iOS-OpenCV之蔡徐坤教你玩转边框画

  • 时间:
  • 浏览:68

  期刊地址

  前言

  这一系列的文章已经写了第二篇了,所以这个系列将会转变为连载文章,每当我有什么新的发现,都会更新。

  本文demo地址: github.com/chouheiwa/O…

  正文

  现在关于OpenCV的很多有趣的例子,都是python的。

  这篇文章的整体思路来源于 知乎 的 Maker毕 的文章: 蔡徐坤教你用OpenCV实现素描效果

  上一篇文章中我们已经讲述过了,图像的存储,以及一些相关的信息。这篇文章就不会重复了,如果不是很清楚的读者可以看看第一篇文章。

  这篇文章说是素描,其实与广义素描差距很大,准确的说应该是叫边框画。

  先上一下效果图吧。

  看起来是不是挺有意思的

  步骤及原理

  这里我们还是要先讲述一下步骤,这里先展示下原图

  

  1. 将给定图片转灰度图

  转成灰度图片的过程是为了消除其他影响因子(这一步也是很多图片处理|文字识别等相关领域的第一步)。

  将图片从原来的三维层面,降到一维。

  处理完毕后,我们能看到原来的蔡老师变灰了。

  

  2. 对灰度图片进行高斯模糊

  首先,先来讲一下如何进行简单的 模糊 处理

  在上一篇文章中我们已经讲过了,图片其实就是一个二维数组。

  所以图片上的每一个像素,都有一个像素数值。

  我们可以以当前像素点为中心,取一个n * n的矩阵。

  

  这里假定我们选了一个中心灰度值为190的像素点,它的周边像素的像素灰度值为100(255为纯白色)的3*3的像素矩阵

  模糊处理的简单形式就是做平均,也就是将中间点的像素点和周围8个像素点的灰度值取平均值。也就是(100 * 8 + 190) / 9=110

  

  简单的模糊处理就是这么做的,不过高斯模糊是通过高斯函数去进行相应的计算,这里我找到了一篇相当好的文章: 高斯模糊

  有一个模糊的蔡老师出现了

  

  3. 对图像进行自适应二值化处理

  这一步其实要讲的就是二值化,其实他的概念很简单。我们将灰度图上的某一个像素点的灰度值与给定的一个值进行比较,小于这个给定值的我们将其灰度值设置为0(黑色),大于的设置为255(白色)。我们给定的比较值被称之为阈值

  

  当然,这种二值化太过固化、死板。因为真实的照片有可能有阴影之类的遮挡,会导致我们的全局二值化,产生很多的误差,如下图右上角所示:

  

  因此我们需要采用自适应二值化的方法,这里我们选择采用自适应高斯二值化(效果如上图右下角)

  复制代码蔡老师的线条出现啦

  

  4. 二值化图片进行再次模糊

  现在蔡老师的衣服都已经变成线条了,基础的描边效果已经达成。但是我们可以看到,图片中比如说地面上,还有一些黑色的我们并不想要的点(我们称这些点为噪点)。以及蔡老师的线条还是有点细,所以我们需要将蔡老师的线条变粗些。

  将上面的图片再次进行高斯模糊。

  

  蔡老师变得模糊了

  5. 对模糊图片再次进行二值化

  这里我们再次进行二值化操作,因为现在图片已经相对干净,且并无阴影等干扰项。我们可以直接使用全局二值化来加深边框了(计算速度快)。

  

  6. 对图片进行噪点去除

  现在需要去除图片中的小的噪点,我们就需要进行一系列的操作了

  关于这些操作,我们在图像处理方面有专门的名词描述:

  腐蚀 与 膨胀

  腐蚀:

  腐蚀通俗的来说,就是将原本的图像根据给定的核(为我们自定义的一种形状,一般为n*n的正方形,n为奇数)缩小。

  

  只有当原本的图像上对应核心周围所有的点都有值时,我们才保留当前核心的值。

  

  膨胀:

  膨胀则正好相反,我们将给定的图片根据给定的核放大。

  

  当我们扫描核的任意一点上有值时,当前核心点将会被赋值

  

  腐蚀和膨胀便是我们这步处理的关键。

  它们之间的组合被我们称之为开运算和闭运算

  开运算

  我们先对图片进行腐蚀运算,然后进行膨胀运算

  最终效果将如上图的左下角结果

  我们和原图进行比较可以发现。

  开运算可以去除毛刺,小桥和孤立的小点(在腐蚀运算中小点会直接消失)。最终总的位置和形状不变(膨胀运算会恢复)

  闭运算

  闭运算这里因为我们不会用到,因此不会过多赘述。

  它和开运算的过程相反,先对原图像进行膨胀运算后进行腐蚀运算。

  我们的目的是处理图片中的一些噪点,因此我们采用开运算来处理。

  图片干净了很多

  

  7. 最后进行一次高斯模糊

  我们最后在进行一次高斯模糊,使我们的图像效果更好。

  

  其他

  视频的转换,这里就不多写了(正在研究过程中...)

  这篇文章的对应demo请点击网址,如果大家觉得还不错,请尽情的用你么的star来砸我。

  结尾

  图像处理非常有趣,同时很高端。

  如果大家有什么问题或疑问,可以关注我的公众号并提问。只要看到了会第一时间回复,也可以直接在github中提issue。

  我的博客网站

  作者:chouheiwa

  链接:https://juejin.im/post/5cebb78451882512c54ca9f1

猜你喜欢