（1）彩照轉黑白
# -*- coding: utf-8 -*-
"""
Created on Thu Mar 21 03:45:16 2019
@author: czh
"""
%clear
%reset -f
# In[*]
from PIL import Image
import numpy as np
import os
os.chdir('D:\\train\\cv')
# In[*]
from PIL import Image
import numpy as np
a = np.asarray(Image.open("AWM.jpg").convert('L'))#.convert是變成黑白的
grad = np.gradient(a)
grad
grad_x, grad_y = grad
# In[*]
b=255-a#在對應的顔色通道減去他自己變成黑白底片的效果
im=Image.fromarray(b.astype('uint8'))
im
# In[*]
c=(100/255)*a+150#區間變換,顔色比較淡的灰階的圖檔
im=Image.fromarray(c.astype('uint8'))
im
# In[*]
d=255*(a/255)**2#像素平方,顔色比較深的圖
im=Image.fromarray(d.astype('uint8'))
im 複制
image.png
image.png
image.png
（2）圖檔轉素描畫
通過Numpy中的asarray函數将圖檔的灰階值以浮點型矩陣的形式存儲起來，再用gradient函數得出圖檔灰階值的梯度
# -*- coding: utf-8 -*-
"""
Created on Thu Mar 21 03:45:16 2019
@author: czh
"""
%clear
%reset -f
# In[*]
from PIL import Image
import numpy as np
import os
os.chdir('D:\\train\\cv')
# In[*]
from PIL import Image
import numpy as np
a = np.asarray(Image.open("StarryNight.jpg").convert('L'))#.convert是變成黑白的
grad = np.gradient(a)
grad
Out[37]:
[array([[225. , 233. , 252. , ..., 18. , 19. , 2. ],
[ 0.5, 127. , 3.5, ..., 5. , 18. , 17. ],
[ 19.5, 10. , 126.5, ..., 103.5, 5.5, 29. ],
...,
[ 0. , 0.5, 1. , ..., 126.5, 126.5, 126.5],
[ 4. , 4.5, 5. , ..., 7. , 7. , 7. ],
[ 9. , 10. , 9. , ..., 13. , 13. , 13. ]]),
array([[239. , 0. , 21. , ..., 113.5, 115.5, 243. ],
[247. , 13.5, 29. , ..., 25.5, 107.5, 226. ],
[236. , 3. , 17. , ..., 62.5, 127.5, 241. ],
...,
[242. , 116.5, 126. , ..., 4. , 5. , 5. ],
[242. , 117.5, 127. , ..., 3. , 5. , 5. ],
[243. , 117.5, 127. , ..., 5. , 5. , 5. ]])] 複制
我們來觀察一下L矩陣，可以看出a是一個二維浮點型矩陣，是以它的梯度grad裡應該有兩個數組矩陣，分别對應兩層次元的梯度。現取最外層次元梯度為x方向的梯度值grad_x，取第二層次元梯度值為y方向梯度值grad_y
grad_x, grad_y = grad 複制
這時我們已經取得了圖像的梯度值，就可以通過改變像素的梯度值來改變圖像的灰階變化，對圖像進行重構了。我們先設一個深度值depth，取值範圍為（0，100），然後利用深度調整x和y方向的梯度值。
我們使
grad_x = grad_x*depth/100.
grad_y = grad_y*depth/100. 複制
深度值越小，重構後的圖像梯度值越小，即圖像灰階值變化越小，畫面線條越少，整體更顯潔淨。
比如當depth=1時：
反之，深度值越大，重構後的圖像梯度值越大，即圖像灰階值變化越大，畫面線條越多，整體更顯肮髒。比如當depth=100時
image.png
是以我們需要通過改變depth，找到最符合人類視覺遠近程度的深度值。經過多次測試發現，當深度值為10左右時，即圖像灰階梯度變為原來的10%左右時，畫面最接近手繪化效果。（當然，對于不同的圖檔，這個最佳深度值不一定相同）。在本文中我們取depth=10
制造光源效果
類似版畫的效果，這是因為此時的圖像還沒有光源效果，跟我們實際觀察事物的感覺不一樣，是以我們還需要為圖像制造光源效果。如圖，我們先假設一個光源位于圖像斜上方，設俯視角為el，方位角為az，則機關光線在x,y,z方向上的投影長度分别為：通過多次調整發現，當俯視角el=π/2.2, 方位角az=π/4時光照效果最好。（當然對于不同圖像兩個角度的選取不一定相同）
實作代碼為：
depth = 10 # (0-100)
grad = np.gradient(a) #取圖像灰階的梯度值
grad_x, grad_y =grad #分别取橫縱圖像梯度值
grad_x = grad_x*depth/100.
grad_y = grad_y*depth/100.
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 # 光源的俯視角度，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) #光源對x 軸的影響
dy = np.cos(vec_el)*np.sin(vec_az) #光源對y 軸的影響
dz = np.sin(vec_el) #光源對z 軸的影響
b = 255*(dx*uni_x + dy*uni_y + dz*uni_z) #光源歸一化 複制
我們将這個過程叫做光源的歸一化
重構圖像
由于灰階值的選取範圍為（0，255），為了避免資料越界，需要将生成的灰階值裁剪至0-255之間
b = b.clip(0,255) 複制
由新的灰階值重構圖像
im = Image.fromarray(gd.astype('uint8')) 複制
其中uint8是一種資料類型。這時圖像的手繪化效果已經完成了
# -*- coding: utf-8 -*-
"""
Created on Thu Mar 21 03:45:16 2019
@author: czh
"""
%clear
%reset -f
# In[*]
from PIL import Image
import numpy as np
import os
os.chdir('D:\\train\\cv')
# In[*]
from PIL import Image
import numpy as np
a = np.asarray(Image.open("AWM.jpg").convert('L'))#.convert是變成黑白的
grad = np.gradient(a)
grad
grad_x, grad_y = grad
# In[*]
b=255-a#在對應的顔色通道減去他自己變成黑白底片的效果
im=Image.fromarray(b.astype('uint8'))
im
# In[*]
c=(100/255)*a+150#區間變換,顔色比較淡的灰階的圖檔
im=Image.fromarray(c.astype('uint8'))
im
# In[*]
d=255*(a/255)**2#像素平方,顔色比較深的圖
im=Image.fromarray(d.astype('uint8'))
im
# In[*]
a = np.asarray(Image.open("AWM.jpg").convert('L')).astype('float')
# In[*]
depth = 10 # (0-100)
grad = np.gradient(a) #取圖像灰階的梯度值
grad_x, grad_y =grad #分别取橫縱圖像梯度值
grad_x = grad_x*depth/100.
grad_y = grad_y*depth/100.
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 # 光源的俯視角度，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) #光源對x 軸的影響
dy = np.cos(vec_el)*np.sin(vec_az) #光源對y 軸的影響
dz = np.sin(vec_el) #光源對z 軸的影響
b = 255*(dx*uni_x + dy*uni_y + dz*uni_z) #光源歸一化
b = b.clip(0,255)
im = Image.fromarray(b.astype('uint8')) #重構圖像
im
# In[*]
im.save("手繪.jpg") 複制