当今数字时代，图像处理和美化已经变得非常普遍。从社交媒体到个人博客，人们都渴望分享独特且引人注目的图片。本文将介绍如何使用Python编程语言和OpenCV库创建令人印象深刻的卡通风格图像。卡通风格的图像具有艺术性和创意，它们可以用于图像编辑、创意表达以及增加娱乐价值。
在开始之前，您需要安装以下必要的库：
如果您还没有安装这些库，可以使用pip进行安装。
pip install opencv-python numpy
首先，我们将介绍如何使用OpenCV读取图像文件并在窗口中显示它们。这是我们处理图像的第一步。
# 读取文件
def read_file(filename: str) -> np.ndarray:
try:
img = cv2.imread(filename)
if img is None:
raise ValueError("Invalid file path or file format.")
return img
except:
raise ValueError("Invalid file path or file format.")
# 显示图片
def display_image(img: np.ndarray, window_name: str) -> None:
cv2.imshow(window_name, img)
cv2.waitKey()
在这个步骤中，我们定义了一个名为read_file的函数，它接受一个文件名作为参数，并返回一个NumPy数组表示的图像。如果文件路径无效或图像格式不受支持，函数将引发异常。
我们定义了一个名为display_image的函数，它接受两个参数：要显示的图像和窗口的名称。函数将图像显示在指定的窗口中，并等待用户按下任意键后关闭窗口。这个简单的步骤允许我们在进行后续处理之前，查看原始照片的外观。
接下来，我们将图像转化为卡通风格的第一步是创建边缘掩膜。我们将使用边缘检测技术来实现这一目标。
# 边缘掩膜
def edge_mask(image: np.ndarray, line_size: int, blur_value: int) -> np.ndarray:
if not isinstance(line_size, int) or not isinstance(blur_value, int) or line_size < 1 or blur_value < 1:
raise ValueError("Invalid value for 'line_size' or 'blur_value' parameter. Must be a positive integer.")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
gray_blur = cv2.medianBlur(gray, blur_value)
edges = cv2.adaptiveThreshold(gray_blur, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, line_size, blur_value)
return edges
在这个步骤中，我们定义了一个名为edge_mask的函数，它接受三个参数：图像、线条大小（控制边缘粗细）和模糊程度。函数将图像转换为灰度图，然后应用中值模糊和自适应阈值处理，以创建边缘掩膜。
卡通风格的图像通常具有较少的颜色。我们将使用K-Means聚类算法来减少图像中的颜色数量。
# 颜色量化
def color_quantization(image: np.ndarray, num_colors: int) -> np.ndarray:
if not isinstance(num_colors, int) or num_colors < 1:
raise ValueError("Invalid value for 'num_colors' parameter. Must be a positive integer.")
# 转换图片
data = np.float32(image).reshape((-1, 3))
# 设置KMeans聚类参数
kmeans_criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 20, 0.001)
flags = cv2.KMEANS_RANDOM_CENTERS
# 执行KMeans聚类
_, labels, centers = cv2.kmeans(data, num_colors, None, kmeans_criteria, 10, flags)
centers = np.uint8(centers)
processed_image = centers[labels.flatten()]
processed_image = processed_image.reshape(image.shape)
# 应用颜色增强
hsv_image = cv2.cvtColor(processed_image, cv2.COLOR_BGR2HSV)
hsv_image[:, :, 1] = hsv_image[:, :, 1] * 1.5 # 增强饱和度
enhanced_image = cv2.cvtColor(hsv_image, cv2.COLOR_HSV2BGR)
return enhanced_image
在这个步骤中，我们定义了一个名为color_quantization的函数，它接受两个参数：图像和要使用的颜色数量。函数首先将图像转换为数据矩阵，然后使用K-Means聚类算法将图像颜色量化为指定数量的颜色。最后，我们增强了图像的饱和度，以使颜色更加生动。
在这一步骤中，我们将应用一些图像处理技术，如双边滤波，以增强最终的卡通效果图像。
def resize_crop(image):
h, w, c = np.shape(image)
if min(h, w) > 720:
if h > w:
h, w = int(720 * h / w), 720
else:
h, w = 720, int(720 * w / h)
image = cv2.resize(image, (w, h), interpolation=cv2.INTER_AREA)
h, w = (h // 8) * 8, (w // 8) * 8
image = image[:h, :w, :]
return image
# 图像处理和效果增强
def cartoonize(load_folder, save_folder):
name_list = os.listdir(load_folder)
for name in name_list:
try:
load_path = os.path.join(load_folder, name)
save_path = os.path.join(save_folder, name)
if not save_path.endswith('.jpg'):
raise ValueError("Invalid file format. Must be a '.jpg' file.")
image = cv2.imread(load_path)
image = resize_crop(image)
display_image(image, "Image")
# 设置边缘掩膜参数并应用
line_size = 7
blur_value = 7
edges = edge_mask(image, line_size, blur_value)
display_image(edges, "Edges")
# 执行颜色量化
num_colors = 9
processed_image = color_quantization(image, num_colors)
display_image(processed_image, "Processed_image")
# 应用双边滤波
blurred = cv2.bilateralFilter(processed_image, d=9, sigmaColor=200, sigmaSpace=200)
display_image(blurred, "Blurred")
# 应用掩膜
cartoonized_image = cv2.bitwise_and(blurred, blurred, mask=edges)
display_image(cartoonized_image, "Cartoonized Image")
cv2.imwrite(save_path, cartoonized_image)
except:
print('cartoonize {} failed'.format(load_path))
在这个步骤中，我们首先调整图像的大小和裁剪，以确保它符合处理的要求。然后，我们依次应用边缘掩膜、颜色量化、双边滤波和最后的掩膜应用，将图像转换成卡通画风。
这是整个卡通化过程的关键部分，通过这些步骤，您可以将任何普通照片转换成具有卡通风格的艺术品。在接下来的文章中，我们将展示如何使用这些代码来卡通化您自己的照片。
# -*- coding = utf-8 -*-
"""
# @Time : 2023/9/22 20:18
# @Author : FriK_log_ff 374591069
# @File : newmyway.py
# @Software: PyCharm
# @Function: 请输入项目功能
"""
import cv2
import numpy as np
import os
# 读取文件
def read_file(filename: str) -> np.ndarray:
try:
img = cv2.imread(filename)
if img is None:
raise ValueError("Invalid file path or file format.")
return img
except:
raise ValueError("Invalid file path or file format.")
