素描的实现原理

要实现一种图像处理的效果，首先我们需要掌握其实现的具体原理。

相信经常使用PS的用户肯定自己通过该软件处理过素描的效果实现。那么，我们可以参考一样PS实现素描效果的步骤：

1. 去色：因为素描只有黑白两种颜色，所以彩色图像必须转换为灰度图像
2. 复制去色图层，并且反色。反色的公式为：Y(i,j)=255-X(i,j)
3. 对反射图像进行高斯模糊
4. 模糊后的图像叠加模式选择颜色减淡效果

而颜色减淡的公式如下：

C=MIN（A+（A+B）/（255-B），255）

C：混合结果

A：去色后的像素点

B：高斯模糊后的像素点

反色的实现

既然步骤中有反色的操作，那么在OpenCV中如何实现反色操作呢？

其实，实现反色可以通过cv2.addWeighted()函数来实现。原理是：用一张图片像素为0的图像与灰度图像进行叠加，而这个全0的像素图像宽高必须与原图的宽高一致，同时其gamma参数必须设置为255。

具体代码如下：

def sketch_effect(img):
    new_img = img.copy()
    h, w, n = img.shape
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    zero_img = np.zeros((h, w), dtype=np.uint8)
    gray = cv2.addWeighted(gray, -1, zero_img, 0, 255, 0)

反色运算换算成数学公式如下：

dst=src1alpha+src2beta+gamma

高斯滤波

通过上面的代码，我们实现了第一步转换为灰度图像，也实现了第二步进行反色操作。

接下来，我们需要做的就是实现高通滤波。高通滤波在17篇博文图像平滑处理中已经介绍。实现高通滤波的函数为：cv2.GaussianBlur()。

下面，我们来对图像进行第三个操作：对反色图像进行高通滤波。代码如下：

def sketch_effect(img):
    h, w, n = img.shape
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    zero_img = np.zeros((h, w), dtype=np.uint8)
    anti_color = cv2.addWeighted(gray, -1, zero_img, 0, 255, 0)
    cv2.imshow("2", anti_color)
    grayGB = cv2.GaussianBlur(anti_color, (15, 15), 0)
    new_img = cv2.addWeighted(gray, 0.5, grayGB, 0.5, 0)
    return new_img


if __name__ == "__main__":
    img = cv2.imread("4.jpg")
    cv2.imshow("0", img)
    cv2.imshow("1", sketch_effect(img))
    cv2.waitKey()
    cv2.destroyAllWindows()

运行之后效果如下：

左0为原图，中间1为实现的素描效果，右2为反色图像。