看到這個标題你可能覺得，我這次終于開始标題黨了。然而衆所周知，我是标圖黨~，一般不會做标題黨這種事情，既然說了分分鐘實現，那就說明——代碼在十行左右。

代碼雖少，但是效果确實一點都不含糊（即使含糊了....我也給出了調參的空間~)。

按照慣例，先看兩張效果圖：

還有一張在最上方。

我感覺我肯定是膨脹了，示例圖片都敢不全放美女圖片了。不全用美女示例圖片的另一個原因是，之前做的AI小素隻能做臉部的素描，其他部分的素描做的一塌糊塗（訓練集隻有臉部圖片），這次換個天壇這種建築圖片，也能說明這個CV小素的能力要超過AI小素，能對不僅限于人臉人物的任意類型的圖片做素描化。說任意類型可能有點誇大，不上線之前确實測試了不少類型的圖片，效果都還可以。更多類型的圖片效果，期待大家來測試，歡迎拍磚~

做這個圖像轉素描的初衷是因為之前訓練了一個肖像轉素描的AI模型，還非常中二地命名為【AI小素】，不少小夥伴應該已經在網站上體驗過AI小素的素描化效果了。但是AI小素限制太強，隻能素描化人臉圖片，其他圖片則無能為力。因此，我就看了下怎麼做任意圖片的素描化。

大家一般用PS做圖像轉素描，谷歌搜索結果排第一的教程流程大概是這樣的：

這個教程一共有十六個步驟，但是其實上圖展示的這些已經足以說明圖像轉素描的主要流程了。

圖像轉素描流程如下：

1. 圖像去色（上圖教程中通過調小飽和度）
2. 圖像取反
3. 取反後的圖像進行高斯濾波
4. 去色後的圖像和取反濾波後的圖像以混合模式為顔色減淡進行融合

看到這裡，了解PS的小夥伴們可能已經知道怎麼用PS做素描圖了。

下面我們看看如何用Python實現，仍然用我們最熟悉的OpenCV。

首先最基礎的，準備一張小姐姐的圖片，并讀取出來備用：

importcv2 img_path="/小/姐/姐/美/圖.jpg" img=cv2.imread(img_path)

說到去色，你可能立刻就想到了灰度化，是的，那就用灰度化吧。代碼簡單到無需注釋和解釋，還是直接上碼上效果圖吧：

gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

圖像取反，乍一聽好像很陌生，看完下面這一行更簡單的代碼你就明白了：

inv=255-gray

過于簡單了？看效果吧。

狀若女鬼，好像要向着恐怖片的方面發展......實際上隻是圖片中黑白易色，上圖中的衣服體現的最為直觀。

最基礎的濾波，不多說。

blur=cv2.GaussianBlur(inv,ksize=(ksize,ksize),sigmaX=sigma,sigmaY=sigma)

ksize和sigma兩個參數可根據實際情況調節，我這裡調參的覺得ksize=15, sigma=50效果還可以。你也可以調節下這兩個參數，看看不同參數對最終素描化效果的影響。

狀若加了高斯濾鏡的女鬼......

實際的混合模式的顔色減淡實現起來比較麻煩，而且速度較慢。有人說下面這一行代碼就可以實現顔色減淡的效果，我是極為佩服的：

res=cv2.divide(gray,255-blur,scale=255)

梳理一下上面的流程，相當于是，對于灰度圖像中的每一個像素值x，用255 - x取反之後得到inv_x，再對此點進行高斯濾波得到blur_inv_x，然後用執行一下運算進行混合：

x/(255-blur_inv_x)*255

從上圖可以看到，已經得到了效果不錯的素描化圖片了。對于有的圖片可能素描化之後顯得顔色有點淡，沒關系，加個伽馬變換調節一下就行了。

上面是根據PS的流程轉化的Python實現流程，感覺實際上起作用的就是這個公式x / (255 - blur_inv_x) * 255。

上面的流程是：

灰度圖->取反->高斯濾波->再取反(除法裡面)->除法運算(divide)。

我們看到，裡面有兩次取反操作，中間隻是多了一個高斯濾波而已。衆所周知，負負得正，取反兩次相當于沒有取反（我真是邏輯鬼才！）

那麼問題來了，不取反行不行？行不行？試一下就知道了！

實驗流程是下面這樣的：

灰度圖->高斯濾波->除法運算(divide)。

公式是：x / blur_x * 255。

最終的結果是下面這樣的：

與取反的差别在哪裡呢？仔細看的話，取反的背景會更清晰一些，前景倒沒有太大差别。

上面已經介紹了素描化的完整實現，接下來就要開始各種玩了。我實現了幾種基本的玩法，你看看有多基本：

• 支持動态圖
• 素全圖
• 素左邊
• 素右邊
• 素上邊
• 素下邊

參數可調，效果不好的話，可能需要你親自動手調節一下：

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!