前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >故宫下雪了!我用Python给它画了一组手绘图,仅用45秒(附代码)

故宫下雪了!我用Python给它画了一组手绘图,仅用45秒(附代码)

作者头像
数据派THU
发布2019-05-09 15:13:04
1.5K0
发布2019-05-09 15:13:04
举报
文章被收录于专栏:数据派THU

来源:恋习Python

本文约1300字,建议阅读7分钟

本文介绍图像处理的基本概念与原理,并手把手教你图片的手绘效果处理。

这几天,许多城市,迎来了2019年的第一场雪。

13日早晨,当北京市民拉开窗帘时发现,窗外雪花纷纷扬扬在空中飘落 而且越下越大,树上、草地、屋顶、道路上...都落满雪花 京城银装素裹,这是今冬以来北京迎来的第二场降雪 一下雪,北京就变成了北平,故宫就变成了紫禁城

八万张门票在雪花飘下来之前,便早已预订一空。

看着朋友圈、微博好友都在纷纷晒图,小编只能羡慕不已。

不过,我们突然想到,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:

一、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。

二、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:

代码语言:javascript
复制
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

三、图像的手绘效果处理

实现思路步骤:

  • 梯度的重构
  • 构造guan光源效果
  • 梯度归一化
  • 图像生成

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:

代码语言:javascript
复制
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:

代码语言:javascript
复制
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:

其他图片就不一一列举,若需要获取更多图片素材,后台回复“故宫雪景”即可获得;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。

最后温馨提示:

人生苦短,我用Python;

除了生娃,啥都能干!!

欢迎大家在留言处,留言自己曾经用Python做过哪些有意思的事!

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

编辑:黄继彦

校对:陈瑞清

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-02-20,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 数据派THU 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档