کارتونی کردن تصویر با OpenCV — راهنمای کاربردی

۴۰۰ بازدید
آخرین به‌روزرسانی: ۱۹ تیر ۱۴۰۲
زمان مطالعه: ۲ دقیقه
کارتونی کردن تصویر با OpenCV — راهنمای کاربردی

«بینایی کامپیوتری» (Computer Vision) ابزاری بسیار قدرتمند و با امکانات زیاد است. در این مطلب، روش کارتونی کردن تصویر با OpenCV در پایتون آموزش داده شده است.

997696

کارتونی کردن تصویر با OpenCV

در ادامه، روش کارتونی کردن تصویر با OpenCV آموزش داده شده و قطعه کدهای مربوط به آن، آمده است. شایان ذکر است که نویسنده مطلب، از این روش برای ساخت کامیکس (Comics) از زندگی دانشجویی یکی از دوستان خود استفاده کرده است.

تصویر اصلی مورد استفاده برای ساخت تصویر کارتونی نمونه برای این مطلب را در زیر مشاهده می‌کنید.

کارتونی کردن تصویر با OpenCV -- راهنمای کاربردی

نسخه کارتونی تصویر بالا را در زیر مشاهده می‌کنید.

کارتونی کردن تصویر با OpenCV -- راهنمای کاربردی

لبه‌ها در تصویر زیر قابل مشاهده هستند(نتایج آستانه تطبیقی).

کارتونی کردن تصویر با OpenCV -- راهنمای کاربردی

کد مربوط به انجام این کار، در ادامه آمده است.

1class Cartoonizer:
2    """Cartoonizer effect
3        A class that applies a cartoon effect to an image.
4        The class uses a bilateral filter and adaptive thresholding to create
5        a cartoon effect.
6    """
7    def __init__(self):
8        pass
9
10    def render(self, img_rgb):
11        img_rgb = cv2.imread(img_rgb)
12        img_rgb = cv2.resize(img_rgb, (1366,768))
13        numDownSamples = 2       # number of downscaling steps
14        numBilateralFilters = 50  # number of bilateral filtering steps
15
16        # -- STEP 1 --
17        # downsample image using Gaussian pyramid
18        img_color = img_rgb
19        for _ in xrange(numDownSamples):
20            img_color = cv2.pyrDown(img_color)
21        #cv2.imshow("downcolor",img_color)
22        #cv2.waitKey(0)
23        # repeatedly apply small bilateral filter instead of applying
24        # one large filter
25        for _ in xrange(numBilateralFilters):
26            img_color = cv2.bilateralFilter(img_color, 9, 9, 7)
27        #cv2.imshow("bilateral filter",img_color)
28        #cv2.waitKey(0)
29        # upsample image to original size
30        for _ in xrange(numDownSamples):
31            img_color = cv2.pyrUp(img_color)
32        #cv2.imshow("upscaling",img_color)
33        #cv2.waitKey(0)
34        # -- STEPS 2 and 3 --
35        # convert to grayscale and apply median blur
36        img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2GRAY)
37        img_blur = cv2.medianBlur(img_gray, 3)
38        #cv2.imshow("grayscale+median blur",img_color)
39        #cv2.waitKey(0)
40        # -- STEP 4 --
41        # detect and enhance edges
42        img_edge = cv2.adaptiveThreshold(img_blur, 255,
43                                         cv2.ADAPTIVE_THRESH_MEAN_C,
44                                         cv2.THRESH_BINARY, 9, 2)
45        #cv2.imshow("edge",img_edge)
46        #cv2.waitKey(0)
47
48        # -- STEP 5 --
49        # convert back to color so that it can be bit-ANDed with color image
50        (x,y,z) = img_color.shape
51        img_edge = cv2.resize(img_edge,(y,x)) 
52        img_edge = cv2.cvtColor(img_edge, cv2.COLOR_GRAY2RGB)
53        cv2.imwrite("edge.png",img_edge)
54        #cv2.imshow("step 5", img_edge)
55        #cv2.waitKey(0)
56        #img_edge = cv2.resize(img_edge,(i for i in img_color.shape[:2]))
57        #print img_edge.shape, img_color.shape
58        return cv2.bitwise_and(img_color, img_edge)
59
60tmp_canvas = Cartoonizer()
61file_name = "Screenshot.png" #File_name will come here
62res = tmp_canvas.render(file_name)
63cv2.imwrite("Cartoon version.jpg", res)
64cv2.imshow("Cartoon version", res)
65cv2.waitKey(0)
66cv2.destroyAllWindows()

توضیحاتی پیرامون کد بالا

در قطعه کد بالا، از مجموعه‌ای از فیلترها و تبدیل‌های تصاویر استفاده شده است که در ادامه بیان شده‌اند.

  • ابتدا، تصویر «ریزمقیاس‌نمایی» (Downscale) می‌شود. سپس، فیلتر دو طرفه برای گرفتن حالت کارتونی استفاده می‌شود. سپس، تصویر مجددا بزرگ مقیاس‌نمایی می‌شود.
  • در گام بعدی، نسخه تار  شده تصویر واقعی دریافت می‌شود. در این مرحله، رنگ‌ها نباید مداخله‌ای در فرایند داشته باشند. فقط مرزها باید تار شوند. بدین منظور، ابتدا تصویر به خاکستری تبدیل و سپس فیلتر رسانه‌ای تار روی آن اعمال می‌شود.
  • در گام بعدی، مرزهای تصویر شناسایی و در نهایت، این مورد به تصاویر از پیش ویرایش شده اضافه می‌شود تا  افکت ماژیک به دست بیاید. به همین منظور، ابتدا از آستانه تطبیقی استفاده شده است. می‌توان آزمایش را با دیگر انواع روش‌های آستانه‌ای نیز انجام داد. بینایی کامپیوتری مبحثی است که آزمایش کردن در آن نقش مهم و اساسی ایفا می‌کند. در گام ۵ (گام‌ها در کد مشخص شده‌اند)، تصویر نهایی مشاهده شده از گام‌های بعدی کامپایل می‌شود.

مخاطبان می‌توانند مراحل نمونه را تغییر داده و یا تعداد «فیلترهای دو طرفه» (Bilateral Filters) اعمال شده را تغییر بدهند. نکته مهمی که در رابطه با این کد باید به آن توجه داشت این است که این کد برای همه انواع تصاویر، بهترین نتیجه ممکن را در بر نخواهد داشت. به همین دلیل، باید آن را با مقادیر مختلف مورد آزمایش قرار داد.

اگر نوشته بالا برای شما مفید بوده است، آموزش‌های زیر نیز به شما پیشنهاد می‌شوند:

^^

بر اساس رای ۱ نفر
آیا این مطلب برای شما مفید بود؟
اگر بازخوردی درباره این مطلب دارید یا پرسشی دارید که بدون پاسخ مانده است، آن را از طریق بخش نظرات مطرح کنید.
منابع:
Geeksforgeeks
نظر شما چیست؟

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *