Pythonの姉妹スケッチを使用して、少量の入手方法についての話に近い完璧なパフォーマンスの実践としてスケッチデジタル技術の発展に伴い、独自のユニークな魅力を持って、スケッチは、もはや特許のプロ絵画部門で、この記事今日肖像画。記事は2つの部分に分かれています。
-
最初の部分は、アイデアを生成するためのpythonを使用して2枚のスケッチを記述する
-
2番目のセクションでは、バルクスケッチを取得する方法について説明します
まず、アイデアの2枚のスケッチを取得
このセクションで説明する2つのアイデアをOpenCVのに基づいて達成され、深い学習コンテンツを必要としません。基本的な考え方は、画像チャートを読み取ることで、その後、種々の変換を介してスケッチに変換されます。プレゼンテーションを容易にするために、我々は、実験材料として妹の小さな写真に最初に行きます。
1、コミックスタイル
まず第一の方法であり、このアプローチの核となるアイデアは、この技術の「閾値」と呼ばれる技術を使用することであるセグメンテーションの画素レベルに基づいて、グレースケール画像と背景オブジェクトとの間の差であります。
あなたが唯一の黒と白のスケッチを示す写真に入れたい場合は、バイナリ操作する必要があり、OpenCVのは、操作の2つの値化方法を提供します：しきい値（）とadaptiveThreshold（）。比較閾値（）、輝度分布に応じadaptiveThreshold（）は、ローカルに自動的に領域画像を調整することができ、それは、適応的二値化と呼ばれています。この絵の下には二値化処理した後に効果のカラー写真です。
コンセプトは、上記より曖昧であってもよいし、それが問題で、ここで私たちはどのように実際の操作についてお話しますしません理解していませんでした。
最初のステップは、読み取りおよびグレースケール画像に変換されます。このステップは、私が使用OpenCVの学生が同様のコードを書かれていると信じて、ルーチン操作と考えられています。
img_rgb = cv2.imread(src_image)
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2GRAY)
画像二値化処理する第2の工程と、adaptiveThreshold（）メソッドは、関数パラメータは、多くの場合、適応的二値化閾値アルゴリズム等を設定するために使用されます。
img_edge = cv2.adaptiveThreshold(img_gray, 255,
cv2.ADAPTIVE_THRESH_MEAN_C,
cv2.THRESH_BINARY, blockSize=3, C=2)
第3のステップは、変換された画像を保存することです
cv2.imwrite(dst_image, img_edge)
上記の手順の操作の後、我々は新しい黒と白の写真を持って、変換後の写真の品質を見てみましょう。
おそらく、輪郭は問題ありませんが、その効果は理想からかけ離れているが、変換後の画像からは、スケッチを呼び出すことができません。adaptiveThreshold（）操作は小さな画像のそれぞれの局所領域において二値化され、したがって、いくつかの高解像度のために、色分けされた画像より繊細、上記高密度ような場合が存在することになるので、これは主にあります。
这个问题解决起来其实也很简单，只要在进行二值化之前加入下面这行代码对原图进行模糊化就可以了。
img_gray = cv2.medianBlur(img_gray, 5)
再来看看这次生成的素描图（下图），是不是看起来舒服多了，还有一种手绘漫画的感觉。
2、写实风格
通过上面这种方法，虽然最终也获得了一幅还算不错的素描图，但是看起来多少有些“失真”，为了获取看起来更加真实的素描图，我们尝试另外一种方法。
这种方法的核心思想是通过“底片融合”的方式获取原图中一些比较重要的线条，具体实现步骤如下：
第一步，跟上面的方法一样，使用opencv读取图片并生成灰度图。
第二步，对灰度图进行模糊化操作。经过试验，使用上面提到的中值滤波函数cv2.medianBlur()进行模糊化操作最终得到的素描图效果并不好，这里我们尝试使用高斯滤波进行图片模糊化，代码如下：
img_blur = cv2.GaussianBlur(img_gray, ksize=(21, 21),
sigmaX=0, sigmaY=0)
其中，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。
第三步，使用cv2.divide()方法对原图和模糊图像进行融合，cv2.divide()本质上进行的是两幅图像素级别的除法操作，其得到的结果可以简单理解为两幅图之间有明显差异的部分。来看代码：
cv2.divide(img_gray, img_blur, scale=255)
第四步，保存生成的图片，代码跟上一个方法中一样，我们直接来看获取到的素描图效果。
从结果来看，这种方法获得的素描图线条更加细腻，素描效果也更好。
二、批量获取小姐姐素描画像
在这一部分，我们要实现批量获取小姐姐素描画像的功能，基于上文中两种素描图效果比对，这里采用第二种方法来实现图片到素描图的转换。
那么，接下来要解决的就是图片源的问题了。最近很多项目都成功实现了从抖音或者知乎获取漂亮小姐姐这一操作，其实除了这些平台之外还有好多网站能获取到漂亮小姐姐的图片。
网站的具体内容我就不在文中展示了，为了指定图片爬取的思路，大概讲下页面结构：网站的主页罗列了N个主题，每个主题页面中都包含了M张小姐姐的图片，结构示意图如下：
各页面url的构建也很明了，例如下图中的页面url是http://www.waxjj.cn/2794.html，其中2794就是主题页的ID号。查看页面的html代码（下图），发现每张图片都在一个<li>标签下面。
遇到这种情况，一般来说我们可以通过某种解析器来获取每张图片的url。但是，经过仔细观察发现整个网页的html代码中只有涉及图片url的部分带有完整的http连接，因此可以考虑使用正则表达式来提取图片url，实现这部分功能的代码如下。
在上面这段代码中，我们提取主题页的ID作为待保存图片名称的一部分，save_jpg()函数中会把每张图片转换为素描图并保存到本地。
由于我们要使用opencv对抓取到的图片进行各种运算转换，因此使用requests获取的图片必须先保存到本地，再用opencv重新读入后才行。基于上述思想，我们构建了如下所示的save_jpg()函数，其中rgb_to_sketch()函数是对上文第一部分中所说的第二种素描图的获取方法进行的封装。
而在主函数中，我们只需要指定想要获取主题页面的id号，构建一组url列表就可以了：
def main():
idlist = ['id1', 'id2'] urllist = ['http://www.waxjj.cn/'+x+'.html' for x in idlist] jpgurls = get_jpg_urls(urllist) 以上就是完整代码，在学习Python的过程中，往往因为没有资料或者没人指导从而导致自己不想学下去了，因此我特意准备了个群 592539176 ，群里有大量的PDF书籍、教程都给大家免费使用！不管是学习到哪个阶段的小伙伴都可以获取到自己相对应的资料！来看看运行后的效果吧~~
其实程序员要想防止脱发，我觉得还是要多锻炼身体，少熬夜，当然多看看养眼的小姐姐也不是不错的！
你说呢