图像的数组表示
- 图像一般使用RGB色彩模式,即每个像素点的颜色由红( R)、绿(G)、蓝(B)组成。这三种颜色形成三种颜色通道,RGB三个颜色通道的变化和叠加得到各种颜色,其中R为红色,取值范围为0-255;G为绿色,取值范围为0-255;B为蓝色,取值范围为0-255。
- RGB形成的颜色包括了人类视力所能感知的所有颜色,因此在计算机的使用中,一般的图像都采用RGB色彩。
Python中提供了一个处理图像的库:PIL库(PIL,Python Image Library),PIL库是一个具有强大图像处理能力的第三方库,需要安装,可以使用命令行的方式进行安装:pip install pillow
。 - PIL库中的Image类是PIL库中代表一个图像的类(对象),一个Image对象就代表一个图像
- 图像的表示:
图像是一个由像素组成的二维矩阵,每个元素是一个RGB值。
可以使用NumPy的数组表示图像。通过PIL库中的Image表示一个图像,并用数组表示图像中的每一个元素。
实例:
from PIL import Image # 导入PIL库的Image类
import numpy as np # 导入NumPy库
im = np.array(Image.open("D:/Gao/图片/0008.jpg")) # 用数组表示图像中的每一个元素
print(im.shape, im.dtype)
结果:
(232, 232, 3) uint8
图像是一个三维数组,维度分别是高度、宽度和像素RGB值。
附图片:
图像的变换
-
流程
读入图像后,获得像素RGB值,修改后保存为新的文件。
如: -
色彩取反
from PIL import Image # 导入PIL库的Image类 import numpy as np # 导入NumPy库 change = np.array(Image.open("0010_gugong.png")) # 用数组表示图像中的每一个元素 print(change.shape, change.dtype) buzhi = [255, 255, 255] - change # 将图片中的每一个元素取补值 print(buzhi.shape, buzhi.dtype) pic = Image.fromarray(buzhi.astype('uint8')) # 将数组bu重新生成为图像对象 pic.save("0010_gugong_fan.png") # 将新的图像保存
原图:
效果图:
-
图片变灰
from PIL import Image # 导入PIL库的Image类 import numpy as np # 导入NumPy库 change2 = np.array(Image.open("0010_gugong.png").convert('L')) # 用数组表示图像中的每一个元素对应得灰度值 # convert('L')是将彩色图片变为灰色图片,再生成的数组change2就变成了二维数组,其中的每一个元素对应一个灰度值 print(change2.shape, change2.dtype) qufan = 255 - change2 # 将图片中的灰度值取反 print(qufan.shape, qufan.dtype) pic = Image.fromarray(qufan.astype('uint8')) # 将数组bu重新生成为图像对象 pic.save("0010_gugong_gray.png") # 将新的图像保存
效果图:
-
图片变灰效果淡
from PIL import Image # 导入PIL库的Image类 import numpy as np # 导入NumPy库 change3 = np.array(Image.open("0010_gugong.png").convert('L')) # 用数组表示图像中的每一个元素对应得灰度值 # convert('L')是将彩色图片变为灰色图片,再生成的数组change2就变成了二维数组,其中的每一个元素对应一个灰度值 print(change3.shape, change3.dtype) qujian = (100 / 255) * change3 + 150 # 区间变换 print(qujian.shape, qujian.dtype) pic = Image.fromarray(qujian.astype('uint8')) # 将数组bu重新生成为图像对象 pic.save("0010_gugong_gray_dan.png") # 将新的图像保存
效果图:
-
图片变灰效果深
from PIL import Image # 导入PIL库的Image类 import numpy as np # 导入NumPy库 change4 = np.array(Image.open("0010_gugong.png").convert('L')) # 用数组表示图像中的每一个元素对应得灰度值 # convert('L')是将彩色图片变为灰色图片,再生成的数组change2就变成了二维数组,其中的每一个元素对应一个灰度值 print(change4.shape, change4.dtype) pingfang = 255 * (change4 / 255) ** 2 # 像素平方 print(pingfang.shape, pingfang.dtype) pic = Image.fromarray(pingfang.astype('uint8')) # 将数组bu重新生成为图像对象 pic.save("0010_gugong_gray_shen.png") # 将新的图像保存
效果图:
“图像的手绘效果”实例分析
- 实例介绍
- 手绘效果的几个特征:
- 黑白灰色
- 边界线条较重
- 相同或相近色彩趋于白色
- 略有光源效果
- 手绘风格实现:
手绘风格是在对图像灰度化的基础上由立体效果和明暗效果叠加而成的,灰度实际上就代表了图像的敏感变化,而梯度值表示的是灰度的变化率,可以通过调整像素的梯度值来间接改变图片的明暗程度,立体效果则通过虚拟深度值来实现。简单来说就是利用像素之间的梯度值和虚拟深度值对图像进行重构,根据灰度变化来模拟人类视觉的明暗程度 - 实例
from PIL import Image # 导入PIL库的Image类
import numpy as np # 导入NumPy库
change5 = np.asarray(Image.open('0010_gugong.png').convert('L')).astype('float')
depth = 10. # 预设深度值10,取值范围为0-100
grad = np.gradient(change5) # 提取图像x和y方向的梯度值
grad_x, grad_y = grad # 提取出的梯度值是包含x方向和y方向的数值对,分别赋给grad_x和grad_y
grad_x = grad_x * depth / 100. # 根据深度调整x方向的梯度值,即添加深度对梯度的影响因素
grad_y = grad_y * depth / 100. # 根据深度调整y方向的梯度值,即添加深度对梯度的影响因素
A = np.sqrt(grad_x **2 + grad_y **2 + 1.) # 构造x和y轴梯度的三维归一化单位坐标系
uni_x = grad_x / A # 图像平面的单位法向量
uni_y = grad_y / A # 图像平面的单位法向量
uni_z = 1. / A # 图像平面的单位法向量
vec_el = np.pi / 2.2 # 光源的俯视角度,弧度值
vec_az = np.pi / 4. # 光源的方位角度,弧度值
dx = np.cos(vec_el) * np.cos(vec_az) # 光源对x轴的影响程度,np.cos(vec_el)为单位光线在地平面上的投影长度
dy = np.cos(vec_el) * np.sin(vec_az) # 光源对y轴的影响程度
dz = np.sin(vec_el) # 光源对z轴的影响程度
b = 255 * (dx * uni_x + dy * uni_y + dz * uni_z) # 光源归一化,梯度与光源相互作用,将梯度转化为灰度
b = b.clip(0,255) # 为避免数据越界,将生成的灰度值裁剪至0- 255区间
im = Image.fromarray(b.astype('uint8')) # 重构图像
im.save('0010_gugong_shouhui.png') # 生成图像
效果图: