C++ OpenCV三种图像卡通化方法对比

本文主要是介绍C++ OpenCV三种图像卡通化方法对比，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

学更好的别人，

做更好的自己。

——《微卡智享》

本文长度为2839字，预计阅读7分钟

前言

最近想学习一下深度学习框架，由于是小白，所以先搜集了一下由哪个入门，最终选择了Pytorch，以前一直不想碰还有一个原因是笔记本资源有限，加上个人的业余时间有限，就不太想碰Python的东西，然而现实就是这么无情的打脸，现在还是装上这些东西了，当然因为装Anaconda、Cuda、Cudnn这些，也是狠了狠心把Unity3D给卸载了。或许等Pytorch入门后，也会写一些相关的文章吧。叨唠完后，开始今天的正篇。

实现效果

上在四张图，最左边的是原图，第二张是通过边缘检测加双边滤波生成的，第三张是OpenCV自带函数（风格化滤波器）stylization生成，最后一张也是OpenCV自带函数（素描滤波器）pencilSketch生成。

从效果上来看，我倒是觉得使用stylization风格化的效果最好，但是相应的，生成的时间也最长。在Relase模式下，用时也是316毫秒。切换到Debug的模式下则直接用了3秒多，还是应验了那句话，Relase模式比Debug模式下快10倍。

三种卡通化方式

微卡智享

采用双边滤波

#	思路
1	转为灰度图
2	使用中值滤波降噪
3	Canny边缘提取或Laplacian算子边缘提取
4	二值化图像
5	采用双边滤波处理图像

核心代码

void EdgesToCartoon(Mat frame)
{double t1 = (double)getTickCount();Mat gray;//1.灰度图cvtColor(frame, gray, COLOR_BGR2GRAY);//2.中值滤波降噪medianBlur(gray, gray, 5);//2.Canny提取边缘，原来也用Laplacian算子试过，不过本张图的效果还是Canny好//Laplacian(gray, gray, CV_8U, 3);Canny(gray, gray, 120, 240);//3.二值化提取后的边缘图像Mat mask(frame.size(), CV_8U);threshold(gray, mask, 120, 255, THRESH_BINARY_INV);//4.对原始图像双边滤波//4.1缩小原始图像，用于加快处理速度Size tmpdst(frame.cols / 2, frame.rows / 2);Mat srctmp = Mat(tmpdst, frame.type());resize(frame, srctmp, tmpdst, 0, 0, INTER_LINEAR);Mat tmp = Mat(tmpdst, CV_8UC3);//4.2使用双边滤波处理图像，设置了迭代次数为2//像素邻域的直径范围int dsize = 5;double sColor = 30;double sSpace = 10;//迭代次数int iterator = 2;for (int i = 0; i < iterator; i++) {bilateralFilter(srctmp, tmp, dsize, sColor, sSpace);bilateralFilter(tmp, srctmp, dsize, sColor, sSpace);}//4.3将处理完的图像缩放至原图大小再进行掩膜叠加Mat srcbak;resize(srctmp, srcbak, frame.size(), 0, 0, INTER_LINEAR);//掩膜叠加Mat dst = Mat(frame.size(), frame.type(), Scalar::all(0)); //初始化srcbak.copyTo(dst, mask);//显示图像CvUtils::SetShowWindow(dst, "dst", 330, 50);imshow("dst", dst);t1 = (double)getTickCount() - t1;cout << "EdgesToCartoon用时:" << t1 * 1000.0 / cv::getTickFrequency() << " ms \n";}

‍

边缘检测用什么方式？

Canny检测的边缘连续性更好，轮廓也更清晰。Laplacian方法噪声抑制效果要更好。所以选择Laplacian的还是比较多，不过我这张照使用的效果感觉Canny更合适。

stylization风格化

void stylization(InputArray src, OutputArray dst, float sigma_s = 60, float sigma_r = 0.45f);

参数：

src：源图像

dst：生成的目标图像

sigma_s：参数范围为0-200

sigma_r：参数范围为0-1。

最终图像生成的样式可以根据后两个参数的调整自己试一下。

实现代码

void StylizationToCartoon(Mat frame)
{double t1 = (double)getTickCount();Mat dststyle;stylization(frame, dststyle, 100, 0.4);//显示图像CvUtils::SetShowWindow(dststyle, "dststyle", 630, 50);imshow("dststyle", dststyle);t1 = (double)getTickCount() - t1;cout << "StylizationToCartoon用时:" << t1 * 1000.0 / cv::getTickFrequency() << " ms \n";}

素描滤波器

void pencilSketch(InputArray src, OutputArray dst1, OutputArray dst2, float sigma_s = 60, float sigma_r = 0.07f, float shade_factor = 0.02f);

参数：

src:源图像

dst1:生成的单通道图像，即黑白素描图

dst2:生成的和源图像相同的彩色素描图

sigma_s:参数范围为0-200

sigma_r:参数范围为0-1

shade_factor:参数范围为0-0.1

实现代码

void PencilSketchToCartoon(Mat frame)
{double t1 = (double)getTickCount();Mat dstpencil1, dstpencil2;pencilSketch(frame, dstpencil1, dstpencil2, 60, 0.2, 0.025);//显示图像CvUtils::SetShowWindow(dstpencil2, "dstpencil", 930, 50);imshow("dstpencil", dstpencil2);t1 = (double)getTickCount() - t1;cout << "PencilSketchToCartoon用时:" << t1 * 1000.0 / cv::getTickFrequency() << " ms \n";}