| Python图像的手绘效果 | 您所在的位置：网站首页 › 库里素描图片 手绘 › Python图像的手绘效果 |
Python图像的手绘效果
|
文章目录
实现图像的手绘效果1. 图象数组表示2. Pillow(PIL)库3. 图像的变换4. 参数理解5. 源码实现6. 效果预览
实现图像的手绘效果
1. 图象数组表示
图像一般使用RGB色彩模式，即每个像素点的颜色由红®、绿(G)、蓝(B)组成。RGB三个颜色通道的变化和叠加得到各种颜色，其中： • R 红色，取值范围，0‐255 • G 绿色，取值范围，0‐255 • B 蓝色，取值范围，0‐255 图像是一个由像素组成的二维矩阵，每个元素是一个（R,G,B）值。 图像深度值： 图像深度是指存储每个像素所用的位数，也用于量度图像的色彩分辨率。 图像梯度： 梯度的本意是一个向量（矢量），表示某一函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向（此梯度的方向）变化最快，变化率最大（为该梯度的模）。 图像梯度可以把图像看成二维离散函数，图像梯度其实就是这个二维离散函数的求导： 图像梯度: G(x,y) = dx(i,j) + dy(i,j); dx(i,j) = I(i+1,j) - I(i,j); dy(i,j) = I(i,j+1) - I(i,j); 其中，I是图像像素的值(如：RGB值)，(i,j)为像素的坐标。 图像梯度一般也可以用中值差分： dx(i,j) = [I(i+1,j) - I(i-1,j)]/2; dy(i,j) = [I(i,j+1) - I(i,j-1)]/2; 图像边缘一般都是通过对图像进行梯度运算来实现的。 灰度： 灰度使用黑色调表示物体,即用黑色为基准色，不同的饱和度的黑色来显示图像。 每个灰度对象都具有从 0%（白色）到100%（黑色）的亮度值。 图像的手绘效果实现 手绘效果的几个特征： • 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远近程度考虑光源效果，根据灰度变化来模拟人类视觉的远近程度 • 设计一个位于图像斜上方的虚拟光源 • 光源相对于图像的俯视角为Elevation，方位角为Azimuth • 建立光源对个点梯度值的影响函数 • 运算出各点的新像素值python中图像是一个由像素组成的三维矩阵（高，宽和RGB），每个元素是一个RGB值。 对图像变换的操作一般流程为： 读入图像文件获得RGB值对RGB值进行运算修改另存为新图像。手绘效果特征：色彩为黑白灰，边界线条重，相同或相近色彩趋于白色，略有光源效果 运算思路： 利用像素之间的梯度值和之间的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明暗程度。 2. Pillow(PIL)库PIL(Python Image Library)是python的第三方图像处理库，PIL历史悠久，原来是只支持python2.x的版本的，后来出现了移植到python3的库pillow，pillow 号称是friendly fork for PIL，其功能和PIL差不多，但是支持python3。 PIL可以做很多和图像处理相关的事情: 图像归档(Image Archives)。PIL非常适合于图像归档以及图像的批处理任务。可以使用PIL创建缩略图，转换图像格式，打印图像等等。图像展示(Image Display)。PIL较新的版本支持包括Tk PhotoImage，BitmapImage还有Windows DIB等接口。PIL支持众多的GUI框架接口，可以用于图像展示。图像处理(Image Processing)。PIL包括了基础的图像处理函数，包括对点的处理，使用众多的卷积核(convolution kernels)做过滤(filter)，还有颜色空间的转换。PIL库同样支持图像的大小转换，图像旋转，以及任意的仿射变换。PIL还有一些直方图的方法，允许展示图像的一些统计特性。这个可以用来实现图像的自动对比度增强，还有全局的统计分析等。 3. 图像的变换convert()函数模式"L" convert()函数 对于彩色图像，不管其图像格式是PNG，还是BMP，或者JPG，在PIL中，使用Image模块的open()函数打开后，返回的图像对象的模式都是“RGB”。而对于灰度图像，不管其图像格式是PNG，还是BMP，或者JPG，打开后，其模式为 “L”。 