python实现彩照转黑白以及图片转素描画

(1)彩照转黑白

# -*- coding: utf-8 -*-
"""
Created on Thu Mar 21 03:45:16 2019

@author: czh
"""
%clear
%reset -f
# In[*]
from PIL import Image
import numpy as np
import os
os.chdir('D:\\train\\cv')
# In[*]

from PIL import Image
import numpy as np
a = np.asarray(Image.open("AWM.jpg").convert('L'))#.convert是变成黑白的
grad = np.gradient(a)
grad
grad_x, grad_y = grad

# In[*]
b=255-a#在对应的颜色通道减去他自己变成黑白底片的效果
im=Image.fromarray(b.astype('uint8'))
im
# In[*]

c=(100/255)*a+150#区间变换,颜色比较淡的灰度的图片
im=Image.fromarray(c.astype('uint8'))

im
# In[*]
d=255*(a/255)**2#像素平方,颜色比较深的图
im=Image.fromarray(d.astype('uint8'))
im

image.png

image.png

image.png

(2)图片转素描画

通过Numpy中的asarray函数将图片的灰度值以浮点型矩阵的形式存储起来,再用gradient函数得出图片灰度值的梯度

# -*- coding: utf-8 -*-
"""
Created on Thu Mar 21 03:45:16 2019

@author: czh
"""
%clear
%reset -f
# In[*]
from PIL import Image
import numpy as np
import os
os.chdir('D:\\train\\cv')
# In[*]

from PIL import Image
import numpy as np
a = np.asarray(Image.open("StarryNight.jpg").convert('L'))#.convert是变成黑白的
grad = np.gradient(a)
grad
Out[37]: 
[array([[225. , 233. , 252. , ...,  18. ,  19. ,   2. ],
        [  0.5, 127. ,   3.5, ...,   5. ,  18. ,  17. ],
        [ 19.5,  10. , 126.5, ..., 103.5,   5.5,  29. ],
        ...,
        [  0. ,   0.5,   1. , ..., 126.5, 126.5, 126.5],
        [  4. ,   4.5,   5. , ...,   7. ,   7. ,   7. ],
        [  9. ,  10. ,   9. , ...,  13. ,  13. ,  13. ]]),
 array([[239. ,   0. ,  21. , ..., 113.5, 115.5, 243. ],
        [247. ,  13.5,  29. , ...,  25.5, 107.5, 226. ],
        [236. ,   3. ,  17. , ...,  62.5, 127.5, 241. ],
        ...,
        [242. , 116.5, 126. , ...,   4. ,   5. ,   5. ],
        [242. , 117.5, 127. , ...,   3. ,   5. ,   5. ],
        [243. , 117.5, 127. , ...,   5. ,   5. ,   5. ]])]

我们来观察一下L矩阵,可以看出a是一个二维浮点型矩阵,因此它的梯度grad里应该有两个数组矩阵,分别对应两层维度的梯度。现取最外层维度梯度为x方向的梯度值grad_x,取第二层维度梯度值为y方向梯度值grad_y

grad_x, grad_y = grad

这时我们已经取得了图像的梯度值,就可以通过改变像素的梯度值来改变图像的灰度变化,对图像进行重构了。我们先设一个深度值depth,取值范围为(0,100),然后利用深度调整x和y方向的梯度值。 我们使

grad_x = grad_x*depth/100.
grad_y = grad_y*depth/100.

深度值越小,重构后的图像梯度值越小,即图像灰度值变化越小,画面线条越少,整体更显洁净。

比如当depth=1时:

反之,深度值越大,重构后的图像梯度值越大,即图像灰度值变化越大,画面线条越多,整体更显肮脏。比如当depth=100时

image.png

因此我们需要通过改变depth,找到最符合人类视觉远近程度的深度值。经过多次测试发现,当深度值为10左右时,即图像灰度梯度变为原来的10%左右时,画面最接近手绘化效果。(当然,对于不同的图片,这个最佳深度值不一定相同)。在本文中我们取depth=10

制造光源效果

类似版画的效果,这是因为此时的图像还没有光源效果,跟我们实际观察事物的感觉不一样,因此我们还需要为图像制造光源效果。如图,我们先假设一个光源位于图像斜上方,设俯视角为el,方位角为az,则单位光线在x,y,z方向上的投影长度分别为:通过多次调整发现,当俯视角el=π/2.2, 方位角az=π/4时光照效果最好。(当然对于不同图像两个角度的选取不一定相同)

实现代码为:

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

我们将这个过程叫做光源的归一化

重构图像

由于灰度值的选取范围为(0,255),为了避免数据越界,需要将生成的灰度值裁剪至0-255之间

b = b.clip(0,255)

由新的灰度值重构图像

im = Image.fromarray(gd.astype('uint8'))

其中uint8是一种数据类型。这时图像的手绘化效果已经完成了

# -*- coding: utf-8 -*-
"""
Created on Thu Mar 21 03:45:16 2019

@author: czh
"""
%clear
%reset -f
# In[*]
from PIL import Image
import numpy as np
import os
os.chdir('D:\\train\\cv')
# In[*]

from PIL import Image
import numpy as np
a = np.asarray(Image.open("AWM.jpg").convert('L'))#.convert是变成黑白的
grad = np.gradient(a)
grad
grad_x, grad_y = grad

# In[*]
b=255-a#在对应的颜色通道减去他自己变成黑白底片的效果
im=Image.fromarray(b.astype('uint8'))
im
# In[*]

c=(100/255)*a+150#区间变换,颜色比较淡的灰度的图片
im=Image.fromarray(c.astype('uint8'))

im
# In[*]
d=255*(a/255)**2#像素平方,颜色比较深的图
im=Image.fromarray(d.astype('uint8'))
im


# In[*]
a = np.asarray(Image.open("AWM.jpg").convert('L')).astype('float')
# In[*]
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
# In[*]
im.save("手绘.jpg")

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券