正如你可能知道的，素描或创建一个卡通并不总是需要手动完成。如今，许多应用程序可以把你的照片变成卡通照片。但是如果我告诉你，你可以用几行代码创造属于自己的效果呢？有一个名为OpenCV的库，它为计算机视觉应用程序提供了一个公共基础设施，并优化了机器学习算法。它可以用来识别物体，检测和产生高分辨率的图像。本文，将向你展示如何利用OpenCV为Python中的图像提供卡通效果。使用google colab来编写和运行代码。你可以在这里访问Google Colab中的完整代码https：／／colab．research．google．com／drive／1lV5oJ＿hI8PsSV1WDVWWfL18－tMm4vnxe？usp＝sharing要创造卡通效果，我们需要注意两件事：边缘和调色板。这就是照片和卡通的区别所在。为了调整这两个主要部分，我们将经历四个主要步骤：加载图像创建边缘蒙版减少调色板结合边缘蒙版和彩色图像在开始主要步骤之前，不要忘记导入notebook中所需的库，尤其是cv2和NumPy。import cv2
import numpy as np
＃ required if you use Google Colab
from google．colab．patches import cv2＿imshow
from google．colab import files
1． 加载图像第一个主要步骤是加载图像。定义read＿file函数，其中包括cv2＿imshow以在Google Colab中加载所选图像。def read＿file（filename）：
img ＝ cv2．imread（filename）
cv2＿imshow（img）
return img
调用创建的函数来加载图像。uploaded ＝ files．upload（）
filename ＝ next（iter（uploaded））
img ＝ read＿file（filename）
我选择了下面的图片来转化成卡通图片。
2． 创建边缘蒙版通常，卡通效果强调图像中边缘的厚度。我们可以使用 cv2．adaptiveThreshold（） 函数检测图像中的边缘。总之，我们可以将 egde＿mask函数定义为：def edge＿mask（img， line＿size， blur＿value）：
gray ＝ cv2．cvtColor（img， 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
在该函数中，我们将图像转换为灰度图像。然后，利用cv2．medianBlur对模糊灰度图像进行去噪处理。模糊值越大，图像中出现的黑色噪声就越少。然后，应用自适应阈值函数，定义边缘的线条尺寸。较大的线条尺寸意味着图像中强调的较厚边缘。定义函数后，调用它并查看结果。line＿size ＝ 7
blur＿value ＝ 7
edges ＝ edge＿mask（img， line＿size， blur＿value）
cv2＿imshow（edges）
3． 减少调色板照片和图画之间的主要区别——就颜色而言——是每一张照片中不同颜色的数量。图画的颜色比照片的颜色少。因此，我们使用颜色量化来减少照片中的颜色数目。色彩量化为了进行颜色量化，我们采用OpenCV库提供的K－Means聚类算法。为了在接下来的步骤中更容易实现，我们可以如下定义color＿quantization 函数。def color＿quantization（img， k）：
＃ Transform the image
data ＝ np．float32（img）．reshape（（－1， 3））
＃ Determine criteria
criteria ＝ （cv2．TERM＿CRITERIA＿EPS ＋ cv2．TERM＿CRITERIA＿MAX＿ITER， 20， 0．001）
＃ Implementing K－Means
ret， label， center ＝ cv2．kmeans（data， k， None， criteria， 10， cv2．KMEANS＿RANDOM＿CENTERS）
center ＝ np．uint8（center）
result ＝ center［label．flatten（）］
result ＝ result．reshape（img．shape）
return result
我们可以调整k值来确定要应用于图像的颜色数。total＿color ＝ 9
img ＝ color＿quantization（img， total＿color）
在本例中，我使用9作为图像的k值。结果如下所示。
双边滤波器在进行颜色量化之后，我们可以使用双边滤波器来降低图像中的噪声。它会给图像带来一点模糊和锐度降低的效果。blurred ＝ cv2．bilateralFilter（img， d＝7，
sigmaColor＝200，sigmaSpace＝200）
有三个参数可根据你的首选项进行调整：d：每个像素邻域的直径sigmaColor：参数值越大，表示半等色区域越大。sigmaSpace：参数的值越大，意味着更远的像素将相互影响，只要它们的颜色足够接近。
4． 结合边缘蒙版和彩色图像最后一步是将我们之前创建的边缘蒙版与彩色处理图像相结合。为此，请使用cv2．bitwise＿and函数。cartoon ＝ cv2．bitwise＿and（blurred， blurred， mask＝edges）
我们可以在下面看到原始照片的“卡通版”。
现在你可以开始来创建你自己的卡通效果。除了在我们上面使用的参数中调整值之外，你还可以从OpenCV添加另一个函数来为你的照片提供特殊效果。代码库里还有很多东西我们可以探索。很高兴尝试！
