Python实战：图像的变换&图像的手绘效果

一、图像的数组表示

图像一般是使用RGB色彩模式，即每个像素点的颜色由红、绿、蓝组成。三种颜色叠加可以得到各种颜色，包括了人类视力所能感知的所有颜色。其中：

• R 红色，取值范围是0-255
• G 绿色，取值范围是0-255
• B 蓝色，取值范围是0-255

图像是由像素组成的二维矩阵，每个元素是一个RGB值。即图像可以用一个三维数组表示，维度分别是高度、宽度和像素RGB值，数据类型是uint8。

在Python中有一个强大的图像处理的第三方库，即PIL，安装方法：pip install pillow，通过from PIL import Image调用图像的类对图像进行数组表示。

# 库导入

import numpy as np

from PIL import Image

# 图像读取

a=np.array(Image.open("C:/Users/花花/Desktop/image/fj.jpg"))

print(a.shape,a.dtype)



# (483, 752, 3) uint8

二、图像的变换

由于图像可以表示为数组，数组可以进行运算，那么通过运算变换像素的RGB值即可实现图像的变换。例如可以进行取反、区间变换、平方等运算，来实现图像的变换。代码及效果如下：

# 图像的变换1

b=[255,255,255]-a   # 像素变换，取反

im=Image.fromarray(b.astype('uint8'))   # 重新生成变换像素后的图像类型

im.save("C:/Users/花花/Desktop/image/fj1.jpg")  # 保存新的图像文件

原图

效果图-图像变换1

# 图像的变换2

# convert('L')是对彩色图片变成为灰度值图片，这样生成的数组是二维数组，对应灰度值

a1=np.array(Image.open("C:/Users/花花/Desktop/image/fj.jpg").convert('L'))  

b1=255-a1   # 取反

im1=Image.fromarray(b1.astype('uint8'))

im1.save("C:/Users/花花/Desktop/image/fj2.jpg")

原图

效果图-图像变换2

# 图像的变换3

a2=np.array(Image.open("C:/Users/花花/Desktop/image/fj.jpg").convert('L'))

c=(100/255)*a2+150  # 区间变换

im2=Image.fromarray(c.astype('uint8'))

im2.save("C:/Users/花花/Desktop/image/fj3.jpg")

原图

效果图-图像变换3

# 图像的变换4

a3=np.array(Image.open("C:/Users/花花/Desktop/image/fj.jpg").convert('L'))

d=255*(a3/255)**2  # 像素平方

im3=Image.fromarray(d.astype('uint8'))

im3.save("C:/Users/花花/Desktop/image/fj4.jpg")

原图

效果图-图像变换4

三、图像的手绘效果

手绘一般是黑白灰色，且线条感较重，有一定的光感。需要利用像素之前的梯度值和虚拟深度值对图像进行重构，利用灰度变化模拟人类视觉的远近程度。首先构建三维坐标中新的梯度值并归一化，然后预设光源构建光源对三维坐标系各个轴的单位影响，最后通过梯度和光源相互作用，实现灰度值的重构，形成新的图像文件，即为手绘效果。完整代码和效果如下：

from PIL import Image

import numpy as np



# 图像识别

a=np.array(Image.open("C:/Users/花花/Desktop/image/fj.jpg").convert('L')).astype('float')



# 梯度重构和归一化

depth=10.                            # 预设深度值为10，取值范围（0-100）

grad=np.gradient(a)                  # 取图像灰度的梯度值

grad_x,grad_y=grad                   # 分别取横纵轴方向梯度值

grad_x=grad_x*depth/100              # 根据深度调整横轴和纵轴方向的梯度值

grad_y=grad_y*depth/100

A=np.sqrt(grad_x**2+grad_y**2+1)     # 构建三维归一化单位坐标系

uni_x=grad_x/A

uni_y=grad_y/A

uni_z=1./A



# 光源的调整和归一化

vec_el=np.pi/2.2                      # 预设光源的俯视角度，弧度值

vec_az=np.pi/4.                       # 预设光源的方位角度，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)    # 梯度与光源相互作用，实现灰度值重构

b=b.clip(0,255)                       # 避免数据越界，将生成的灰度裁剪成0-255区间



im=Image.fromarray(b.astype('uint8'))    #重构为图像类型

im.save("C:/Users/花花/Desktop/image/fjHD.jpg")

原图

手绘效果图