python图像手绘效果_python 3.6实现图像的手绘效果

这里记录下遇到的问题日后学习中填坑。上图片:

image

image

图像的手绘风格是图像灰度化后，由立体效果和明暗效果叠加而成。

立体效果

立体效果由添加虚拟深度值来实现。深度值乘以方向梯度值，来添加深度对于梯度的影响因素。

depth = 10\. # (0-100)

grad = np.gradient(a) #取图像灰度的梯度值

grad_x, grad_y = grad #分别取横纵图像梯度值

grad_x = grad_x*depth/100.

grad_y = grad_y*depth/100.

A = np.sqrt(grad_x**2 + grad_y**2 + 1.) #将梯度转为单位向量

uni_x = grad_x/A

uni_y = grad_y/A

uni_z = 1./A

灰度代表图像的明暗变化，而梯度值就是灰度的变化率。我们可以调整像素的梯度值来间接改变图片的明暗程度，立体效果由添加虚拟深度值来实现。深度值乘以方向梯度值，来添加深度对于梯度的影响因素。

这里尚不清楚这个深度值depth指的是什么，百度的图像深度值是指单个像素存储的位数如8位有0~255。从计算上直观来看这里的深度值越大，重建图像的像素值就越低图片越灰暗。

并且不清楚为什么要把梯度向量拓展到三维，猜测是因为要在下一步中模拟明暗效果。

如果将深度值depth设置为90，重建的图像是这样的

image

明暗效果

image

图为模拟光源存在，计算光源对各个坐标轴上的影响因子。这里我们取Elevation为80°，Azimuth为45°。dx，dy，dz为光源对x，y，z轴的影响因子，值均在0~1之间。个人的理解是dx，dy，dz是光线向量在像素点构成的坐标系上各坐标轴的分量，没能理解为什么可以是光源对坐标轴的影响因子并在之后乘以梯度可以添加明暗效果。

vec_el = np.pi/2.25 # 光源的俯视角度(80°)，弧度值

vec_az = np.pi/4. # 光源的方位角度(45°)，弧度值

dx = np.cos(vec_el)*np.cos(vec_az) #光源对x 轴的影响

dy = np.cos(vec_el)*np.sin(vec_az) #光源对y 轴的影响

dz = np.sin(vec_el) #光源对z 轴的影响

若不使用上述代码，直接按照梯度重建的图像是这样的

image

可以看到图像比之前加上明暗效果的图片更灰暗。猜测是因为梯度x，y中有很多负值而z中都是趋向1的浮点数，乘上dx、dy、dz其实是让最后重建的像素值变大了即提亮了图像。

图像重建

b = 255*(dx*uni_x + dy*uni_y + dz*uni_z) #单位梯度乘以光源在每个坐标轴上的影响因子后缩放回[0,255]

b = b.clip(0,255)

c = b.astype(np.uint8)

对于重建是用类似L1范式的方式原因还未知晓。等日后学到图像重建时再填坑。

如果我将第三个维度dz*uni_z去掉进行重建，得到的图像是这样的

image

因为最后少了一项像素值变小了，图片变得灰暗了。

总结

中给出了代码和一定的解释，但对于为什么要这样处理无法理解。整体上来看求出梯度后每一步都是在降低重建图像的像素值从而提亮图像。

这里先留下一些相关链接，日后填坑

以下完整代码

import cv2

import numpy as np

a= cv2.imdecode(np.fromfile("C:/Users/tianchen/Desktop/gakki.JPG"),0).astype('float')

depth = 10. # (0-100)

grad = np.gradient(a) #取图像灰度的梯度值

grad_x, grad_y = grad #分别取横纵图像梯度值

grad_x = grad_x*depth/100.

grad_y = grad_y*depth/100.

A = np.sqrt(grad_x**2 + grad_y**2 + 1.) #将梯度转为单位向量

uni_x = grad_x/A

uni_y = grad_y/A

uni_z = 1./A

vec_el = np.pi/2.25 # 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

dy = np.cos(vec_el)*np.sin(vec_az) #光源对y 轴的影响

dz = np.sin(vec_el) #光源对z 轴的影响

b = 255*(dx*uni_x + dy*uni_y + dz*uni_z) #单位梯度乘以光源在每个坐标轴上的影响因子后缩放回[0,255]

b = b.clip(0,255)

c = b.astype(np.uint8)

cv2.namedWindow('gakki', cv2.WINDOW_NORMAL) #设置为WINDOW_NORMAL可以任意缩放

cv2.imshow('gakki', c)

cv2.waitKey(0)

cv2.destroyAllWindows()

cv2.imencode('.jpg', c)[1].tofile('C:/Users/tianchen/Desktop/gakki0.JPG' )