链家网站开发,如何网站切换,wordpress 一键置顶,房地产新闻发布会图像的数组表示
图像是有规则的二维数据#xff0c;可以用numpy 库将图像转换成数组对象 :
from PIL import Image
import numpy as np
imnp.array(Image.open(D://np.jpg))
print(im.shape,im.dtype)结果#xff1a; 图像转换对应的ndarray 类型是3 维数据可以用numpy 库将图像转换成数组对象 :
from PIL import Image
import numpy as np
imnp.array(Image.open(D://np.jpg))
print(im.shape,im.dtype)结果 图像转换对应的ndarray 类型是3 维数据如(569, 813, 3)其中前两维表示图像的长度和宽度单位是像素第三维表示每个像素点的RGB 值每个RGB 值是一个单字节整数。 像素处理
一.convert()函数
PIL 库包括图像转换函数能够改变图像单个像素的表示形式。使用convert()函数 lmage.convert(mode) #使用不同的参数转换图像为新的模式返回新副本 1.RGB模式RGBRGB模式是最常见的彩色图像模式它使用红色、绿色和蓝色三个通道来表示图像的颜色。
2.’L’模式表示将像素从RGB 的3 字节形式转变为单一数值形式这个数值范围在0 到255表示灰度色彩变化。
3.RGBA模式RGBARGBA模式也是一种彩色图像模式与RGB模式类似但多了一个Alpha通道。Alpha通道表示图像的透明度取值范围为0到2550代表完全透明255代表完全不透明。
4.CMYK模式CMYKCMYK模式主要用于印刷领域使用青色、品红色、黄色和黑色四个通道来表示颜色。它与RGB模式的颜色表示方式不同。
5.HSV模式HSVHSV模式是一种基于色调Hue、饱和度Saturation和亮度Value的颜色表示方式。它可以更直观地表示颜色的属性。
以L类型举例
from PIL import Image
import numpy as np
im np.array(Image.open(D://np.jpg).convert(L))
print(im.shape, im.dtype)结果
此时图像从彩色变为带有灰度的黑白色。转换后图像的ndarray 类型变为二维数据每个像素点色彩只由一个整数表示。 二.numpy访问像素值
通过对图像的数组转换可以利用numpy 访问图像上任意像素值例如获取访问位于坐标(20, 300)像素的颜色值或获取图像中最大和最小的像素值。也可以采用切片方式获取指定行或列的元素值甚至修改这些值。 im[20][300]
28print(int(im.min()),int(im.max()))
0 255print(im[10,:])
[ 2 4 6 7 7 ... 13 12] 三.图像变换
将图像读入ndarray 数组对象后可以通过任意数学操作来获取相应的图像变换。以灰度变换为例分别对灰度变化后的图像进行反变换、区间变化和像素值平方处理。
注有些数学变换会改变图像的数据类型如变成浮点数等所以在重新生成PIL 图像前要先将数据类型通过numpy.uint()变换成整数 im0 np.array(Image.open(np.jpg).convert(L)) im1 255 - im0 #反变换 im2 (100/255)*im0 150 #区间变换 im3 255*(im1/255)**2 #像素平方处理 pil_im Image.fromarray(np.uint(im1)) #对im1,im2,im3执行 pil_im.show() 原图 处理过后 四.手绘效果的实现
- 为了实现手绘风格即黑白轮廓描绘首先需要读取原图像的明暗变化即灰度值。从直观视觉感受上定义图像灰度值显著变化的地方就是梯度它描述了图像灰度变化的强度。
- 通常可以使用梯度计算来提取图像轮廓numpy 中提供了直接获取灰度图像梯度的函数gradient()传入图像数组表示即可返回代表x 和y 各自方向上梯度变化的二维元组。 numpy.gradient(f, *varargs, axisNone, edge_order1) f,包含标量函数样本的n维数组 varargs:标量或数组列表可选 edge_order:{1,2}, 可选。使用n阶精确的边界差来计算梯度。默认值:1。 axis:沿着给定的轴计算梯度 返回: f关于每一维的梯度 将光源定义为三个参数方位角vec_az、俯视角vec_el 和深度权值depth。两个角度的设定和单位向量构成了基础的柱坐标系体现物体相对于虚拟光源的位置。 通过np.gradient()函数计算图像梯度值作为新色彩计算的基础。为了更直观的进行计算可以把角度对应的柱坐标转化为xyz 立体坐标系。dx、dy、dz 是像素点在施加模拟光源后在x、y、z 方向上明暗度变化的加权向量。
A 是梯度幅值也是梯度大小。各个方向上总梯度除以幅值得到每个像素单元的梯度值。利用每个单元的梯度值和方向加权向量合成灰度值clip 函数用预防溢出并归一化到0‐255 区间。最后从数组中恢复图像并保存。
from PIL import Image
import numpy as npim Image.open(D://np.jpg).convert(L)
a np.asarray(im).astype(float)depth 10.0 # 设置深度值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 / 100vec_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A np.sqrt(grad_x**2 grad_y**2 1.0)
uni_x grad_x / A
uni_y grad_y / A
uni_z 1.0 / Aa2 255 * (dx * uni_x dy * uni_y dz * uni_z) # 光源归一化
a2 a2.clip(0, 255)im2 Image.fromarray(a2.astype(uint8)) # 重构图像
im2.save(D://npHandDraw2.jpg) # 保存图像原图 结果 可以进入如下链接学习
Python实现图像手绘效果的方法详解_python_脚本之家 (jb51.net)
手绘图像的基本思想是利用像素之间的梯度值而不是像素本身重构每个像素值。为了体现光照效果设计一个光源建立光源对各点梯度值的影响函数进而运算出新的像素值从而体现边界点灰度变化形成手绘效果。
具体来说为了更好体现立体感增加一个z方向梯度值并给x 和y 方向梯度值赋权值depth。这种坐标空间变化相当于给物体加上一个虚拟光源根据灰度值大小模拟各部分相对于人视角的远近程度使画面显得有“深度”。
在利用梯度重构图像时对应不同梯度取0‐255 之间不同的灰度值depth 的作用就在于调节这个对应关系。depth 较小时背景区域接近白色画面显示轮廓描绘depth 较大时整体画面灰度值较深近似于浮雕效果。