# 显示图片
def display_image(img: np.ndarray, window_name: str) -> None:
cv2.imshow(window_name, img)
cv2.waitKey()
# 边缘掩膜
def edge_mask(image: np.ndarray, line_size: int, blur_value: int) -> np.ndarray:
if not isinstance(line_size, int) or not isinstance(blur_value, int) or line_size < 1 or blur_value < 1:
raise ValueError("Invalid value for 'line_size' or 'blur_value' parameter. Must be a positive integer.")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
gray_blur = cv2.medianBlur(gray, blur_value)
edges = cv2.adaptiveThreshold(gray_blur, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, line_size, blur_value)
return edges
# 颜色量化
def color_quantization(image: np.ndarray, num_colors: int) -> np.ndarray:
if not isinstance(num_colors, int) or num_colors < 1:
raise ValueError("Invalid value for 'num_colors' parameter. Must be a positive integer.")
# 转换图片
data = np.float32(image).reshape((-1, 3))
# 设置KMeans聚类参数
kmeans_criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 20, 0.001)
flags = cv2.KMEANS_RANDOM_CENTERS
# 执行KMeans聚类
_, labels, centers = cv2.kmeans(data, num_colors, None, kmeans_criteria, 10, flags)
centers = np.uint8(centers)
processed_image = centers[labels.flatten()]
processed_image = processed_image.reshape(image.shape)
# 应用颜色增强
hsv_image = cv2.cvtColor(processed_image, cv2.COLOR_BGR2HSV)
hsv_image[:, :, 1] = hsv_image[:, :, 1] * 1.5 # 增强饱和度
enhanced_image = cv2.cvtColor(hsv_image, cv2.COLOR_HSV2BGR)
return enhanced_image
def resize_crop(image):
h, w, c = np.shape(image)
if min(h, w) > 720:
if h > w:
h, w = int(720 * h / w), 720
else:
h, w = 720, int(720 * w / h)
image = cv2.resize(image, (w, h), interpolation=cv2.INTER_AREA)
h, w = (h // 8) * 8, (w // 8) * 8
image = image[:h, :w, :]
return image
# 上传文件
def cartoonize(load_folder, save_folder):
name_list = os.listdir(load_folder)
for name in name_list:
try:
load_path = os.path.join(load_folder, name)
save_path = os.path.join(save_folder, name)
if not save_path.endswith('.jpg'):
raise ValueError("Invalid file format. Must be a '.jpg' file.")
image = cv2.imread(load_path)
image = resize_crop(image)
display_image(image, "Image")
# 设置边缘掩膜参数并应用
line_size = 7
blur_value = 7
edges = edge_mask(image, line_size, blur_value)
display_image(edges, "Edges")
# 执行颜色量化
num_colors = 9
processed_image = color_quantization(image, num_colors)
display_image(processed_image, "Processed_image")
# 应用双边滤波
blurred = cv2.bilateralFilter(processed_image, d=9, sigmaColor=200, sigmaSpace=200)
display_image(blurred, "Blurred")
# 应用掩膜
cartoonized_image = cv2.bitwise_and(blurred, blurred, mask=edges)
display_image(cartoonized_image, "Cartoonized Image")
cv2.imwrite(save_path, cartoonized_image)
except:
print('cartoonize {} failed'.format(load_path))
if __name__ == '__main__':
load_folder = 'test_images'
save_folder = 'cartoonized_images'
if not os.path.exists(save_folder):
os.mkdir(save_folder)
cartoonize(load_folder, save_folder)
在本文中，我们探讨了如何使用Python和OpenCV库创建卡通风格的图像。通过一系列图像处理步骤，我们将普通照片转化为有趣和具有创意的卡通风格图像。这个过程涵盖了图像读取、边缘检测、颜色量化、图像处理和效果增强等关键步骤。
卡通风格图像的制作涉及多个步骤，但通过掌握这些技巧，您可以自由发挥创造力，为照片增添新的趣味性。以下是本文中使用的一些关键技术的简要回顾：
图像读取和显示： 我们使用OpenCV库来读取图像文件并在窗口中显示它们。这是开始图像处理的第一步。
边缘掩膜： 为了创建卡通风格，我们使用了边缘检测技术，将图像中的边缘突出显示。
颜色量化： 卡通图像通常包含较少的颜色。我们使用K-Means聚类来减少图像中的颜色数量，从而实现卡通风格的色彩。
图像处理和效果增强： 我们应用了一些图像处理技术，例如双边滤波，以增强最终的卡通效果图像。
在完成所有处理步骤后，我们得到了有趣和独特的卡通风格图像。这个过程可以批量处理图像，使您能够轻松创建多个卡通化的照片。
希望本文对您有所帮助，能够启发您探索更多有趣的图像处理项目。 创造自己独特的卡通风格图像，让您的照片在社交媒体和网络上脱颖而出。