你有没有想过让一个艺术家给自己画素描呢？不用多说了，现在你就可以很容易地使用OpenCV，在几分钟内完成自己的素描画像，只需4个步骤OpenCV就会为你提供相同的肖像。

从图像1到图像2只需4个步骤。

现在让我们深入研究一下，不用拿起画笔给自己画个素描画像。

对于这个任务，我们将使用google colaboratorial，简称“Colab”，它允许你在浏览器中编写和执行Python，无需配置，可以自由访问gpu，并且可以轻松共享。

当然我们也可以使用Jupyter Notebbok。

我们的实现为四个步骤，如下所示：

1. 将RGB彩色图像转换为灰度图像。

2. 将灰度图像转换为负片。

3. 使用高斯模糊方法平滑图像。

4. 减淡和加深图像以获得最终输出。

入门

因此，第一步是加载图像并将其转换为灰度图像。

我的图像是在我的谷歌硬盘上，所以我们必须在collaboratory上安装驱动器。

你可以使用以下代码执行此操作：

from google.colab import drive
drive.mount(‘content/drive’)

当你运行这个命令时，你会发现一个需要访问的google认证链接，可以通过该链接复制认证代码并使用硬盘中的内容。

接下来导入必要的库，我们需要导入cv2模块务，另外，由于cv2模块的imshow函数不能与google colab一起使用，我们需要使用另一种方法来查看图像。

from google.colab.patches import cv2_imshow
import cv2
img=cv2.imread(‘Picture.jpg’)
cv2_imshow(img)

将RGB彩色图像转换为素描的灰度图像

现在我们有了图像，我们将其转换为灰度，以便稍后使用cv2模块中的cvtColor方法将其转换为负片，该方法也可以将图像转换为HSV和RGB格式。

gray=cv2.cvtColor(img.cv2_COLOR_BGR2GRAY)
cv2_imshow(gray)

将灰度图像转换为负片

灰度图像需要使用位操作转换为负片。位操用于提取图像中的基本部分。

我们将通过反转0-255之间的灰度图像的像素来获得图像的负片。为了反转图像，我们将使用cv2模块中的bitwise_not方法。

img_invert=cv2.bitwise_not(gray)
cv2_imshow(img_invert)

使用高斯模糊平滑图像

在图像处理中，高斯模糊（也称为高斯平滑）是使用高斯函数使图像模糊，它是图形软件中广泛使用的一种方法，通常用于减少图像噪声和细节。

在该方法中，使用高斯核代替由等滤波器系数组成的盒形滤波器，这通过函数cv2.GaussianBlur来完成：

gblur_img=cv2.GaussianBlur(img_invert,(21,21),sigmaX=0,sigmaY=0)cv2_imshow(gblur_img)

你可以根据你的适合性更改核大小，并查看输出如何变化。你可以使用以下链接来了解更多关于核的知识：https://www.pyimagesearch.com/2016/07/25/convolutions-with-opencv-and-python/

减淡和加深图像以获得最终输出

减淡和加深是传统摄影在印刷过程中采用的技术。在传统摄影中，人们会试图通过控制曝光时间来使暗室中的某个区域变亮或变暗。减淡使图像变亮，而加深使它变暗。

像Photoshop这样的现代图像编辑工具提供了模仿这些传统技术的方法，例如，使用遮罩B的图像A的避色实现如下：

((B[idx] == 255) ? B[idx] : min(255, ((A[idx] << 8) / (255-B[idx]))))

这实际上是将图像像素A的灰度（或通道）值除以掩模像素值B[idx]的倒数，同时确保得到的像素值在范围[0255]内，并且我们不被零除。我们可以将其转换为一个简单的Python函数，该函数接受两个OpenCV矩阵（一个图像和一个掩码）并返回混合图像。

幸运的是，在Opencv的帮助下，我们只需使用很少的代码就可以做到这一点。

这里我们创建自定义函数dodge_img，它将灰度图像和反转图像作为掩码来作为函数的参数，然后将图像转换为减淡图像。

def dodge_img(x,y):return cv2.divide(x,255-y,scale=256)dodged_img=dodge_img(gray,gblur_img)
cv2_imshow(dodged_img)

会产生以下结果：

现在要执行加深，我们再次创建一个自定义函数burn_img，该函数将减淡图像和平滑图像作为函数的参数，该函数将使图像变暗，从而执行图像的加深。

def burn_img(image, mask):return 255 — cv2.divide(255-image, 255-mask, scale=256)final_image=burn_img(dodged_img,gblur_img)

最后，我们画出了这幅原图：

这是你使用OpenCV绘制处理素描图像。

☆ END ☆

如果看到这里，说明你喜欢这篇文章，请转发、点赞。微信搜索「uncle_pn」，欢迎添加小编微信「 mthler」，每日朋友圈更新一篇高质量博文。

↓扫描二维码添加小编↓