本文主要是介绍Python的OpenCV模块实现图像转换素描图简单示例，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！
一、示例代码：
import cv2img = cv2.imread('/home/lijiang/图片/ubuntu_wallpaper/Einstein_2.jpg') # 读取图像grey = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 灰度
invert = cv2.bitwise_not(grey)blur_img = cv2.GaussianBlur(invert, (7, 7), 0) # 高斯滤波
inverse_blur = cv2.bitwise_not(blur_img)
sketch_img = cv2.divide(grey, inverse_blur, scale=256)cv2.imwrite('素描图.jpg', sketch_img) # 保存
cv2.waitKey(0)二、素描图展示：
三、高斯滤波函数说明：
OpenCV 中，实现高斯滤波的函数是 cv2.GaussianBlur()，该函数的语法格式是：
dst = cv2.GaussianBlur( src, ksize, sigmaX, sigmaY, borderType )
式中：
dst 是返回值，表示进行高斯滤波后得到的处理结果。
src 是需要处理的图像，即原始图像。它能够有任意数量的通道，并能对各个通道独立
处理。图像深度应该是 CV_8U、 CV_16U、 CV_16S、 CV_32F 或者 CV_64F 中的一种。
ksize 是滤波核的大小。滤波核大小是指在滤波处理过程中其邻域图像的高度和宽度。
需要注意，滤波核的值必须是奇数。
sigmaX 是卷积核在水平方向上（X 轴方向）的标准差，其控制的是权重比例。
sigmaY 是卷积核在垂直方向上（Y 轴方向）的标准差。如果将该值设置为 0，则只采用
sigmaX 的值；如果 sigmaX 和 sigmaY 都是 0，则通过 ksize.width 和 ksize.height 计算得
到。
其中：
sigmaX = 0.3×[(ksize.width-1)×0.5-1] + 0.8
sigmaY = 0.3×[(ksize.height-1)×0.5-1] + 0.8
borderType 是边界样式，该值决定了以何种方式处理边界。
在该函数中，sigmaY 和 borderType 是可选参数。sigmaX 是必选参数，但是可以将该参数
设置为 0，让函数自己去计算 sigmaX 的具体值。
官方文档建议显式地指定 ksize、 sigmaX 和 sigmaY 三个参数的值，以避免将来函数修改后
可能造成的语法错误。当然，在实际处理中，可以显式指定 sigmaX 和 sigmaY 为默认值 0。因
此，函数 cv2.GaussianBlur()的常用形式为：dst = cv2.GaussianBlur( src, ksize, 0, 0 )
这篇关于Python的OpenCV模块实现图像转换素描图简单示例的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
