使用 Python 的铅笔素描图像

资讯 1年前
1.81K
使用 Python 的铅笔素描图像 使用 Python 的铅笔素描图像 使用 Python 的铅笔素描图像

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。在本教程中,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:

1. 灰度图像

2. 反转颜色

3. 模糊倒置图像

4. 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。

导入库

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

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("porche.png")

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。

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:

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。这是我们得到的灰度图像:

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

当我们显示反转图像或将其保存在光盘上时,我们会得到以下图片:

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=5

模糊图像的结果如下所示:

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(self, front: np.ndarray, back: np.ndarray) -> np.ndarray:
   """The formula comes from https://en.wikipedia.org/wiki/Blend_modes

   Args:

       front: (np.ndarray) - front image to be applied to dodge algorithm

       back: (np.ndarray) - back image to be applied to dodge algorithm

   Returns:

       image: (np.ndarray) - dodged image

   """

   result = back*255.0 / (255.0-front)

   result[result>255] = 255

   result[back==255] = 255

   return result.astype('uint8')

final_img = self.dodge(blur_img, grayscale)

就是这样!结果如下:

完整代码:

class PencilSketch:

   """Apply pencil sketch effect to an image

   """

   def __init__(

       self,

       blur_simga: int = 5,

       ksize: typing.Tuple[int, int] = (0, 0),

       sharpen_value: int = None,

       kernel: np.ndarray = None,

       ) -> None:

       """

       Args:

           blur_simga: (int) - sigma ratio to apply for cv2.GaussianBlur

           ksize: (float) - ratio to apply for cv2.GaussianBlur

           sharpen_value: (int) - sharpen value to apply in predefined kernel array

           kernel: (np.ndarray) - custom kernel to apply in sharpen function

       """

       self.blur_simga = blur_simga

       self.ksize = ksize

       self.sharpen_value = sharpen_value

       self.kernel = np.array([[0, -1, 0], [-1, sharpen_value,-1], [0, -1, 0]]) if kernel == None else kernel


   def dodge(self, front: np.ndarray, back: np.ndarray) -> np.ndarray:

       """The formula comes from https://en.wikipedia.org/wiki/Blend_modes

       Args:

           front: (np.ndarray) - front image to be applied to dodge algorithm

           back: (np.ndarray) - back image to be applied to dodge algorithm

       Returns:

           image: (np.ndarray) - dodged image

       """

       result = back*255.0 / (255.0-front)

       result[result>255] = 255

       result[back==255] = 255

       return result.astype('uint8')


   def sharpen(self, image: np.ndarray) -> np.ndarray:
       """Sharpen image by defined kernel size

       Args:

           image: (np.ndarray) - image to be sharpened

       Returns:

           image: (np.ndarray) - sharpened image

       """

       if self.sharpen_value is not None and isinstance(self.sharpen_value, int):

           inverted = 255 - image

           return 255 - cv2.filter2D(src=inverted, ddepth=-1, kernel=self.kernel)


       return image


   def __call__(self, frame: np.ndarray) -> np.ndarray:

       """Main function to do pencil sketch

       Args:

           frame: (np.ndarray) - frame to excecute pencil sketch on

       Returns:

           frame: (np.ndarray) - processed frame that is pencil sketch type

       """

       grayscale = np.array(np.dot(frame[..., :3], [0.299, 0.587, 0.114]), dtype=np.uint8)

       grayscale = np.stack((grayscale,) * 3, axis=-1) # convert 1 channel grayscale image to 3 channels grayscale

       inverted_img = 255 - grayscale

       blur_img = cv2.GaussianBlur(inverted_img, ksize=self.ksize, sigmaX=self.blur_simga)

       final_img = self.dodge(blur_img, grayscale)


       sharpened_image = self.sharpen(final_img)


       return sharpened_image

可以猜测,除了模糊期间的blur_sigma参数外,我们没有太多的空间可以使用。添加了一个额外的功能来锐化图像以解决这个问题。

它与模糊过程非常相似,只是现在,我们不是创建一个核来平均每个像素的强度,而是创建一个内核,使像素强度更高,因此更容易被人眼看到。

下面是关于如何将 PencilSketch 对象用于我们的图像的基本代码:

# main.py

from pencilSketch import PencilSketch

from engine import Engine

if __name__ == '__main__':

   pencilSketch = PencilSketch(blur_simga=5)

   selfieSegmentation = Engine(image_path='data/porche.jpg', show=True, custom_objects=[pencilSketch])

   selfieSegmentation.run()

结论:

这是一个非常不错的教程,不需要任何深入的 Python 知识就可以从任何图像中实现这种“铅笔”素描风格。

       原文标题 : 使用 Python 的铅笔素描图像

© 版权声明

相关文章