在Python中使用OpenCV绘画和素描

代码医生工作室

发布于 2020-07-24 10:34:14

1.9K0

发布于 2020-07-24 10:34:14

文章被收录于专栏：相约机器人相约机器人相约机器人

来源 | Medium

编辑 | 代码医生团队

OpenCV是功能强大的计算机视觉库，具有强大的图像处理工具包。在本文中将利用它来创建绘图和绘画，其中大多数将使用内置功能！简短介绍一下，直接进入令人兴奋的部分。

要求
油画效果
水彩效果
黑色和白色和彩色的铅笔素描
点画艺术

要求

油画效果需要使用OpenCV Contrib模块，而其他模块可以使用OpenCV的标准发行版执行。除此之外，点画艺术还需要Sklearn和Scipy。

pip install opencv-contrib-python==4.3.0.36

pip install scikit-learn

pip install scipy

油画效果

它包括在内cv2.xphoto()，还具有其他一些很酷的功能，例如图像修复，白平衡，图像去噪等。

import cv2

img = cv2.imread('img.jpg')

res = cv2.xphoto.oilPainting(img, 7, 1)

原始图片

油画效果

水彩效果

像油画效果一样，水彩效果也可以用单行代码完成，但不包括导入和图像读取。

cv2.stylization()。

import cv2

img = cv2.imread('img.jpg')

res = cv2.stylization(img, sigma_s=60, sigma_r=0.6)

# sigma_s controls the size of the neighborhood. Range 1 - 200

# sigma_r controls the how dissimilar colors within the neighborhood will be averaged. A larger sigma_r results in large regions of constant color. Range 0 - 1

水彩效果

黑白和彩色铅笔素描

同样，只需一行代码，我们就可以得到灰度和彩色的出色草图。

import cv2

img = cv2.imread('img.jpg')

dst_gray, dst_color = cv2.pencilSketch(img, sigma_s=60, sigma_r=0.07, shade_factor=0.05)

# sigma_s and sigma_r are the same as in stylization.

# shade_factor is a simple scaling of the output image intensity. The higher the value, the brighter is the result. Range 0 - 0.1

黑白素描

彩色的素描

点画艺术

根据维基百科，点画艺术可以定义为：

点画法是一种绘画技术，在该技术中，将小而独特的颜色点应用到图案中以形成图像

要在Python中执行此操作，第一步是计算使用Kmeans的最常用颜色。使用的调色板为20，这意味着图像中将出现20种最常用的颜色来构成点。根据图像尺寸为点计算合适的半径尺寸。然后，遍历图像并找到最接近点的颜色，并以此绘制圆圈。

import scipy.spatial

import numpy as np

import random

import cv2

import math

from sklearn.cluster import KMeans

def compute_color_probabilities(pixels, palette):

    distances = scipy.spatial.distance.cdist(pixels, palette)

    maxima = np.amax(distances, axis=1)

distances = maxima[:, None] - distances

    summ = np.sum(distances, 1)

    distances /= summ[:, None]

    return distances

def get_color_from_prob(probabilities, palette):

    probs = np.argsort(probabilities)

    i = probs[-1]

    return palette[i]

def randomized_grid(h, w, scale):

    assert (scale > 0)

    r = scale//2

    grid = []

    for i in range(0, h, scale):

        for j in range(0, w, scale):

            y = random.randint(-r, r) + i

            x = random.randint(-r, r) + j

    grid.append((y % h, x % w))

    random.shuffle(grid)

    return grid

def get_color_palette(img, n=20):

    clt = KMeans(n_clusters=n)

    clt.fit(img.reshape(-1, 3))

return clt.cluster_centers_

def complement(colors):

    return 255 - colors

def create_pointillism_art(image_path, primary_colors):



    img = cv2.imread(image_path)

    radius_width = int(math.ceil(max(img.shape) / 1000))

    palette = get_color_palette(img, primary_colors)

    complements = complement(palette)

    palette = np.vstack((palette, complements))

    canvas = img.copy()

    grid = randomized_grid(img.shape[0], img.shape[1], scale=3)



    pixel_colors = np.array([img[x[0], x[1]] for x in grid])



    color_probabilities = compute_color_probabilities(pixel_colors, palette)

for i, (y, x) in enumerate(grid):

        color = get_color_from_prob(color_probabilities[i], palette)

        cv2.ellipse(canvas, (x, y), (radius_width, radius_width), 0, 0, 360, color, -1, cv2.LINE_AA)

    return canvas

res = create_pointillism_art('img.jpg', 20)