Python----图像的手绘效果

dulu~dulu

已于 2023-11-18 19:42:51 修改

阅读量1.1k

点赞数 12

分类专栏：编程训练 python 文章标签： python 开发语言像素处理手绘效果的实现

于 2023-11-18 04:00:00 首次发布

本文链接：https://blog.csdn.net/weixin_69884785/article/details/134446918

版权

编程训练同时被 2 个专栏收录

54 篇文章 5 订阅

订阅专栏

python

10 篇文章 0 订阅

订阅专栏

图像的数组表示

图像是有规则的二维数据，可以用numpy 库将图像转换成数组对象 :

from PIL import Image
import numpy as np
im=np.array(Image.open("D://np.jpg"))
print(im.shape,im.dtype)

结果：

图像转换对应的ndarray 类型是3 维数据，如(569, 813, 3)，其中，前两维表示图像的长度和宽度，单位是像素，第三维表示每个像素点的RGB 值，每个RGB 值是一个单字节整数。

像素处理

一.convert()函数：

PIL 库包括图像转换函数，能够改变图像单个像素的表示形式。使用convert()函数

lmage.convert(mode) #使用不同的参数，转换图像为新的模式，返回新副本

1.RGB模式（"RGB"）：RGB模式是最常见的彩色图像模式，它使用红色、绿色和蓝色三个通道来表示图像的颜色。

2.’L’模式表示将像素从RGB 的3 字节形式转变为单一数值形式，这个数值范围在0 到255，表示灰度色彩变化。

3.RGBA模式（"RGBA"）：RGBA模式也是一种彩色图像模式，与RGB模式类似，但多了一个Alpha通道。Alpha通道表示图像的透明度，取值范围为0到255，0代表完全透明，255代表完全不透明。

4.CMYK模式（"CMYK"）：CMYK模式主要用于印刷领域，使用青色、品红色、黄色和黑色四个通道来表示颜色。它与RGB模式的颜色表示方式不同。

5.HSV模式（"HSV"）：HSV模式是一种基于色调（Hue）、饱和度（Saturation）和亮度（Value）的颜色表示方式。它可以更直观地表示颜色的属性。

以"L"类型举例：

from PIL import Image
import numpy as np
im = np.array(Image.open("D://np.jpg").convert('L'))
print(im.shape, im.dtype)

结果：

此时，图像从彩色变为带有灰度的黑白色。转换后，图像的ndarray 类型变为二维数据，每个像素点色彩只由一个整数表示。

二.numpy访问像素值

通过对图像的数组转换，可以利用numpy 访问图像上任意像素值，例如，获取访问位于坐标(20, 300)像素的颜色值或获取图像中最大和最小的像素值。也可以采用切片方式获取指定行或列的元素值，甚至修改这些值。

>>> im[20][300]
28
>>> print(int(im.min()),int(im.max()))
0 255
>>> print(im[10,:])
[ 2  4  6  7  7  ... 13 12]

三.图像变换

将图像读入ndarray 数组对象后，可以通过任意数学操作来获取相应的图像变换。以灰度变换为例，分别对灰度变化后的图像进行反变换、区间变化和像素值平方处理。

注：有些数学变换会改变图像的数据类型，如变成浮点数等，所以在重新生成PIL 图像前要先将数据类型通过numpy.uint()变换成整数

>>>im0 = np.array(Image.open('np.jpg').convert('L'))

>>>im1 = 255 - im0 #反变换

>>>im2 = (100/255)*im0 + 150 #区间变换

>>>im3 = 255*(im1/255)**2 #像素平方处理

>>>pil_im = Image.fromarray(np.uint(im1)) #对im1,im2,im3执行

>>>pil_im.show()

原图：

处理过后：

四.手绘效果的实现

- 为了实现手绘风格，即黑白轮廓描绘，首先需要读取原图像的明暗变化，即灰度值。从直观视觉感受上定义，图像灰度值显著变化的地方就是梯度，它描述了图像灰度变化的强度。

- 通常可以使用梯度计算来提取图像轮廓，numpy 中提供了直接获取灰度图像梯度的函数gradient()，传入图像数组表示即可返回代表x 和y 各自方向上梯度变化的二维元组。

numpy.gradient(f, *varargs, axis=None, edge_order=1)

f,包含标量函数样本的n维数组

varargs:标量或数组列表，可选

edge_order:{1,2}, 可选。使用n阶精确的边界差来计算梯度。默认值:1。

axis:沿着给定的轴计算梯度

返回: f关于每一维的梯度

将光源定义为三个参数：方位角vec_az、俯视角vec_el 和深度权值depth。两个角度的设定和单位向量构成了基础的柱坐标系，体现物体相对于虚拟光源的位置。

通过np.gradient()函数计算图像梯度值作为新色彩计算的基础。为了更直观的进行计算，可以把角度对应的柱坐标转化为xyz 立体坐标系。dx、dy、dz 是像素点在施加模拟光源后在x、y、z 方向上明暗度变化的加权向量。

A 是梯度幅值，也是梯度大小。各个方向上总梯度除以幅值得到每个像素单元的梯度值。利用每个单元的梯度值和方向加权向量合成灰度值，clip 函数用预防溢出，并归一化到0‐255 区间。最后从数组中恢复图像并保存。

from PIL import Image
import numpy as np

im = Image.open("D://np.jpg").convert('L')
a = np.asarray(im).astype('float')

depth = 10.0  # 设置深度值（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

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
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

A = np.sqrt(grad_x**2 + grad_y**2 + 1.0)
uni_x = grad_x / A
uni_y = grad_y / A
uni_z = 1.0 / A

a2 = 255 * (dx * uni_x + dy * uni_y + dz * uni_z)  # 光源归一化
a2 = a2.clip(0, 255)

im2 = Image.fromarray(a2.astype('uint8'))  # 重构图像
im2.save('D://npHandDraw2.jpg')  # 保存图像

原图：