手绘效果
手绘效果
利用到的数学知识
手绘效果的几个特征：
- 黑白灰色-----------图像灰度转化
- 边界线条较重-----------梯度
- 相同或相近色彩趋于白色-----------梯度调整、梯度缩放
- 略有光源效果-----------投影、三角函数
- 黑白灰色-----------图像灰度转化
图像是由红（Red）、绿（Green）、蓝（Blue）三原色来表示真彩色，R分量，G分量，B分量的取值范围均为0~255，正常读取的图片构成的三维矩阵就是图像各像素点的RGB值。
图像的灰度化，就是让像素点矩阵中的每一个像素点都满足这样的关系：R=G=B，此时的这个值叫做灰度值：
灰度化后的R = 处理前的R * 0.299+ 处理前的G * 0.587 +处理前的B * 0.114
灰度化后的G = 处理前的R * 0.299+ 处理前的G * 0.587 +处理前的B * 0.114
灰度化后的B = 处理前的R * 0.299+ 处理前的G * 0.587 +处理前的B * 0.114
PIL库里面在灰度转化时，利用的公式
When translating a color image to greyscale (mode "L"),
the library uses the ITU-R 601-2 luma transform:
L = R * 299/1000 + G * 587/1000 + B * 114/1000
- 边界线条较重-----------梯度
梯度、导数、偏导数、斜度、斜率、神经网络梯度，均为同一个概念
梯度
梯度
梯度 - 相同或相近色彩趋于白色-----------梯度调整、梯度缩放
grad= grad*alpha
alpha取[0,1]之间的值，这样使相近颜色的值，梯度缩放到更小，即可认为颜色是差不多一样的，手绘时是白色
4.略有光源效果-----------投影、三角函数
类似之前分享文章（利用Python计算两个地理位置之间的中点）介绍的经纬度投影
投影
投影
光源效果
完整代码
可左右滑动查看代码
from PIL import Image
import numpy as np
import os
def img_handpainted(input_img_path):
img = np.array(Image.open(input_img_path).convert('L')).astype('float') #转化为灰度图
img_name=os.path.basename(input_img_path)[:-4] #获取图片名字
depth = 20. # (0-100)，可以理解为图像的深淡程度
grad = np.gradient(img) #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.) #构造x和y轴梯度的三维归一化单位坐标系
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) #梯度与光源相互作用，将梯度转化为灰度
b = b.clip(0,255) #为避免数据越界，将生成的灰度值裁剪至0‐255区间
img_handpainted = Image.fromarray(b.astype('uint8')) #重构图像
outname='./'+img_name+'_handpainted.jpg'
img_handpainted.save(outname)
img_handpainted('./love.jpg')
代码
手绘效果
手绘效果
