原标題:故宮下雪了!我花了45秒,用Python給它畫了一組手繪圖
作者:戀習Python / 丁彥軍 (本文來自作者投稿)
這幾天,許多城市,迎來了2019年的第一場雪
13日早晨,當北京市民拉開窗簾時發現,窗外雪花紛紛揚揚在空中飄落
而且越下越大,樹上、草地、屋頂、道路上...都落滿雪花
京城銀裝素裹,這是今冬以來北京迎來的第二場降雪
一下雪,北京就變成了北平,故宮就變成了紫禁城
八萬張門票在雪花飄下來之前,便早已預訂一空
看着朋友圈、微網誌好友都在紛紛曬圖,小編隻能羨慕不已。
不過,戀習Python突然想到,可以通過Python将故宮的建築物圖檔,轉化為手繪圖(素描效果)。效果圖如下:
![](https://img.laitimes.com/img/9ZDMuAjOiMmIsIjOiQnIsIyZlBnauMTO2cDZyQWY2MGZhRTZygjYlBDN5cTOxImYhVTO3UWNvwFMyIDM5EDMy8CXzV2Zh1WavwVbvNmLzNWdo92cu4GZj5SNyITN5UTZ4gTOwIWNvw1LcpDc0RHaiojIsJye.jpeg)
一、概念與原理
我們都知道手繪圖效果的特征主要有:
黑白灰色;邊界線條較重;相同或相近色彩趨于白色;略有光源效果
核心原理:利用像素之間的梯度值和虛拟深度值對圖像進行重構,根據灰階變化來模拟人類視覺的模拟程度
把圖像看成二維離散函數,灰階梯度其實就是這個二維離散函數的求導,用差分代替微分,求取圖像的灰階梯度。常用的一些灰階梯度模闆有:Roberts 梯度、Sobel 梯度、Prewitt 梯度、Laplacian 梯度。
以Sobel 梯度計算來解釋:
首先計算出、,然後計算梯度角
梯度方向及圖像灰階增大的方向,其中梯度方向的梯度夾角大于平坦區域的梯度夾角。如下圖所示,灰階值增加的方向梯度夾角大,此時梯度夾角大的方向為梯度方向。對應在圖像中尋找某一點的梯度方向即通過計算該點與其8鄰域點的梯度角,梯度角最大即為梯度方向。
二、圖像的數組形式與變換
其中,需要用到的方法:
Image.open( ): 打開圖檔
np.array( ) : 将圖像轉化為數組
convert("L"): 将圖檔轉換成二維灰階圖檔
Image.fromarray( ): 将數組還原成圖像uint8格式
代碼如下:
fromPIL importImage
importnumpy asnp
im = Image.open( r"C:UsersAdministratorDesktopgugong微信圖檔_20190216152248.jpg").convert( 'L')
a=np.asarray(im).astype( 'float')
print(a.shape,a.dtype)
( 1080, 608) float64
#(1080, 608)分别表示高度,寬度
三、圖像的手繪效果處理
實作思路步驟:
1、梯度的重構
numpy的梯度函數的介紹
np.gradient(a) : 計算數組a中元素的梯度,f為多元時,傳回每個次元的梯度
離散梯度: xy坐标軸連續三個x軸坐标對應的y軸值:a, b, c 其中b的梯度是(c-a)/2
而c的梯度是: (c-b)/1
當為二維數組時,np.gradient(a) 得出兩個數組,第一個數組對應最外層次元的梯度,第二個數組對應第二層次元的梯度。
代碼如下:
grad=np.gradient(a)
grad_x,grad_y=grad
grad_x = grad_x * depth / 100. #對grad_x值進行歸一化
grad_y = grad_y * depth / 100. #對grad_y值進行歸一化
2、構造guan光源效果
設計一個位于圖像斜上方的虛拟光源
光源相對于圖像的視角為Elevation,方位角為Azimuth
建立光源對各點梯度值的影響函數
運算出各點的新像素值
其中:
np.cos(evc.el) : 機關光線在地平面上的投射長度
dx,dy,dz :光源對x,y,z三方向的影響程度
3、梯度歸一化
構造x和y軸梯度的三維歸一化機關坐标系;
梯度與光源互相作用,将梯度轉化為灰階。
4、圖像生成
具體詳情代碼如下:
fromPIL importImage
importnumpy asnp
importos
importjoin
importtime
defimage(sta,end,depths=10):
a = np.asarray(Image.open(sta).convert( 'L')).astype( 'float')
depth = depths # 深度的取值範圍(0-100),标準取10
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.#對grad_x值進行歸一化
grad_y = grad_y * depth / 100.#對grad_y值進行歸一化
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.save(end)
defmain():
xs= 10
start_time = time.clock()
startss = os.listdir( r"C:UsersAdministratorDesktopgugong")
time.sleep( 2)
forstarts instartss:
start = ''.join(starts)
sta = 'C:/Users/Administrator/Desktop/gugong/'+ start
end = 'C:/Users/Administrator/Desktop/gugong/'+ 'HD_'+ start
image(sta=sta,end=end,depths=xs)
end_time = time.clock()
print( '程式運作了 ----'+ str(end_time - start_time) + ' 秒')
time.sleep( 3)
main()
程式運作了 --- -43.01828205879955秒 #一共35張圖檔
最終效果圖對比:
其他圖檔就不一一列舉;你也可以通過此代碼為自己畫一張手繪圖;也可以為自己的家鄉或母校畫。
參考資料:北京理工大學的嵩天老師的網絡課程
http://www.icourse163.org/learn/BIT-1001870002?tid=1001963001#/learn/announce
【本文作者】
丁彥軍:一名癡戀于 Python 的碼農,個人公号:「戀習Python」,在這裡我們一起用Python 做些有意義的事。
(點選标題可跳轉閱讀)傳回搜狐,檢視更多
責任編輯: