C++ opencv将图片动漫化介绍

2024-04-02 19:04:59 679人浏览独家记忆

摘要

目录边缘检测贴边缘图到原图双边滤波HSI空间修改饱和度后续：总结最近对图像处理十分感兴趣，也学着用OpenCV 实现各种简单的图像处理，因此，有了下面的实验，就是将照片处理成漫画的风

对照片进行动漫话一般需要四个步骤
1、边缘检测
2、将边缘检测得到的边缘以黑色的形式贴在原来的画上。
3、对贴了边缘的图进行双边滤波，双边滤波可以较好的滤波的同时保留边缘。
4、修改图像的颜色的饱和度，本文采用的是将RGB转化为HSI空间，然后调整S分量。

边缘检测

对于边缘检测，本文采用的是canny算法
此文中将低阈值设定在70，高阈值则为70*3。
执行后的结果为：

这里写图片描述

贴边缘图到原图

将边缘图以黑色贴到原图上，原图上非边缘区域仍然为原来的颜色，动漫就是边缘很明显，且边缘不是很多，不注重细节，因此这里将边缘贴上面当作边缘，后续利用双倍滤波将图中的其他相对小的细节边缘去掉。针对纹理贴图主要用到下面这个函数：

// 将边缘检测后的图 cannyImage 边以黑色的形式贴在原图 image上。
void pasteEdge(Mat &image, Mat &outImg, IplImage cannyImage)
{
    Mat cannyMat;
    //将IplImage转化为Mat
    cannyMat = cvarrToMat(&cannyImage); 
    //颜色反转
    cannyMat = cannyMat < 100;
    image.copyTo(outImg, cannyMat);
}

执行后的效果如下：

这里写图片描述

双边滤波

双边滤波（Bilateral filter）在图像美化，美颜上有广泛的运用，是一种可以保边去噪的滤波器，由两个函数构成。为了节约时间，这里就借用一张图来充当介绍了

这里写图片描述

opencv也对此有函数调用：

void bilateralFilter( InputArray src, OutputArray dst, int d,
                                   double sigMacolor, double sigmaSpace,
                                   int borderType = BORDER_DEFAULT );

前面2个参数为输入图像，输出图像，d为双倍滤波的算子大小，sigmacolor ，sigmaSpace是2个滤波函数的nameda值（这里节约时间不打符号了）
本文相关代码：

    // 双边滤波
    Mat binateMat;
    bilateralFilter(pasteEdgeMat, binateMat, 10, 50, 50, BORDER_DEFAULT);

执行后的结果如下：

这里写图片描述

HSI空间修改饱和度

关于HSI颜色空间这里就不详细介绍了，大家可以百度下，很多文章介绍，后续我也可能总结一下各个颜色空间，并且与rgb转换方法。主要思路：将贴有边缘且双边滤波后的图像转化为 HSI 空间，而将S分量增大到原来的SRadio倍，然后将HSI空间图像转化回Rgb，并显示。

将颜色空间转化HSI，并增加S分量为原来的sRadio倍，主要是使用了下面这个函数：

// 将image 像素转化到 HSI 空间，并调整S 即颜色的饱和度，
void changeSImage(Mat &image, IplImage &outImg, float sRadio)
{
    int rows = image.rows;
    int cols = image.cols;
    // 三个HSI空间数据矩阵
    CvMat* HSI_H = cvCreateMat(rows, cols, CV_32FC1);
    CvMat* HSI_S = cvCreateMat(rows, cols, CV_32FC1);
    CvMat* HSI_I = cvCreateMat(rows, cols, CV_32FC1);

    // 原始图像数据指针, HSI矩阵数据指针
    uchar* data;

    // rgb分量
    int img_r, img_g, img_b;
    int min_rgb;  // rgb分量中的最小值
    // HSI分量
    float fHue, fSaturation, fIntensity;
    int channels = image.channels();
    for (int i = 0; i < rows; i++)
    {
        for (int j = 0; j < cols; j++)
        {
            data = image.ptr<uchar>(i);
            data = data + j*channels;
            img_b = *data;
            data++;
            img_g = *data;
            data++;
            img_r = *data;

            // Intensity分量[0, 1]
            fIntensity = (float)((img_b + img_g + img_r) / 3) / 255;

            // 得到RGB分量中的最小值
            float fTemp = img_r < img_g ? img_r : img_g;
            min_rgb = fTemp < img_b ? fTemp : img_b;
            // Saturation分量[0, 1]
            fSaturation = 1 - (float)(3 * min_rgb) / (img_r + img_g + img_b);

            // 计算theta角
            float numerator = (img_r - img_g + img_r - img_b) / 2;
            float denominator = sqrt(
                pow((img_r - img_g), 2) + (img_r - img_b)*(img_g - img_b));

            // 计算Hue分量
            if (denominator != 0)
            {
                float theta = acos(numerator / denominator) * 180 / 3.14;

                if (img_b <= img_g)
                {
                    fHue = theta;
                }
                else
                {
                    fHue = 360 - theta;
                }
            }
            else
            {
                fHue = 0;
            }

            // 赋值
            cvmSet(HSI_H, i, j, fHue);
            cvmSet(HSI_S, i, j, fSaturation * sRadio);
            cvmSet(HSI_I, i, j, fIntensity);
        }
    }
    outImg = *HSI2RGBImage(HSI_H, HSI_S, HSI_I);    
}

HSI2RGBImage(HSI_H, HSI_S, HSI_I)是将三个分类的Mat 合并并转化为BGR的图，函数如下：

IplImage* HSI2RGBImage(CvMat* HSI_H, CvMat* HSI_S, CvMat* HSI_I)
{
    IplImage * RGB_Image = cvCreateImage(cvGetSize(HSI_H), IPL_DEPTH_8U, 3);

    int iB, iG, iR;
    for (int i = 0; i < RGB_Image->height; i++)
    {
        for (int j = 0; j < RGB_Image->width; j++)
        {
            // 该点的色度H
            double dH = cvmGet(HSI_H, i, j);
            // 该点的色饱和度S
            double dS = cvmGet(HSI_S, i, j);
            // 该点的亮度
            double dI = cvmGet(HSI_I, i, j);

            double dTempB, dTempG, dTempR;
            // RG扇区
            if (dH < 120 && dH >= 0)
            {
                // 将H转为弧度表示
                dH = dH * 3.1415926 / 180;
                dTempB = dI * (1 - dS);
                dTempR = dI * (1 + (dS * cos(dH)) / cos(3.1415926 / 3 - dH));
                dTempG = (3 * dI - (dTempR + dTempB));
            }
            // GB扇区
            else if (dH < 240 && dH >= 120)
            {
                dH -= 120;

                // 将H转为弧度表示
                dH = dH * 3.1415926 / 180;

                dTempR = dI * (1 - dS);
                dTempG = dI * (1 + dS * cos(dH) / cos(3.1415926 / 3 - dH));
                dTempB = (3 * dI - (dTempR + dTempG));
            }
            // BR扇区
            else
            {
                dH -= 240;

                // 将H转为弧度表示
                dH = dH * 3.1415926 / 180;

                dTempG = dI * (1 - dS);
                dTempB = dI * (1 + (dS * cos(dH)) / cos(3.1415926 / 3 - dH));
                dTempR = (3 * dI - (dTempG + dTempB));
            }

            iB = dTempB * 255;
            iG = dTempG * 255;
            iR = dTempR * 255;

            cvSet2D(RGB_Image, i, j, cvScalar(iB, iG, iR));
        }
    }

    return RGB_Image;
}

执行后就大功告成了，效果如下：

这里写图片描述