189 8069 5689
今天就跟大家聊聊有关如何用Python画了一组手绘图，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
网站建设哪家好，找创新互联建站！专注于网页设计、网站建设、微信开发、微信小程序开发、集团企业网站建设等服务项目。为回馈新老客户创新互联还提供了金牛免费建站欢迎大家使用！
这几天，许多城市，迎来了2019年的第一场雪
13日早晨，当北京市民拉开窗帘时发现，窗外雪花纷纷扬扬在空中飘落
而且越下越大，树上、草地、屋顶、道路上...都落满雪花
京城银装素裹，这是今冬以来北京迎来的第二场降雪
一下雪，北京就变成了北平，故宫就变成了紫禁城
八万张门票在雪花飘下来之前，便早已预订一空
看着朋友圈、微博好友都在纷纷晒图，小编只能羡慕不已。
不过，恋习Python突然想到，可以通过Python将故宫的建筑物图片，转化为手绘图（素描效果）。效果图如下：
一、概念与原理
我们都知道手绘图效果的特征主要有：
黑白灰色；边界线条较重；相同或相近色彩趋于白色；略有光源效果
核心原理：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模拟程度
把图像看成二维离散函数，灰度梯度其实就是这个二维离散函数的求导，用差分代替微分，求取图像的灰度梯度。常用的一些灰度梯度模板有：Roberts 梯度、Sobel 梯度、Prewitt 梯度、Laplacian 梯度。
以Sobel 梯度计算来解释：
首先计算出 
、
，然后计算梯度角
梯度方向及图像灰度增大的方向，其中梯度方向的梯度夹角大于平坦区域的梯度夹角。如下图所示，灰度值增加的方向梯度夹角大，此时梯度夹角大的方向为梯度方向。对应在图像中寻找某一点的梯度方向即通过计算该点与其8邻域点的梯度角，梯度角最大即为梯度方向。
二、图像的数组形式与变换
其中，需要用到的方法：
Image.open( ): 打开图片
np.array( ) : 将图像转化为数组
convert("L"): 将图片转换成二维灰度图片
Image.fromarray( ): 将数组还原成图像uint8格式
代码如下：
from PIL import Image
import numpy as np
im = Image.open(r"C:\Users\Administrator\Desktop\gugong\微信图片_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，宽度
三、图像的手绘效果处理
实现思路步骤：
1、梯度的重构
numpy的梯度函数的介绍
np.gradient(a) ： 计算数组a中元素的梯度，f为多维时，返回每个维度的梯度
离散梯度： xy坐标轴连续三个x轴坐标对应的y轴值：a, b, c 其中b的梯度是（c-a）/2
而c的梯度是： (c-b)/1
当为二维数组时，np.gradient(a) 得出两个数组，第一个数组对应最外层维度的梯度，第二个数组对应第二层维度的梯度。
代码如下：
grad=np.gradient(a)
grad_x,grad_y=grad
grad_x = grad_x * depth / 100.#对grad_x值进行归一化
grad_y = grad_y * depth / 100.#对grad_y值进行归一化
2、构造guan光源效果
设计一个位于图像斜上方的虚拟光源
光源相对于图像的视角为Elevation,方位角为Azimuth
建立光源对各点梯度值的影响函数
运算出各点的新像素值
其中：
np.cos(evc.el) : 单位光线在地平面上的投射长度
dx,dy,dz ：光源对x，y，z三方向的影响程度
3、梯度归一化
构造x和y轴梯度的三维归一化单位坐标系；
梯度与光源相互作用，将梯度转化为灰度。
4、图像生成
具体详情代码如下：
from PIL import Image
import numpy as np
import os
import join
import time
def image(sta,end,depths=10):
a = np.asarray(Image.open(sta).convert('L')).astype('float')
depth = depths # 深度的取值范围(0-100)，标准取10
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.#对grad_x值进行归一化
grad_y = grad_y * depth / 100.#对grad_y值进行归一化
A = np.sqrt(grad_x ** 2 + grad_y ** 2 + 1.)
uni_x = grad_x / A
uni_y = grad_y / A
uni_z = 1. / A
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(end)
def main():
xs=10
start_time = time.clock()
startss = os.listdir(r"C:\Users\Administrator\Desktop\gugong")
time.sleep(2)
for starts in startss:
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('程序运行了 ----' + str(end_time - start_time) + ' 秒')
time.sleep(3)
main()
程序运行了 ----43.01828205879955 秒 #一共35张图片
最终效果图对比：
其他图片就不一一列举。
看完上述内容，你们对如何用Python画了一组手绘图有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注创新互联行业资讯频道，感谢大家的支持。