如何使用Python对图像进行卡通化

在本教程中，我将向您展示如何使用它OpenCV在Python给图像一个卡通效果。

OpenCV它是计算机视觉和机器学习的开源python图书馆。主要用于实时计算机视觉和图像处理。它用于对图像进行不同的操作，然后用不同的技术进行转换。

很多应用程序可以把你的照片变成卡通，但你只需要几行Python代码可以自行完成。

这是我们的测试图像：

elon-musk.jpeg

代码：

importnumpyasnp importcv2 

之后，我们读了图像：

filename='elon.jpeg' 

然后我们将定义我们resizeImage：

defresizeImage(image): scale_ratio=0.3 width=int(image.shape[1]*scale_ratio) height=int(image.shape[0]*scale_ratio) new_dimensions=(width,height) resized=cv2.resize(image,new_dimensions,interpolation=cv2.INTER_AREA)  returnresized  

我们需要找到轮廓：

deffindCountours(image):  contoured_image=image gray=cv2.cvtColor(contoured_image,cv2.COLOR_BGR2GRAY) edged=cv2.Canny(gray,30,100) contours,hierarchy=cv2.findContours(edged, cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) cv2.drawContours(contoured_image,contours,contourIdx=-1,color=1,thickness=1) cv2.imshow('Imageaftercountouring',contoured_image) cv2.waitKey(0) cv2.destroyAllWindows()  returncontoured_image 

之后，我们量化了颜色：

defColorQuantization(image,K=4): Z=image.reshape((-1,3)) 

然后我们将图像转换为numpy float32：

Z=np.float32(Z) 

我们还需要定义critera并应用kmeans：

criteria=(cv2.TERM_CRITERIA_EPS cv2.TERM_CRITERIA_MAX_ITER,10000,0.0001) compactness,label,center=cv2.kmeans(Z,K,None,criteria,1,cv2.KMEANS_RANDOM_CENTERS) 

然后我们将其转换uint并应用于原始图像

center=np.uint8(center) res=center[label.flatten()] res2=res.reshape((image.shape))  returnres2 

if__name__=="__main__":  image=cv2.imread(filename) resized_image=resizeImage(image) coloured=ColorQuantization(resized_image) contoured=findCountours(coloured) final_image=contoured save_q=input("Savetheimage?[y]/[n]")  ifsave_q=="y":  cv2.imwrite("cartoonized_" filename,final_image) print("Imagesaved!") 

这是我们的最终结果：