你在填补你的圈子时遇到了问题,因为你正在以错误的方式接近这个 – 非常简单.
从源到目标的映射时,需要填充目标,并将每个已转换的像素映射到源图像中.然后,你根本没有机会错过一个像素,同样,你也不会多次绘制(也不会查找)一个像素.
以下是有点粗略和准备,它只作为一个概念示例.我首先编写了一些代码来绘制一个从上到下的实心圆.然后我添加了一些代码来移除中心部分(并添加了一个变量Ri,用于“内半径”).这导致一个实心的环,其中所有像素仅被绘制一次:从上到下,从左到右.
你如何画出戒指实际上并不重要!我最初使用的是trig,因为我想重新使用角度位,但它也可以用Pythagorus完成,甚至可以用Bresenham的循环程序来完成.您需要记住的是,您遍历目标行和列,而不是源.这提供了可以提供给重映射过程的实际x,y坐标.
通过上面的完成和工作,我写了三角函数,从我将一个像素放入原始图像的坐标转换.为此,我创建了一个包含一些文本的测试图像:
还有一件好事,就像在第一次尝试中我得到两次文本(一次离开,一次就好)和镜像 – 这需要一些小的调整.还要注意背景网格.我补充说,检查’顶部’和’底部’线 – 最外面和最里面的圆圈 – 是否正确绘制.
用这个图像运行我的代码和Ro,Ri在100和50,我得到这个结果:
您可以看到trig函数使其从最右边的点开始,顺时针移动,并使图像的顶部朝外.所有这些都可以进行简单的调整,但这样可以模仿您想要绘制图像的方向.
这是你的虹膜图像的结果,内半径使用33:
这是一个很好的动画,显示了映射的稳定性:
最后,我的代码是:
import math as m
from PIL import Image
Ro = 100.0
Ri = 50.0
# img = [[1 for x in range(int(width))] for y in range(int(height))]
cir = [[0 for x in range(int(Ro * 2))] for y in range(int(Ro * 2))]
# image = Image.open('0vWEI.png')
image = Image.open('this-is-a-test.png')
# data = image.convert('RGB')
pixels = image.load()
width, height = image.size
def shom_im(img): # for showing data as image
list_image = [item for sublist in img for item in sublist]
new_image = Image.new("RGB", (len(img[0]), len(img)))
new_image.putdata(list_image)
new_image.save("result1.png","PNG")
new_image.show()
for i in range(int(Ro)):
# outer_radius = Ro*m.cos(m.asin(i/Ro))
outer_radius = m.sqrt(Ro*Ro - i*i)
for j in range(-int(outer_radius),int(outer_radius)):
if i < Ri:
# inner_radius = Ri*m.cos(m.asin(i/Ri))
inner_radius = m.sqrt(Ri*Ri - i*i)
else:
inner_radius = -1
if j < -inner_radius or j > inner_radius:
# this is the destination
# solid:
# cir[int(Ro-i)][int(Ro+j)] = (255,255,255)
# cir[int(Ro+i)][int(Ro+j)] = (255,255,255)
# textured:
x = Ro+j
y = Ro-i
# calculate source
angle = m.atan2(y-Ro,x-Ro)/2
distance = m.sqrt((y-Ro)*(y-Ro) + (x-Ro)*(x-Ro))
distance = m.floor((distance-Ri+1)*(height-1)/(Ro-Ri))
# if distance >= height:
# distance = height-1
cir[int(y)][int(x)] = pixels[int(width*angle/m.pi) % width, height-distance-1]
y = Ro+i
# calculate source
angle = m.atan2(y-Ro,x-Ro)/2
distance = m.sqrt((y-Ro)*(y-Ro) + (x-Ro)*(x-Ro))
distance = m.floor((distance-Ri+1)*(height-1)/(Ro-Ri))
# if distance >= height:
# distance = height-1
cir[int(y)][int(x)] = pixels[int(width*angle/m.pi) % width, height-distance-1]
shom_im(cir)
注释掉的线条绘制出一个坚固的白色圆环.请注意各种调整以获得最佳效果.例如,距离是从环的中心开始测量的,因此返回靠近中心的低值和圆外的最大值.直接映射到目标图像上的映射将显示文本的顶部“向内”,指向内部孔.所以我用高度 – 距离-1来反转这个映射,其中-1是使它再次从0映射到高度.
类似的解决方法是计算距离本身;如果没有调整Ri 1和height-1,最内层或最外面的行将不会被绘制,表明计算只是一个像素关闭(这正是该网格的目的).