利用python将图片手绘化
首先,我们在这里面会用到的库有PIL的Image与numpy库:
from PIL import Image import numpy as np
然后,我们将要用的图片调出,然后将其转化为灰度图
im=Image.open("im.jpg") im=im.convert(L) im.save(灰度.jpg)
然后我们要对整个图像取其梯度,然后对图形进行重构
a=np.asarray(im).astype(float) grd=np.gradient(a) grd_x,grd_y=grd grd_x=grd_x*dep/100. grd_y=grd_y*dep/100.
加入光源的效果
dx=np.cos(el)*np.cos(az) dy=np.cos(el)*np.sin(az) dz=np.sin(el) uni_x=grd_x/np.sqrt(grd_x**2+grd_y**2+1.) uni_y=grd_y/np.sqrt(grd_x**2+grd_y**2+1.) uni_z=1./np.sqrt(grd_x**2+grd_y**2+1.) b=255*(dx*uni_x+dy*uni_y+dz*uni_z)
然后重构图像:
b=b.clip(0,255) im0=Image.fromarray(b.astype(uint8))
最终储存图像:
im0.save(im0.jpg)
完整的代码如下:
from PIL import Image import numpy as np #为了定义好俯视角el、方位角az与深度,将三个变量定义在前面便于调节 el=np.pi/2.2 az=np.pi/4. dep=10. #转化为灰度图 im=Image.open("im.jpg") im=im.convert(L) im.save(灰度.jpg) #取梯度,对图像进行重构 a=np.asarray(im).astype(float) grd=np.gradient(a) grd_x,grd_y=grd grd_x=grd_x*dep/100. grd_y=grd_y*dep/100. #制造光源效果 dx=np.cos(el)*np.cos(az) dy=np.cos(el)*np.sin(az) dz=np.sin(el) uni_x=grd_x/np.sqrt(grd_x**2+grd_y**2+1.) uni_y=grd_y/np.sqrt(grd_x**2+grd_y**2+1.) uni_z=1./np.sqrt(grd_x**2+grd_y**2+1.) b=255*(dx*uni_x+dy*uni_y+dz*uni_z) b=b.clip(0,255) im0=Image.fromarray(b.astype(uint8)) im0.save(im0.jpg)
选一张图进行处理: 原图为美美的傅菁小姐姐: 转换后的图片: 中间我为了看出图片的转化程度,所以加了一行:
im.save(灰度.jpg)
我们发现,对人的舞台照手绘化出来的情况不太好,我认为应该是加了光源位置的问题,若不加光源,并提高dep值到90,我们再次运行程序,得到的结果如下: 可以发现效果要比加光源的情况要好。完整的程序如下:
from PIL import Image import numpy as np #为了定义好俯视角el、方位角az与深度,将三个变量定义在前面便于调节 el=np.pi/2.2 az=np.pi/4. dep=90. #转化为灰度图 im=Image.open("im.jpg") im=im.convert(L) im.save(灰度.jpg) #取梯度,对图像进行重构 a=np.asarray(im).astype(float) grd=np.gradient(a) grd_x,grd_y=grd grd_x=grd_x*dep/100. grd_y=grd_y*dep/100. #制造光源效果 dx=np.cos(el)*np.cos(az) dy=np.cos(el)*np.sin(az) dz=np.sin(el) uni_x=grd_x uni_y=grd_y uni_z=1 b=255*(dx*uni_x+dy*uni_y+dz*uni_z) b=b.clip(0,255) im0=Image.fromarray(b.astype(uint8)) im0.save(im0.jpg)
但是如果我们将图片换为风景照,如下为我在自己学校的照片: 然后经过手绘化的程序,两个程序的结果分别为: 可以看出来不加光源会比加上光源的效果好一些,所以在我们使用程序的时候应该考虑实际的状况。