使用OpenCV实现素描肖像_人脸素描opencv

素描风格

算法步骤

素描风格实现步骤：

1. 转换为灰度图像：这一步是为了消除图片中的色彩信息，将其简化为黑白两色。通过去色处理，我们能够得到一个只包含亮度信息的灰度图像，这是素描风格的基础。
2. 复制并反色：接下来，我们复制这个灰度图像图层，并对其应用反色操作。反色处理意味着将每个像素的亮度值取反，即原本亮的区域变暗，原本暗的区域变亮。这一步是为了在后续处理中强调图像的轮廓和细节。
3. 高斯模糊处理：然后，对反色后的图像进行高斯模糊。高斯模糊是一种平滑图像的技术，通过它，我们可以减少图像中的细节和噪声，使轮廓更加柔和，模拟素描中的柔和阴影效果。
4. 应用颜色减淡效果：最后，我们将原始灰度图像与模糊后的图像进行叠加，采用颜色减淡的混合模式。颜色减淡是一种图像处理技术，它通过增加图像的亮度来强调细节。具体地，对于每个像素点，我们按照公式

C=MIN(A+（A×B）/（255-B）,255)

来计算混合结果。这里，A 是原始灰度图像的像素值，B 是模糊后图像的像素值。通过这个公式，我们可以根据原始图像和模糊图像的亮度值来计算新的像素值，从而得到具有素描风格的图像。

效果

源码

import cv2
import numpy as np


def sketch_style(img):
    gray0 = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转换为灰度图像
    height, width = gray0.shape  # 获取图像的高度和宽度

    # 创建一个与原图大小相同的全黑图像
    img2 = np.zeros((height, width), dtype=np.uint8)

    # 修正语法错误，添加图像叠加
    gray1 = cv2.addWeighted(gray0, -1, img2, 0, 255, dtype=cv2.CV_8U)

    # 高斯滤波
    gray1 = cv2.GaussianBlur(gray1, (11, 11), 0)

    # 再次叠加图像
    dst = cv2.addWeighted(gray0, 0.9, gray1, 0.6, 0)

    return dst  # 返回处理后的图像


def main():
    img_path = 'liu.jpg'
    img = cv2.imread(img_path)

    # 检查图片是否正确加载
    if img is None:
        print(f"Error: Unable to load image at {img_path}")
        return

    sketch_img = sketch_style(img)  # 调用素描风格函数

    # 显示原图和处理后的素描图
    cv2.imshow("Original Image", img)
    cv2.imshow("Sketch Style Image", sketch_img)

    # 等待任意按键，并添加小延迟以确保窗口更新
    cv2.waitKey(1)

    # 等待用户按键后关闭所有窗口
    cv2.waitKey(0)
    cv2.destroyAllWindows()


if __name__ == '__main__':
    main()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48