NumPy入门之图像数组

RGB色彩模式
R:红 G:绿 B:蓝
取值范围为0-255

PIL库,强大的图像处理的第三方库。

图像是一个由像素组成的二维矩阵,每个元素都是一个RGB值。
图像是一个三维数组,维度分别是高度、宽度、和像素RGB值(分别由一个uint8类型来表示)

图像变化

from PIL import Image
import numpy as np
a = np.array(Image.open("D:/Spyder_pro/test.jpg"))

print(a.shape,a.dtype)
(405, 720, 3) uint8

b=[255,255,255] - a #求补值

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

im.save("D:/Spyder_pro/test02.jpg")
原始图片:test.jpg
处理后:test02.jpg

图像手绘效果变化

grad_狐妖小红娘01.jpg
狐妖小红娘01.jpg

手绘图特点:

  • 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

    手绘图的实现

手绘风格是灰度化的基础上在立体效果和明暗效果的叠加
利用像素之间的梯度值和虚拟深度值(立体效果)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

# -*- coding: utf-8 -*-
"""
Created on Fri Sep 27 12:02:20 2019

@author: 稀奇古怪
"""
from PIL import Image
import numpy as np

a = np.asarray(Image.open("D:/Spyder_pro/img/狐妖小红娘01.jpg")\
.convert('L')).astype('float')

# convert('L') 将彩色值图片转变诶灰度值图片

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 # 取横纵图像梯度值
grad_x = grad_x * depth / 100. 
grad_y = grad_y * depth / 100.
# 深度值*方向梯度值 \
# 来添加深度对于梯度的影响因素 /100做归一化

A = np.sqrt(grad_x**2 + grad_y**2 +1.)
uni_x = grad_x / A # 图像平面内单位法向量
uni_y = grad_y / A
uni_z = 1. / A
# 梯度归一化

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) # 梯度和光源相互作用,将梯度转化为灰度。
# 光源归一化
b = b.clip(0,255) # 为避免数据越界,将生成的灰度值裁剪到0-255

im = Image.fromarray(b.astype('uint8')) # 重构图像
im.save("D:/Spyder_pro/img/grad_狐妖小红娘01.jpg")
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,265评论 6 490
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,078评论 2 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 156,852评论 0 347
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,408评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,445评论 5 384
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,772评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,921评论 3 406
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,688评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,130评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,467评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,617评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,276评论 4 329
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,882评论 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,740评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,967评论 1 265
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,315评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,486评论 2 348

推荐阅读更多精彩内容