酷应用

只需45秒，Python给故宫画一组手绘图！

百家作者：AI100 2019-02-18 06:59:59

作者?|?丁彦军

来源 |?恋习Python（ID：sldata2017）

责编?|?swallow

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。

（图片来源：故宫官网?版权归故宫官网所有）

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，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:UsersAdministratorDesktopgugong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:UsersAdministratorDesktopgugong")
????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