弗洛伊德-斯坦伯格抖动算法

弗洛伊德-斯坦伯格抖动算法

这是一个真实的魔法技术。它愚弄了你的眼睛和大脑，让你以为自己看到的颜色要比实际的多。

一般来说，抖动是通过增加人工噪声去减少一个图像的颜色空间，主旨在于，一个区域的光量应该保持一致。

弗洛伊德-斯坦伯格抖动算法对周围的像素使用非均匀分布的量化误差达到抖动的目的。这就意味着要先将中心像素四舍五入为0或1，而后将残差加入其周围的像素中。

以上你看到的三张图片都是灰阶抖动的，它们全部都是只由两种颜色的噪音组成，而其余的信息，当然是因为你的大脑在转喽。

如果您想去看这些画作的真品，可以自行Google哦，在C64艺术品就能看到，这些画作一般都有4、8或16种颜色，而抖动技术又让我们感受到了更宽的颜色范围。

算法实现

import numpy as np from PIL import Image from requests import get from bokeh.plotting import figure, show, output_notebook from bokeh.layouts import layout from bokeh.palettes import gray output_notebook() def image_dither(path, black='#000000', white='#ffffff'):     image_rgb = read_image(path)     image_gray = grayscale(image_rgb)     image_bw = floyd_steinberg(image_gray)     show(layout([[         plot(image_gray, palette=gray(256)),         plot(image_bw, palette=[black, white])             ]])) def floyd_steinberg(image):     image = image.copy()     distribution = np.array([7, 3, 5, 1], dtype=float) / 16     u = np.array([0, 1, 1, 1])     v = np.array([1, -1, 0, 1])          for y in range(image.shape[0] - 1):         for x in range(image.shape[1] - 1):             value = np.round(image[y, x])             error = image[y, x] - value             image[y, x] = value             image[y + u, x + v] += error * distribution                  image[:, -1] = 1     image[-1, :] = 1     return image def grayscale(image):     height, width, _ = image.shape          image = np.array(image, dtype=np.float32) / 255     image = image[:, :, 0] * .21 + \             image[:, :, 1] * .72 + \             image[:, :, 2] * .07          return image.reshape(height, width) def read_image(path, size=400):     if path.startswith('https://'):         image = Image.open(get(path, stream=True).raw)     else:         image = Image.open(path) width, height = image.size width, height = size, int(size * height / width) image = image.resize((width, height), Image.ANTIALIAS) data = image.getdata() assert data.bands in [3, 4], 'RGB or RGBA image is required' raw = np.array(data, dtype=np.uint8) return raw.reshape(height, width, data.bands) def plot(image, palette): y, x = image.shape plot = figure(x_range=(0, x), y_range=(0, y), plot_width=x, plot_height=y) plot.axis.visible = False plot.toolbar_location = None plot.min_border = 0 plot.image([np.flipud(image)], x=0, y=0, dw=x, dh=y, palette=palette) return plot

测试

URL = lambda name: 'https://raw.githubusercontent.com/coells/100days/master/resource/day 96 - %s.jpg' % (name,) # URL = lambda name: './resource/day 96 - %s.jpg' % (name,) image_dither('./resource/day 96 - valinka.jpg')