简易的素描图片转换流程与实现

前言

之前经常在网上看到用PS实现真实图片到素描图片的转换，但是流程都大同小异，身为一只程序猿，必须来个一键转化额。

国际惯例，参考博客：

Photoshop基础教程：混合模式原理篇

颜色减淡的原理讲解以及应用

ps是如何通过最小值获得描边效果的？

图纸转线稿背后的计算机绘图原理

步骤与实现

网上的流程大都分为四个步骤：

去色：直接把彩图转成灰度图或者转成HSV/HSL后将饱和度S的值置零
反向：将去色后的图像颜色去反，直接用255减
滤镜：高斯模糊或者PS里面的最小值滤镜
颜色减淡：PS里面叫color dodge

那么python实现也很方便：

第一步：读图片，转灰度图

img = cv2.imread('./images/zly1.jpg')
# 去掉饱和度
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

第二步:反向，图像就变成了底片色

# 反相
img_inv = 255.0 - img_gray

第三步：高斯模糊或者最小值滤镜

# 高斯模糊
# img_filt = cv2.GaussianBlur(img_inv, ksize=(3, 3),sigmaX=0, sigmaY=0)
# 最小值滤镜
img_filt = np.zeros_like(img_inv,dtype=np.uint8)
radius = 3;
for i in range(radius,img_inv.shape[0]-radius):for j in range(radius,img_inv.shape[1]-radius):img_filt[i,j] = np.min(img_inv[i-radius:i+radius,j-radius:j+radius])

关于高斯模糊或者最小值滤镜的原理，可以看上面的参考博客，实测发现最小值滤镜效果或更好。

第四步：颜色减淡

# color dodge
A = img_gray.astype('float32')
B = img_filt.astype('float32')
img_dodge = A+(A*B)/(255.0-B)

原理在第一篇参考博客，其实就是一个公式，用于混合两组图像。

可视化

plt.figure(figsize=(8,8))
plt.subplot(121)
plt.imshow(img/255.0)
plt.axis('off')
plt.subplot(122)
plt.imshow(img_dodge/255.0,cmap='gray')
plt.axis('off')