【OpenCV】使用 Python 的铅笔素描图像 |
您所在的位置:网站首页 › 素描线条画图片 › 【OpenCV】使用 Python 的铅笔素描图像 |
目录:使用 Python 的铅笔素描图像
一、前言二、代码实战2.1 导包2.2 读取照片2.3 使用 OpenCV 显示图像2.4 灰度图像2.5 反转图像2.6 模糊图像2.7 减淡和融合
三、结果展示五、源代码
一、前言
图片在 Python 中表示为一组数字。所以我们可以进行各种矩阵操作来得到令人兴奋的结果。 在本次博客中,将向你展示如何只用几行代码创建“铅笔”草图图像。 这个过程非常简单: 灰度图像反转颜色模糊倒置图像将减淡混合应用于模糊和灰度图像我们可以为此选择任何我们想要的图像。将演示如何创建可以应用于任何图像、视频或实时流的对象。 二、代码实战 2.1 导包OpenCV 和 Numpy 是项目所需的唯一库。我们使用以下两行代码导入它们: import cv2 import numpy as np 2.2 读取照片这是使用 OpenCV 读取存储在磁盘上的图像的命令之一: frame = cv2.imread("IMG_1181.JPG")此命令读取位于当前文件夹中的文件“image.png”,并作为帧存储在内存中。但正如我所提到的,这可以是帧序列或通过其他方法加载的图像。 2.3 使用 OpenCV 显示图像下一个重要步骤是在屏幕上显示图像: cv2.imshow('image', frame) cv2.waitKey(0) cv2.destroyAllWindows()图像将在一个标题为“image”的新窗口中打开。 2.4 灰度图像首先,我们需要对图像进行灰度处理(将其转换为黑白)。我们可以使用 cv2 库或 numpy. numpy 没有任何用于灰度的内置函数,但我们也可以很容易地将我们的图像转换为灰度,公式如下所示: grayscale = np.array(np.dot(frame[..., :3], [0.299, 0.587, 0.114]), dtype = np.uint8) grayscale = np.stack((grayscale, ) * 3, axis = -1)在这里,我们将 RGB 图像通道与适当的值相乘并将它们连接到单个通道。 因此,我们需要返回到 3 层图像,使用 numpy stack 函数来实现。 2.5 反转图像现在我们需要反转图像,白色应该变成黑色。 它简单地从每个图像像素中减去 255 。因为,默认情况下,图像是 8 位的,最多有 256 个色调: inverted_img = 255 - grayscale 2.6 模糊图像现在我们需要模糊倒置的图像。通过对倒置图像应用高斯滤波器来执行模糊。这里最重要的是高斯函数或 sigma 的方差。随着 sigma 的增加,图像变得更模糊。Sigma 控制色散量,从而控制模糊程度。可以通过反复试验选择合适的 sigma 值: blur_img = cv2.GaussianBlur(inverted_img, ksize = (0, 0), sigmaX = 8) 2.7 减淡和融合颜色减淡和融合模式并通过降低对比度来加亮基色以反映混合色。 def dodge(front: np.ndarray, back: np.ndarray) -> np.ndarray: result = back * 255.0 / (255.0 - front) result[result > 255] = 255 result[back == 255] = 255 return result.astype('uint8') final_img = dodge(blur_img, grayscale) 三、结果展示
|
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |