看到這個標題你可能覺得，我這次終于開始標題黨了。然而眾所周知，我是標圖黨~，一般不會做標題黨這種事情，既然說了分分鐘實現，那就說明——代碼在十行左右。
代碼雖少，但是效果確實一點都不含糊（即使含糊了....我也給出了調參的空間~)。
按照慣例，先看兩張效果圖：
還有一張在最上方。
我感覺我肯定是膨脹了，示例圖片都敢不全放美女圖片了。不全用美女示例圖片的另一個原因是，之前做的AI小素只能做臉部的素描，其他部分的素描做的一塌糊涂（訓練集只有臉部圖片），這次換個天壇這種建筑圖片，也能說明這個CV小素的能力要超過AI小素，能對不僅限于人臉人物的任意類型的圖片做素描化。說任意類型可能有點夸大，不上線之前確實測試了不少類型的圖片，效果都還可以。更多類型的圖片效果，期待大家來測試，歡迎拍磚~
圖像轉素描原理與實現
做這個圖像轉素描的初衷是因為之前訓練了一個肖像轉素描的AI模型，還非常中二地命名為【AI小素】，不少小伙伴應該已經在網站上體驗過AI小素的素描化效果了。但是AI小素限制太強，只能素描化人臉圖片，其他圖片則無能為力。因此，我就看了下怎么做任意圖片的素描化。
大家一般用PS做圖像轉素描，谷歌搜索結果排第一的教程流程大概是這樣的：
這個教程一共有十六個步驟，但是其實上圖展示的這些已經足以說明圖像轉素描的主要流程了。
圖像轉素描流程如下：
- 圖像去色（上圖教程中通過調小飽和度）
- 圖像取反
- 取反后的圖像進行高斯濾波
- 去色后的圖像和取反濾波后的圖像以混合模式為顏色減淡進行融合
看到這里，了解PS的小伙伴們可能已經知道怎么用PS做素描圖了。
下面我們看看如何用Python/ target=_blank class=infotextkey>Python實現，仍然用我們最熟悉的OpenCV。
1. 備圖
首先最基礎的，準備一張小姐姐的圖片，并讀取出來備用：
import cv2
img_path = "/小/姐/姐/美/圖.jpg"
img = cv2.imread(img_path)
2. 去色
說到去色，你可能立刻就想到了灰度化，是的，那就用灰度化吧。代碼簡單到無需注釋和解釋，還是直接上碼上效果圖吧：
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
3. 圖像取反
圖像取反，乍一聽好像很陌生，看完下面這一行更簡單的代碼你就明白了：
inv = 255 - gray
過于簡單了？看效果吧。
狀若女鬼，好像要向著恐怖片的方面發展......實際上只是圖片中黑白易色，上圖中的衣服體現的最為直觀。
4. 高斯濾波
最基礎的濾波，不多說。
blur = cv2.GaussianBlur(inv, ksize=(ksize, ksize), sigmaX=sigma, sigmaY=sigma)
ksize和sigma兩個參數可根據實際情況調節，我這里調參的覺得ksize=15, sigma=50效果還可以。你也可以調節下這兩個參數，看看不同參數對最終素描化效果的影響。
狀若加了高斯濾鏡的女鬼......
5. 顏色減淡混合
實際的混合模式的顏色減淡實現起來比較麻煩，而且速度較慢。有人說下面這一行代碼就可以實現顏色減淡的效果，我是極為佩服的：
res = cv2.divide(gray, 255 - blur, scale=255)
梳理一下
梳理一下上面的流程，相當于是，對于灰度圖像中的每一個像素值x，用255 - x取反之后得到inv_x，再對此點進行高斯濾波得到blur_inv_x，然后用執行一下運算進行混合：
x / (255 - blur_inv_x) * 255
從上圖可以看到，已經得到了效果不錯的素描化圖片了。對于有的圖片可能素描化之后顯得顏色有點淡，沒關系，加個伽馬變換調節一下就行了。
問題來了
上面是根據PS的流程轉化的Python實現流程，感覺實際上起作用的就是這個公式x / (255 - blur_inv_x) * 255。
上面的流程是：
灰度圖->取反->高斯濾波->再取反(除法里面)->除法運算(divide)。
我們看到，里面有兩次取反操作，中間只是多了一個高斯濾波而已。眾所周知，負負得正，取反兩次相當于沒有取反（我真是邏輯鬼才！）
那么問題來了，不取反行不行？行不行？試一下就知道了！
實驗流程是下面這樣的：
灰度圖->高斯濾波->除法運算(divide)。
公式是：x / blur_x * 255。
最終的結果是下面這樣的：
與取反的差別在哪里呢？仔細看的話，取反的背景會更清晰一些，前景倒沒有太大差別。
開始玩
上面已經介紹了素描化的完整實現，接下來就要開始各種玩了。我實現了幾種基本的玩法，你看看有多基本：
- 支持動態圖
- 素全圖
- 素左邊
- 素右邊
- 素上邊
- 素下邊
參數可調，效果不好的話，可能需要你親自動手調節一下：
