设计思想:
- 将彩色图像转换为灰度图像
- 边缘检测提取灰度图像边缘
- 对检测边缘进行增强并二值化产生粗线条特征图像
- 将处理完的图像与原图叠加
关键函数:
dst=cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)
src:输入的灰度图像
maxValue:满足条件的像素点需要设置的灰度值
adaptiveMethod:自适应方法。有2种:ADAPTIVE_THRESH_MEAN_C 或 ADAPTIVE_THRESH_GAUSSIAN_C
thresholdType:二值化方法,可以设置为THRESH_BINARY或者THRESH_BINARY_INV
blockSize:分割计算的区域大小,取奇数
C:常数,每个区域计算出的阈值的基础上在减去这个常数作为这个区域的最终阈值,可以为负数
dst:输出图像
import cv2def main(): img_rgb = cv2.imread("11.jpg") #读取图片 img_color = img_rgb img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2GRAY)#图像变换为灰度图像 img_blur = cv2.medianBlur(img_gray, 7)#中值滤波,降低图片的准确度,增加绘画中的误差 #检测到边缘并且增强其效果 img_edge = cv2.adaptiveThreshold(img_blur,#输入图 255, cv2.ADAPTIVE_THRESH_MEAN_C,#阈值计算类型 cv2.THRESH_BINARY,#二值化的操作类型 blockSize=9,#图片分块的大小 C=2)#阈值计算方法中的常数项 #转换回彩色图像 img_edge = cv2.cvtColor(img_edge, cv2.COLOR_GRAY2RGB)#灰度转换辉rgb img_cartoon = cv2.bitwise_and(img_color, img_edge)#与原图叠加 # 保存转换后的图片 cv2.imshow("out", img_cartoon) cv2.waitKey(0)if __name__ == '__main__': main()