看到这个标题你可能觉得，我这次终于开始标题党了。然而众所周知，我是标图党~，一般不会做标题党这种事情，既然说了分分钟实现，那就说明——代码在十行左右。
代码虽少，但是效果确实一点都不含糊（即使含糊了....我也给出了调参的空间~)。
按照惯例，先看两张效果图：
还有一张在最上方。
我感觉我肯定是膨胀了，示例图片都敢不全放美女图片了。不全用美女示例图片的另一个原因是，之前做的AI小素只能做脸部的素描，其他部分的素描做的一塌糊涂（训练集只有脸部图片），这次换个天坛这种建筑图片，也能说明这个CV小素的能力要超过AI小素，能对不仅限于人脸人物的任意类型的图片做素描化。说任意类型可能有点夸大，不上线之前确实测试了不少类型的图片，效果都还可以。更多类型的图片效果，期待大家来测试，欢迎拍砖~
图像转素描原理与实现
做这个图像转素描的初衷是因为之前训练了一个肖像转素描的AI模型，还非常中二地命名为【AI小素】，不少小伙伴应该已经在网站上体验过AI小素的素描化效果了。但是AI小素限制太强，只能素描化人脸图片，其他图片则无能为力。因此，我就看了下怎么做任意图片的素描化。
大家一般用PS做图像转素描，谷歌搜索结果排第一的教程流程大概是这样的：
这个教程一共有十六个步骤，但是其实上图展示的这些已经足以说明图像转素描的主要流程了。
图像转素描流程如下：
- 图像去色（上图教程中通过调小饱和度）
- 图像取反
- 取反后的图像进行高斯滤波
- 去色后的图像和取反滤波后的图像以混合模式为颜色减淡进行融合
看到这里，了解PS的小伙伴们可能已经知道怎么用PS做素描图了。
下面我们看看如何用Python实现，仍然用我们最熟悉的OpenCV。
1. 备图
首先最基础的，准备一张小姐姐的图片，并读取出来备用：
import cv2
img_path = "/小/姐/姐/美/图.jpg"
img = cv2.imread(img_path)
2. 去色
说到去色，你可能立刻就想到了灰度化，是的，那就用灰度化吧。代码简单到无需注释和解释，还是直接上码上效果图吧：
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
3. 图像取反
图像取反，乍一听好像很陌生，看完下面这一行更简单的代码你就明白了：
inv = 255 - gray
过于简单了？看效果吧。
状若女鬼，好像要向着恐怖片的方面发展......实际上只是图片中黑白易色，上图中的衣服体现的最为直观。
4. 高斯滤波
最基础的滤波，不多说。
blur = cv2.GaussianBlur(inv, ksize=(ksize, ksize), sigmaX=sigma, sigmaY=sigma)
ksize和sigma两个参数可根据实际情况调节，我这里调参的觉得ksize=15, sigma=50效果还可以。你也可以调节下这两个参数，看看不同参数对最终素描化效果的影响。
状若加了高斯滤镜的女鬼......
5. 颜色减淡混合
实际的混合模式的颜色减淡实现起来比较麻烦，而且速度较慢。有人说下面这一行代码就可以实现颜色减淡的效果，我是极为佩服的：
res = cv2.divide(gray, 255 - blur, scale=255)
梳理一下
梳理一下上面的流程，相当于是，对于灰度图像中的每一个像素值x，用255 - x取反之后得到inv_x，再对此点进行高斯滤波得到blur_inv_x，然后用执行一下运算进行混合：
x / (255 - blur_inv_x) * 255
从上图可以看到，已经得到了效果不错的素描化图片了。对于有的图片可能素描化之后显得颜色有点淡，没关系，加个伽马变换调节一下就行了。
问题来了
上面是根据PS的流程转化的Python实现流程，感觉实际上起作用的就是这个公式x / (255 - blur_inv_x) * 255。
上面的流程是：
灰度图->取反->高斯滤波->再取反(除法里面)->除法运算(divide)。
我们看到，里面有两次取反操作，中间只是多了一个高斯滤波而已。众所周知，负负得正，取反两次相当于没有取反（我真是逻辑鬼才！）
那么问题来了，不取反行不行？行不行？试一下就知道了！
实验流程是下面这样的：
灰度图->高斯滤波->除法运算(divide)。
公式是：x / blur_x * 255。
最终的结果是下面这样的：
与取反的差别在哪里呢？仔细看的话，取反的背景会更清晰一些，前景倒没有太大差别。
开始玩
上面已经介绍了素描化的完整实现，接下来就要开始各种玩了。我实现了几种基本的玩法，你看看有多基本：
- 支持动态图
- 素全图
- 素左边
- 素右边
- 素上边
- 素下边
参数可调，效果不好的话，可能需要你亲自动手调节一下：
