实际上为了有效地创造黑白素描图，你真正需要的是一些模糊和两张图片的混合技术，叫做 dodging and burning .

用OpenCV、Python一张RGB颜色的图像经过下面四个步骤就能够生成出一张素描图：

1. 将RGB图转化为灰度图。
2. 灰度图进行反色操作。
3. 对步骤2中的图片进行高斯模糊 Gaussian blur 。
4. 将步骤1中的灰度图像和步骤三中的模糊反色图像混合，这里就用到亮化(Dodging)和暗化(burning)的技术。

前三步使用Opencv都是直接可以做到的，我也看到其他的有些博客在尝试解决第四步的问题，因为Opencv内部不提供亮化和暗化的技术。但是，我们采取一些技巧的话，我们将会实现这个功能，最终看起来也会非常地简单。

Step 1: 将图像转化为灰度图

This should be really easy to do even for an OpenCV novice. Images can be opened with cv2.imread and can be converted between color spaces with cv2.cvtColor. Alternatively, you can pass an additional argument to cv2.imread that specifies the color mode in which to open the image.

在Opencv中的话，这个功能将会非常简单，图像的打开可以通过 cv2.imread 代码打开， cv2.cvtColor 可以将图片转化为灰度图。你也可以在读取 图片 的时候增加一个额外的参数使得图像直接转化为灰度图：

import cv2
img_rgb = cv2.imread('example.jpg')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
cv2.imshow('original', img_gray)
cv2.waitKey(0)

上面的代码是读取图片后，再通过调用 cv2.cvtColor 函数将图片转换成灰度图，实际上我们可以直接在读取图片时候就直接转换图片，即：

img_gray = cv2.imread('example.jpg', cv2.IMREAD_GRAYSCALE)

这里调用 cv2.imread 函数时，设置了 cv2.IMREAD_GRAYSCALE 的标志，表示加载灰度图。在 imread 函数中是设置了三种标志，分别是

• cv2.IMREAD_COLOR : 默认使用该种标识。加载一张彩色图片，忽视它的透明度。

• cv2.IMREAD_GRAYSCALE : 加载一张灰度图。

• cv2.IMREAD_UNCHANGED : 加载图像，包括它的Alpha 通道(Alpha 表示图片的透明度)。

另外，如果觉得以上标志太长，可以简单使用 1，0，-1 代替，效果是相同的。

Step 2: 灰度反色操作

灰度图反色图像可以通过将灰度图每个像素点取反得到，由于灰度图的像素点的在0-255之间，将其取反的话就是255-当前像素点。

img_gray_inv = 255 - img_gray

其实就是暗的地方变亮了，亮的地方变暗了。

Step 3: 高斯模糊

Gaussian blur 能够很有效地减少图像中的噪声，能够将图像变得更加平滑一点，在数学上等价于用高斯核来对图像进行卷积操作。我们可以通过 cv2.GaussianBlur 来实现高斯模糊操作，参数ksize表示高斯核的大小。sigmaX和sigmaY分别表示高斯核在 X 和 Y 方向上的标准差。

Step 4: 灰度图与高斯模糊底片的融合

这一步骤自然就是需要得到最终的素描图结果了。在传统照相技术中，当需要对图片某个区域变得更亮或者变暗，可以通过控制它的曝光时间，这里就用到亮化(Dodging)和暗化(burning)的技术。

在现代图像编辑工具，比如 PS 可以实现上述说的两种技术。比如对于颜色亮化技术，给定一张图片 A 和 蒙版 B，那么实现做法如下所示：

(B[idx] == 255)?B[idx]:min(255, ((A[idx] << 8) / (255-B[idx])))

