Я искал это в поисках методов CNN, Pillow и CV2, однако не нашел в Интернете доступного ресурса для реализации этого преобразования изображения.
Признателен за вашу помощь в этом вопросе.
Обычное изображение:

Векторизованное изображение:

Обновление:
Я реализовал сегментацию изображения с использованием метода SLIC, ниже приведен новый код и результат Изображение.
Как видно, новое изображение близко к векторизованному изображению (желаемый результат), однако разница в качестве и детализации все еще значительная.
Есть еще идеи?
Код: Выделить всё
from skimage import data, segmentation, color
from skimage.future import graph
from matplotlib import pyplot as plt
from PIL import Image
from skimage import io
path='/home/user/Desktop/Image1.jpeg'
img = io.imread(path)
labels1 = segmentation.slic(img, compactness=50, n_segments=5000,
start_label=1)
out1 = color.label2rgb(labels1, img, kind='avg', bg_label=0)
out1 = Image.fromarray(out1, 'RGB')
out1.save('/home/user/Desktop/1.png')
g = graph.rag_mean_color(img, labels1, mode='similarity')
labels2 = graph.cut_normalized(labels1, g)
out2 = color.label2rgb(labels2, img, kind='avg', bg_label=0)
out2 = Image.fromarray(out2, 'RGB')
out2.save('/home/user/Desktop/2.png')
fig, ax = plt.subplots(nrows=2, sharex=True, sharey=True, figsize=(6, 8))
ax[0].imshow(out1)
ax[1].imshow(out2)
for a in ax:
a.axis('off')
plt.tight_layout()
plt.show()

Новое изображение (N_segments=5000, потребовалось 5 минут вычислений)

Подробнее здесь: https://stackoverflow.com/questions/703 ... ing-python
Мобильная версия