通过之前的博客对Image模块的介绍，对于PNG、BMP和JPG彩色图像格式之间的互相转换都可以通过Image模块的open()和save()函数来完成。具体说就是，在打开这些图像时，PIL会将它们解码为三通道的“RGB”图像。用户可以基于这个“RGB”图像，对其进行处理。处理完毕，使用函数save()，可以将处理结果保存成PNG、BMP和JPG中任何格式。这样也就完成了几种格式之间的转换。同理，其他格式的彩色图像也可以通过这种方式完成转换。当然，对于不同格式的灰度图像，也可通过类似途径完成，只是PIL解码后是模式为“L”的图像。 模式 "L" 模式“L”为灰色图像，它的每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度。在PIL中，从模式“RGB”转换为“L”模式是按照下面的公式转换的： L = R * 299/1000 + G * 587/1000+ B * 114/1000 归一化处理： 其中np.asarray(Image.open('./beijing.jpg').convert('L')).astype('float')意思是将图像以灰度图的方式打开并将数据转为 float 存入 np 中. np.gradient(a) 是求a的梯度，返回的是二元信息，可分别赋值给grad_x,grad_y，将梯度按照深度等级计算并且归一化处理.
我们还需建立光源效果 建立模型后可分析出np.cos(vec_el)为单位光线在地平面上的投影长度，dx,dy,dz 是光源对 x/y/z 三方向的影响程度.
将梯度归一化 构造x和y轴梯度的三维归一化单位坐标系A = np.sqrt(grad_x**2 + grad_y**2 + 1) 梯度和光源相互作用，将梯度转化为灰度 b = 255*(dx*uni_x + dy*uni_y + dz*uni_z) 之前为了处理方便，我们梯度值调为0-1之间，梯度与光源相互作用后，还原为0-255，但仍然可能会有部分溢出，因此，为避免越界，将生成的灰度值剪裁至0-255区间b = b.clip(0,255) 4. 参数理解depth参数：设置 x,y 梯度占总的梯度的比例，使梯度值缩小，因为我们把z向的梯度设成了1，如果不压缩x,y向梯度那么这个1就起不到什么作用 z 方向的梯度（即梯度归一化中的1）：为了表示像素值与梯度的反比关系，当像素的 x,y 向梯度值都很小时，在归一化时uni_z值就会区于1从而得到趋于255的像素值 图像梯度归一化：主要为了得到 uni_z 的值 光源设置：设置光源的角度只是为了得到 dx,dy,dz 三个可调系数而已，个人认为跟光源一点关系都没有，反而不好理解 dx,dy,dz：uni_x，uni_y，uni_z的系数，更深入的说其实目的是把 dz 设的很大，dx,dy很小，完全可以不要dx,dy 把dz设为1，效果几乎一样 5. 源码实现 from PIL import Image import numpy as np import cv2 # 将原图像转换为灰度图像,并将其像素值放入列表并转存到数组中 # asarray() 转换输入为数组array # convert() 将图像转换为灰色图像 # astype() 转换数据类型 a = np.asarray(Image.open("F:/Code-and-Notes/Python/Pure Python/Basic Grammar/Sketch Image/img/Annie1.jpg").convert('L')).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.) 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("F:/Code-and-Notes/Python/Pure Python/Basic Grammar/Sketch Image/img/Annie.jpg") print("保存成功查看") 6. 效果预览【原图】
【文档参考】 Python图像处理库PIL中图像格式转换（一）Pillow处理图片功能一览Numpy gradient源码解析基于Python的图像手绘效果gradient源码解析基于Python的图像手绘效果Python ：图像的手绘效果 |
【处理过后的素描图】
【本文地址】