我之前做类似的图片卡通化效果时，也碰到过一模一样的问题——普通模糊处理会把明暗交界的细节过度平滑，保留了太多中间色调，导致输出的画面更像柔化的照片，而不是我们想要的色块分明、边界锐利的卡通风格。针对这个问题，咱们可以从三个核心方向调整代码：

1. 用双边滤波替代普通高斯模糊，保留边缘的同时平滑区域 #

普通高斯模糊会无差别地模糊所有区域，包括边缘，这直接导致明暗过渡被抹掉。而双边滤波（cv2.bilateralFilter()）能区分边缘和纯色区域：它会平滑颜色相近的区域，但保留颜色突变的边缘，完美适配卡通化的需求。

示例代码替换：

# 替换原代码中的高斯模糊
# blurred = cv2.GaussianBlur(img, (5,5), 0)

# 使用双边滤波
blurred = cv2.bilateralFilter(img, d=9, sigmaColor=75, sigmaSpace=75)

• d：滤波核的直径，数值越大平滑效果越强
• sigmaColor：颜色空间的标准差，数值越大，允许更多颜色被归为一类
• sigmaSpace：坐标空间的标准差，数值越大，允许更远的像素参与平滑

2. 加入色彩量化，直接减少颜色数量 #

模糊后画面还有过多色调的核心原因是保留了太多相近的颜色，我们可以用K均值聚类把相似颜色合并成大块色块，从根源上减少过渡色。

这里是一个可复用的色彩量化函数：

import numpy as np
import cv2

def color_quantization(image, num_colors=8):
    # 将图像转换为K均值需要的二维数组格式
    pixel_data = image.reshape((-1, 3))
    pixel_data = np.float32(pixel_data)
    
    # K均值的终止条件：迭代20次或误差小于0.001时停止
    criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 20, 0.001)
    # 执行K均值聚类
    _, labels, centers = cv2.kmeans(pixel_data, num_colors, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS)
    
    # 将聚类后的颜色转换回uint8格式，并重塑为原图像尺寸
    centers = np.uint8(centers)
    quantized_image = centers[labels.flatten()]
    return quantized_image.reshape(image.shape)

你可以根据效果调整num_colors（建议8-16之间），数值越小，色块越大，卡通感越强。

3. 叠加锐利边缘，强化卡通的边界感 #

卡通风格的关键是清晰的轮廓，我们可以用自适应阈值提取图像边缘，然后把边缘叠加到色彩量化后的画面上，让边界更突出。

示例代码片段：

# 从原图像提取边缘（避免模糊后的边缘丢失）
gray_img = cv2.cvtColor(original_img, cv2.COLOR_BGR2GRAY)
# 自适应阈值提取边缘，比固定阈值更适配不同亮度区域
edges = cv2.adaptiveThreshold(
    gray_img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, blockSize=9, C=2
)
# 把边缘图转换为彩色格式，方便和量化后的图像融合
edges = cv2.cvtColor(edges, cv2.COLOR_GRAY2BGR)

# 融合边缘和量化后的图像
cartoon_result = cv2.bitwise_and(quantized_image, edges)

整合后的完整工作流 #

把上面的步骤整合起来，最终的卡通化函数大概是这样：

import numpy as np
import cv2

def color_quantization(image, num_colors=8):
    pixel_data = image.reshape((-1, 3))
    pixel_data = np.float32(pixel_data)
    criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 20, 0.001)
    _, labels, centers = cv2.kmeans(pixel_data, num_colors, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS)
    centers = np.uint8(centers)
    quantized_image = centers[labels.flatten()]
    return quantized_image.reshape(image.shape)

def cartoonize_image(original_img):
    # 1. 双边滤波平滑区域，保留边缘
    blurred = cv2.bilateralFilter(original_img, d=9, sigmaColor=75, sigmaSpace=75)
    # 2. 色彩量化减少颜色数
    quantized = color_quantization(blurred, num_colors=8)
    # 3. 提取边缘
    gray = cv2.cvtColor(original_img, cv2.COLOR_BGR2GRAY)
    edges = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, blockSize=9, C=2)
    edges = cv2.cvtColor(edges, cv2.COLOR_GRAY2BGR)
    # 4. 融合边缘与量化图像
    return cv2.bitwise_and(quantized, edges)

# 测试调用
img = cv2.imread("your_image.jpg")
cartoon = cartoonize_image(img)
cv2.imwrite("cartoon_result.jpg", cartoon)

这样调整后，你会发现画面的明暗过渡大幅减少，色块更清晰，完全符合卡通漫画的风格。

内容的提问来源于stack exchange，提问作者Megan Caithlyn