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。