OpenCV图片漫画效果

我们随手拍摄的照片，很难达到摄影师的水准，因此不管是手机上还是电脑内，都有一些软件可以添加特效让照片更好看，手机拍摄时也有即时的美化效果。不过我比较好奇漫画特效，但是一直在网上看到别人的成品而找不到针对性的软件，因此只有自己实现一下，虽然跟专业的还有差距，但效果还不错。

本次使用 OpenCV，采用 Python 实现。

对比现实中的画画，一般是先画出边缘轮廓使整体规划好，再填充颜色使其完整，因此在这里我们也采用这种方式。不过对图片直接操作与从零开始着笔不一样，要将原始图片进行两次不同的处理，再将处理后的两个图片叠加。

边缘轮廓

漫画中不管是人物还是风景，刻画的细节有限，因此需要把重要以及有特色的部分体现出来，数量要适当。

轮廓通过四步操作：

import cv2img = cv2.imread("example.jpg")
img_copy = img# 灰度处理
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 平滑操作，去除噪声
img_blur = cv2.medianBlur(img_gray, 5)
# 通过阈值提取轮廓
img_edge = cv2.adaptiveThreshold(img_blur,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,blockSize=9,C=3)
# 将灰度图片变成 3 通道，用于后续合并
img_edge = cv2.cvtColor(img_edge, cv2.COLOR_GRAY2BGR)

这里通过二值化的方式将轮廓提取出来，采用自适应阈值二值化函数，基于像素周围的小区域确定像素的阈值，可以将有区别的部分的界限提取出来，恰如漫画对象中黑色粗体轮廓，且细节得当。因阈值处理只能针对灰度图像，因此需要先将彩色图像转换为单通道的灰度图像，且为了去除描绘对象内部的冗余细节，还要对图像进行平滑处理，使颜色过度得缓慢一些，毕竟漫画中颜色的应用没有现实生活中那么复杂，这样得出的轮廓就比较好。

看一下效果：

对比原图：

将两个重要的方法介绍一下：

中值滤波：cv2.medianBlur(img, ksize)
主要是后面的参数，代表内核区域的边长，必须是大于1的奇数，如3、5、7……方法提取内核区域下所有像素的中值，并将中心元素替换为该中值

自适应阈值二值化：cv2.adaptiveThreshold(src, maxval, thresh_type, type, Block Size, C)

src：输入图，只能输入单通道图像，通常来说为灰度图
dst：输出图
maxval：当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值
thresh_type：阈值的计算方法，包含以下2种类型：cv2.ADAPTIVE_THRESH_MEAN_C； cv2.ADAPTIVE_THRESH_GAUSSIAN_C.
type：二值化操作的类型，与固定阈值函数相同，包含以下5种类型： cv2.THRESH_BINARY； cv2.THRESH_BINARY_INV； cv2.THRESH_TRUNC； cv2.THRESH_TOZERO；cv2.THRESH_TOZERO_INV.
Block Size：图片中分块的大小
C ：阈值计算方法中的常数项

颜色填充

边缘轮廓已经描绘好了，再添加颜料后就完整了。这里就比较简单了，只需要将原图片的颜色细致度降低些就行了。

代码如下：

for _ in range(2)# 降低分辨率img_copy = cv2.pyrDown(img_copy)
for _ in range(5):# 图像平滑，保留边缘img_copy = cv2.bilateralFilter(img_copy, d=9, sigmaColor=9, sigmaSpace=7)
img_copy = cv2.resize(img_copy, (img.shape[1], img.shape[0]),interpolation=cv2.INTER_CUBIC)

颜色要比较平滑，不能像现实生活中这么细致，先采用图像金字塔将分辨率降低，并采用双边滤波去除噪声，可以平滑平面区域，同时保持边缘清晰。分辨率降低后图像会变小，因此最后要将图像放大为原来的大小，虽然图像金字塔有专门的方法可以将图像放大，但是尺寸可能会有一两点变化，合并过程中要两个图像完全一样大，所以这里直接按尺寸放大。

看一下效果：

将两个重要的方法介绍一下：

分辨率降低：cv2.pyrDown(src, dst=None, dstsize=None, borderType=None)
一般只需要输入图像就行了，它会直接将图像长宽减半

双边滤波：cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace[, dst[, borderType]])

src：输入图像
d：过滤时周围每个像素领域的直径
sigmaColor：在color space中过滤sigma。参数越大，临近像素将会在越远的地方mix。
sigmaSpace：在coordinate space中过滤sigma。参数越大，那些颜色足够相近的的颜色的影响越大。

合并

img_cartoon = cv2.bitwise_and(img_copy, img_edge)
cv2.imshow("cartoon", img_cartoon)
cv2.waitKey(0)
cv2.destroyAllWindows()

cv2.bitwise_and() 是对二进制数据进行“与”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“与”操作：1&1=1，1&0=0，0&1=0，0&0=0

最后结果：