This is essentially dividing the grayscale (or channel) value of an image pixel A[idx] by the inverse of the mask pixel value B[idx], while making sure that the resulting pixel value will be in the range [0,255] and that we do not divide by zero. We could translate this into a naïve Python function that accepts two OpenCV matrices (an image and a mask) and returns the blended mage:

import cv2
import numpy as np
def dodgeNaive(image, mask):
    # determine the shape of the input image
    width, height = image.shape[:2]
    # prepare output argument with same size as image
    blend = np.zeros((width, height), np.uint8)
    for col in range(width):
        for row in range(height):
            # do for every pixel
            if mask[col, row] == 255:
                # avoid division by zero
                blend[col, row] = 255
            else:
                # shift image pixel value by 8 bits
                # divide by the inverse of the mask
                tmp = (image[col, row] << 8) / (255 - mask)
                # make sure resulting value stays within bounds
                if tmp > 255:
                    tmp = 255
                    blend[col, row] = tmp
    return blend

上述代码虽然实现了这个功能，但是很明显会非常耗时（我拿自己破电脑试了一下确实蛮久的，不建议跑），中间采用了一个两层循环，计算复杂度是 O(w*h) ，也就是如果图片的宽和高的乘积越大，耗时就越长，所以就有了升级版的代码版本：

def dodgeV2(image, mask):
    return cv2.divide(image, 255 - mask, scale=256)

另一种技术---暗化操作的代码如下所示：

def burnV2(image, mask):
    return 255 - cv2.divide(255 - image, 255 - mask, scale=256)

完整版代码如下所示：

import cv2
import numpy as np
def dodgeNaive(image, mask):
    # determine the shape of the input image
    width, height = image.shape[:2]
    # prepare output argument with same size as image
    blend = np.zeros((width, height), np.uint8)
    for col in range(width):
        for row in range(height):
            # do for every pixel
            if mask[col, row] == 255:
                # avoid division by zero
                blend[col, row] = 255
            else:
                # shift image pixel value by 8 bits
                # divide by the inverse of the mask
                tmp = (image[col, row] << 8) / (255 - mask)
                # print('tmp={}'.format(tmp.shape))
                # make sure resulting value stays within bounds
                if tmp.any() > 255:
                    tmp = 255
                    blend[col, row] = tmp
    return blend
def dodgeV2(image, mask):
    return cv2.divide(image, 255 - mask, scale=256)
def burnV2(image, mask):
    return 255 - cv2.divide(255 - image, 255 - mask, scale=256)
def rgb_to_sketch(src_image_name, dst_image_name):
    img_rgb = cv2.imread(src_image_name)
    img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
    # 读取图片时直接转换操作
    # img_gray = cv2.imread('example.jpg', cv2.IMREAD_GRAYSCALE)
    img_gray_inv = 255 - img_gray
    img_blur = cv2.GaussianBlur(img_gray_inv, ksize=(21, 21),
                                sigmaX=0, sigmaY=0)
    img_blend = dodgeV2(img_gray, img_blur)
    cv2.imshow('original', img_rgb)
    cv2.imshow('gray', img_gray)
    cv2.imshow('gray_inv', img_gray_inv)
    cv2.imshow('gray_blur', img_blur)
    cv2.imshow("pencil sketch", img_blend)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    cv2.imwrite(dst_image_name, img_blend)
if __name__ == '__main__':
    src_image_name = 'example.jpg'
    dst_image_name = 'sketch_example.jpg'
    rgb_to_sketch(src_image_name, dst_image_name)

上面是我盗的图，嘻嘻，那个企鹅转化出来的效果实在太差了。

原文链接： http://www.askaswiss.com/2016/01/how-to-create-pencil-sketch-opencv-python.html

https://mp.weixin.qq.com/s/PGtRTU7-ajea3YI73ATyuA

我的 微信公众号名称 ：深度学习与先进智能决策
微信公众号ID ：MultiAgent1024
公众号介绍 ：主要研究强化学习、计算机视觉、深度学习、机器学习等相关内容，分享学习过程中的学习笔记和心得！期待您的关注，欢迎一起学习交流进步！

