colab．research．google．com／drive／1lV5oJ＿hI8PsSV1WDVWWfL18－tMm4vnxe？usp＝sharing要創(chuàng)造卡通效果，我們需要注意兩件事：邊緣和調(diào)色板。這就是照片和卡通的區(qū)別所在。為了調(diào)整這兩個主要部分，我們將經(jīng)歷四個主要步驟：加載圖像創(chuàng)建邊緣蒙版減少調(diào)色板結(jié)合邊緣蒙版和彩色圖像在開始主要步驟之前，不要忘記導入notebook中所需的庫，尤其是cv2和NumPy。import cv2
import numpy as np
＃ required if you use Google Colab
from google．colab．patches import cv2＿imshow
from google．colab import files

1． 加載圖像第一個主要步驟是加載圖像。定義read＿file函數(shù)，其中包括cv2＿imshow以在Google Colab中加載所選圖像。def read＿file（filename）：
 img ＝ cv2．imread（filename）
 cv2＿imshow（img）
 return img

調(diào)用創(chuàng)建的函數(shù)來加載圖像。uploaded ＝ files．upload（）
filename ＝ next（iter（uploaded））
img ＝ read＿file（filename）

我選擇了下面的圖片來轉(zhuǎn)化成卡通圖片。

2． 創(chuàng)建邊緣蒙版通常，卡通效果強調(diào)圖像中邊緣的厚度。我們可以使用 cv2．a(chǎn)daptiveThreshold（） 函數(shù)檢測圖像中的邊緣�？傊�，我們可以將 egde＿mask函數(shù)定義為：def edge＿mask（img， line＿size， blur＿value）：
 gray ＝ cv2．cvtColor（img， cv2．COLOR＿BGR2GRAY）
 gray＿blur ＝ cv2．medianBlur（gray， blur＿value）
 edges ＝ cv2．a(chǎn)daptiveThreshold（gray＿blur， 255， cv2．ADAPTIVE＿THRESH＿MEAN＿C， cv2．THRESH＿BINARY， line＿size， blur＿value）
 return edges

在該函數(shù)中，我們將圖像轉(zhuǎn)換為灰度圖像。然后，利用cv2．medianBlur對模糊灰度圖像進行去噪處理。模糊值越大，圖像中出現(xiàn)的黑色噪聲就越少。然后，應用自適應閾值函數(shù)，定義邊緣的線條尺寸。較大的線條尺寸意味著圖像中強調(diào)的較厚邊緣。定義函數(shù)后，調(diào)用它并查看結(jié)果。line＿size ＝ 7
blur＿value ＝ 7
edges ＝ edge＿mask（img， line＿size， blur＿value）
cv2＿imshow（edges）

3． 減少調(diào)色板照片和圖畫之間的主要區(qū)別——就顏色而言——是每一張照片中不同顏色的數(shù)量。圖畫的顏色比照片的顏色少。因此，我們使用顏色量化來減少照片中的顏色數(shù)目。色彩量化為了進行顏色量化，我們采用OpenCV庫提供的K－Means聚類算法。為了在接下來的步驟中更容易實現(xiàn)，我們可以如下定義color＿quantization 函數(shù)。def color＿quantization（img， k）：
＃ Transform the image
 data ＝ np．float32（img）．reshape（（－1， 3））
＃ Determine criteria
 criteria ＝ （cv2．TERM＿CRITERIA＿EPS ＋ cv2．TERM＿CRITERIA＿MAX＿ITER， 20， 0．001）
＃ 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）
 return result

我們可以調(diào)整k值來確定要應用于圖像的顏色數(shù)。total＿color ＝ 9

img ＝ color＿quantization（img， total＿color）

在本例中，我使用9作為圖像的k值。結(jié)果如下所示。

雙邊濾波器在進行顏色量化之后，我們可以使用雙邊濾波器來降低圖像中的噪聲。它會給圖像帶來一點模糊和銳度降低的效果。blurred ＝ cv2．bilateralFilter（img， d＝7，
sigmaColor＝200，sigmaSpace＝200）

有三個參數(shù)可根據(jù)你的首選項進行調(diào)整：d：每個像素鄰域的直徑sigmaColor：參數(shù)值越大，表示半等色區(qū)域越大。sigmaSpace：參數(shù)的值越大，意味著更遠的像素將相互影響，只要它們的顏色足夠接近。

4． 結(jié)合邊緣蒙版和彩色圖像最后一步是將我們之前創(chuàng)建的邊緣蒙版與彩色處理圖像相結(jié)合。為此，請使用cv2．bitwise＿and函數(shù)。cartoon ＝ cv2．bitwise＿and（blurred， blurred， mask＝edges）
我們可以在下面看到原始照片的“卡通版”。

現(xiàn)在你可以開始來創(chuàng)建你自己的卡通效果。除了在我們上面使用的參數(shù)中調(diào)整值之外，你還可以從OpenCV添加另一個函數(shù)來為你的照片提供特殊效果。代碼庫里還有很多東西我們可以探索。很高興嘗試！