导读:最近故宫总能“摊上事”。
今天是元宵节,一批幸运鹅拿着在故宫门票预售网站瘫痪之前抢来的门票,夜游故宫,成为94年来第一批在故宫赏月的人。用这种方式过节,真是既时尚又怀旧,简直没sei了。不知道你去了没有?
昨夜今晨,北京又下了一场雪,前些天刷爆朋友圈的故宫雪景照,又出了续集。抢不到晚上赏月的门票,白天去看看雪景也是不错的选择。不知道你去了没有?
今天我们要说的就跟雪景有关……
作者:丁彦军
来源:恋习Python(ID:sldata2017)
一下雪,北京就变成了北平,故宫就变成了紫禁城。
看着朋友圈、微博好友都在纷纷晒图,小编只能羡慕不已。
▲图片来自微信公众号微故宫
不过,小编突然想到,可以通过Python将故宫的建筑物图片,转化为手绘图(素描效果)。效果图如下:
01 概念与原理
我们都知道手绘图效果的特征主要有:
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
核心原理: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模拟程度。
把图像看成二维离散函数,灰度梯度其实就是这个二维离散函数的求导,用差分代替微分,求取图像的灰度梯度。常用的一些灰度梯度模板有:Roberts 梯度、Sobel 梯度、Prewitt 梯度、Laplacian 梯度。
以Sobel 梯度计算来解释:
首先计算出 、,然后计算梯度角梯度方向及图像灰度增大的方向,其中梯度方向的梯度夹角大于平坦区域的梯度夹角。如下图所示,灰度值增加的方向梯度夹角大,此时梯度夹角大的方向为梯度方向。对应在图像中寻找某一点的梯度方向即通过计算该点与其8邻域点的梯度角,梯度角最大即为梯度方向。
02 图像的数组形式与变换
其中,需要用到的方法:
Image.open( ): 打开图片
np.array( ) : 将图像转化为数组
convert("L"): 将图片转换成二维灰度图片
Image.fromarray( ): 将数组还原成图像uint8格式
代码如下:
from PIL import Image
import numpy as np
im = Image.open(r"C:\Users\Administrator\Desktop\gugong\微信图片_20190216152248.jpg").convert('L')
a=np.asarray(im).astype('float')
print(a.shape,a.dtype)
(1080, 608) float64
#(1080, 608)分别表示高度,宽度
03 图像的手绘效果处理
实现思路步骤:
1. 梯度的重构
numpy的梯度函数的介绍:
np.gradient(a) : 计算数组a中元素的梯度,f为多维时,返回每个维度的梯度
离散梯度: xy坐标轴连续三个x轴坐标对应的y轴值:a, b, c 其中b的梯度是(c-a)/2
而c的梯度是: (c-b)/1
当为二维数组时,np.gradient(a) 得出两个数组,第一个数组对应最外层维度的梯度,第二个数组对应第二层维度的梯度。
代码如下:
grad=np.gradient(a)
grad_x,grad_y=grad
grad_x = grad_x * depth / 100.#对grad_x值进行归一化
grad_y = grad_y * depth / 100.#对grad_y值进行归一化
2. 构造guan光源效果
设计一个位于图像斜上方的虚拟光源
光源相对于图像的视角为Elevation,方位角为Azimuth
建立光源对各点梯度值的影响函数
运算出各点的新像素值
其中:
np.cos(evc.el) : 单位光线在地平面上的投射长度
dx,dy,dz :光源对x,y,z三方向的影响程度
3. 梯度归一化
构造x和y轴梯度的三维归一化单位坐标系;
梯度与光源相互作用,将梯度转化为灰度。
4. 图像生成
具体详情代码如下:
from PIL import Image
import numpy as np
import os
import join
import time
def image(sta,end,depths=10):
a = np.asarray(Image.open(sta).convert('L')).astype('float')
depth = depths # 深度的取值范围(0-100),标准取10
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.#对grad_x值进行归一化
grad_y = grad_y * depth / 100.#对grad_y值进行归一化
A = np.sqrt(grad_x ** 2 + grad_y ** 2 + 1.)
uni_x = grad_x / A
uni_y = grad_y / A
uni_z = 1. / A
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
b = 255 * (dx * uni_x + dy * uni_y + dz * uni_z) # 光源归一化
b = b.clip(0, 255)
im = Image.fromarray(b.astype('uint8')) # 重构图像
im.save(end)
def main():
xs=10
start_time = time.clock()
startss = os.listdir(r"C:\Users\Administrator\Desktop\gugong")
time.sleep(2)
for starts in startss:
start = ''.join(starts)
sta = 'C:/Users/Administrator/Desktop/gugong/' + start
end = 'C:/Users/Administrator/Desktop/gugong/' + 'HD_' + start
image(sta=sta,end=end,depths=xs)
end_time = time.clock()
print('程序运行了 ----' + str(end_time - start_time) + ' 秒')
time.sleep(3)
main()
程序运行了 ----43.01828205879955 秒 #一共35张图片
最终效果图对比:
▲原始图片来自微信公众号微故宫
其他图片就不一一列举。你也可以通过此代码为自己画一张手绘图;也可以为自己的家乡或母校画。
人生苦短,我用Python;
除了生娃,啥都能干!
参考资料:北京理工大学的嵩天老师的网络课程
http://www.icourse163.org/learn/BIT-1001870002?tid=1001963001#/learn/announce
据统计,99%的大咖都完成了这个神操作
▼
更多精彩
在公众号后台对话框输入以下关键词
查看更多优质内容!
PPT | 报告 | 读书 | 书单
大数据 | 揭秘 | 人工智能 | AI
Python | 机器学习 | 深度学习 | 神经网络
可视化 | 区块链 | 干货 | 数学
猜你想看
Q: 来,给我们看看你的灵魂画作!
欢迎留言与大家分享
觉得不错,请把这篇文章分享给你的朋友
转载 / 投稿请联系:baiyu@hzbook.com
更多精彩,请在后台点击“历史文章”查看