在上面的 代码 中，'Result’是窗口的名称，img是要显示的 图 像。cv2.waitKey(0)函数会等待用户按下任意键后关闭窗口。cv2.destroyAllWindows()函数会关闭所有打开的窗口。你需要 使用 cv2.imshow()函数来显示结果。 ------------------可选：用于创建模型文件------------------------- ------------ 如果您不想创建自己的模型，而只想 使用 我创建的经过训练的模型，请跳过此步骤。 从此处下载Matlab 代码 ：首先，我将经过训练的模型[regModel.mat]转换为许 from PIL import Image,ImageFilter # 从PIL文件夹导入py文件 image=Image.open('files/夜神.jpg') # 打开 图片 # image.show() image1=image.filter(ImageFilter.EMBOSS) # 浮雕效果 # image1.show() image1.save('files/夜神浮雕.jpg') image2=image.filter(ImageFilter. 文章目录前言程序Method 1Method 2完整 代码 结果 正常 图片 转化 成 素描 图片 无非对 图片 像素的处理，矩阵变化而已。目前很多拍照修 图 App都有这一功能，核心 代码 不超30行。如下利用 Python 实现读取一张 图片 并将其 转化 成 素描 图片 。至于批处理也简单，循环读取文件夹里的 图片 处理即可。具体 代码 可以去我的 GitHub 下载。 Method 1 def plot_sketch(origin_picture, out_picture) : a = np.asarray(Image.open 使用 OpenCV 从彩色 图 像创建铅笔 素描 图 像这个项目是我为 LetsGrowMore 的数据科学实习生创建的任务。LetsGrowMore ：https://letsgrowmore.in/vip/目录什么是 OpenCV ？第 1 步：读取 图 像第 2 步：将 图 像转换为灰度第 3 步：将灰度 图 像转换为反转灰度第 4 步：模糊负片 图 像第 5 步：反转模糊 图 像第 6 步：将灰度与倒置模糊 图 像混合第 7... 这里写自定义目录标题基于 Opencv 的 图 像卡通化铅笔 素描 效果国画效果抽象效果 基于 Opencv 的 图 像卡通化 主要工具是高斯滤波器、细节增强滤波器、双边滤波、拉普拉斯滤波器。 铅笔 素描 效果 将输入 图 像灰度化后及逆行高斯滤波，其中由于高斯滤波服从正态分布，核数越大、越模糊。最后一步是将原始灰度 图 像除以模糊后的灰度 图 像。这样可以得出两个 图 像中每个像素之间的变化率。模糊效果越强，每个像素的值相对于其原点的变化就越大，因此，它使我们的铅笔 素描 更加清晰。其中第一幅 图 核数为25，第二幅 图 核数为75。（领会除法运用在此处的 那么问题来了，你可以 使用 一只铅笔和一张画纸来完成一张 素描 照，但这花费的时间也不在少数，而且你还得具备画画的潜力。还有一种选择，那就是用一张 图片 ， 使用 PS将此 图片 转换成 素描 ，这也很简单（【 图 像】——>【调整】——>【去色】和【反相】以及【滤镜】——>【其他】——>【最小值... 最近写公式号需要把公式转成 图片 ，有网站能实现转换功能，但是一个一个复制过去然后保存 图片 太复杂。能不能实现自动转换并保存 图片 呢？ 这篇文章可以告诉你一个小白如何通过模仿完成一个小功能，并且遇到错误如何调试，如果你只想获得这个小程序，直接看最后就行，如果你想了解背后的思考过程那我们一步一步开始。我的思路是这样的，已知现成的网站http://quicklatex.com/可以实现公式转 图片 的... 论文作者提出了一种新的Tone Mapping的算法，它通过对dodging-and-burning打印技术的观察和分析，对于不同的区域采用不同的缩放系数，提出了自适应dodging-and-burning的方法，能够将高动态 图 转换成低动态 图 时防止高亮部分过曝，并且能达到在亮部和暗部都能保持细节的目的。