数据分析：单元3 图像的手绘效果实现

目录

内容导论

图像的数组表示

图像的变换

“图像的手绘效果”分析

---

图像的数组表示

• 图像的RGB色彩模式

图像一般使用RGB色彩模式，即每个像素点的颜色由红(R)、绿(G)、蓝(B)组成。

RGB三个颜色通道的变化和叠加得到各种颜色，其中

1.  R 红色，取值范围，0‐255
2.  G 绿色，取值范围，0‐255
3.  B 蓝色，取值范围，0‐255

RGB形成的颜色包括了人类视力所能感知的所有颜色。

• PIL库

PIL——Python Image Library

PIL库是一个具有强大图像处理能力的第三方库 在命令行下的安装方法：

#安装
pip install pillow
#引入包
from PIL import Image

Image是PIL库中代表一个图像的类（对象）。

• 图像组成

图像是一个由像素组成的二维矩阵，每个元素是一个RGB值，它是（R，G，B）。图像是一个三维数组，维度分别是高度、宽度和像素RGB值。

from PIL import Image
import numpy as np
 
im=np.array(Image.open("beijing.jpg"))
print(im.shape,im.dtype)

它的输出是

(669, 1012, 3) uint8

---

图像的变换

我们将会完成在读入图像后，获得像素RGB值，修改后保存为新的文件。

让我们先来看看对每个像素形成互补的图像：

from PIL import Image
import numpy as np
 
a=np.array(Image.open("beijing.jpg"))
b=[255,255,255]-a
im=Image.fromarray(b.astype("uint8"))
im.save('./new.jpg')

 

再来看看图像进行灰度处理后，剩下两个通道。

from PIL import Image
import numpy as np
 
a=np.array(Image.open("beijing.jpg").convert("L"))
b=255-a
im=Image.fromarray(b.astype("uint8"))
im.save('./new.jpg')

 

灰度图像后的区间变换

from PIL import Image
import numpy as np
 
a=np.array(Image.open("beijing.jpg").convert("L"))
b=(100/255)*a+150
im=Image.fromarray(b.astype("uint8"))
im.save('./new.jpg')

 

灰度图像后的像素平方

from PIL import Image
import numpy as np
 
a=np.array(Image.open("beijing.jpg").convert("L"))
b=255*(a/255)**2
im=Image.fromarray(b.astype("uint8"))
im.save('./new.jpg')

 

那大家也看到了，我们只需要对其b进行修改即可。

---

图像的手绘效果

• 手绘效果展示

 手绘效果的几个特征：

1. 黑白灰色
2. 边界线条较重
3. 相同或相近色彩趋于白色
4. 略有光源效果

• 代码展示与讲解

from PIL import Image
import numpy as np
 
a = np.asarray(Image.open('./beijing.jpg').convert('L')).astype('float')
 
depth = 10. 						# (0-100)
grad = np.gradient(a)				#取图像灰度的梯度值
grad_x, grad_y = grad 				#分别取横纵图像梯度值
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) 	#光源归一化
b = b.clip(0,255)
 
im = Image.fromarray(b.astype('uint8')) 	#重构图像
im.save('./beijingHD.jpg')
 

梯度的重构

利用像素之间的梯度值和虚拟深度值对图像进行重构，根据灰度变化来模拟人类视觉的远近程度。

depth = 10.					
grad = np.gradient(a)				
grad_x, grad_y = grad 				
grad_x = grad_x*depth/100.
grad_y = grad_y*depth/100.

depth预设深度值为10，其取值范围0‐100，再提取x和y方向的梯度值，根据深度调整x和y方向的梯度值。

光源效果

根据灰度变化来模拟人类视觉的远近程度。

1. 设计一个位于图像斜上方的虚拟光源
2. 光源相对于图像的俯视角为Elevation，方位角为Azimuth
3. 建立光源对个点梯度值的影响函数
4. 运算出各点的新像素值

vec_el = np.pi/2.2 				
vec_az = np.pi/4. 				
dx = np.cos(vec_el)*np.cos(vec_az) 	
dy = np.cos(vec_el)*np.sin(vec_az) 	
dz = np.sin(vec_el) 			

np.cos(vec_el)为单位光线在地平面上的投影长度，dx, dy, dz是光源对x/y/z三方向的影响程度。

梯度归一化

A = np.sqrt(grad_x**2 + grad_y**2 + 1.)
uni_x = grad_x/A
uni_y = grad_y/A
uni_z = 1./A
b = 255*(dx*uni_x + dy*uni_y + dz*uni_z) 

A是构造x和y轴梯度的三维归一化单位坐标系，然后梯度与光源相互作用，将梯度转化为灰度

图像生成 

b = b.clip(0,255)
 
im = Image.fromarray(b.astype('uint8')) 	#重构图像
im.save('./beijingHD.jpg')

在这里，为避免数据越界，将生成的灰度值裁剪至0‐255区间