Numpy简易教程——图像的数组表示
一.图像的表示模式
图像一般采用RGB三通道色彩模式,每个像素点由红(R ),绿(G),蓝(B)三色组成。
取值范围为:
R:0-255
G:0-255
B:0-255
三者叠加就可获取到对应像素点的颜色，这种方式可以包含人眼可见的所有颜色，
因此使用广泛
二.PIL库的使用
1.PIL库简介与下载,导入
PIL:Python Image Libaray,是一个具有处理图像的强大功能的第三方库
下载命令:pip install pillow
导入使用Image对象的方式:From PIL import Image
2.图像的数组表示
import numpy as np;
from PIL import Image;
#读入数据并保存为数组
a = np.array(Image.open("D:/Jupyter_NoteBook/1单神经元网络/images/cat01.jpg"));
print(a.shape,a.dtype)
结果为:(625, 500, 3) uint8
含义:625表示图像高,500表示宽度,3表示RGB的值
3.图像的变换
import numpy as np;
from PIL import Image;
#读入数据并保存为数组
a = np.array(Image.open("D:/Jupyter_NoteBook/1单神经元网络/images/cat02.jpg"));
print(a.shape,a.dtype)
Im = Image.fromarray((255-a).astype("uint8"))#将a数组处理为Image对象并返回
Im.save("D:/Jupyter_NoteBook/1单神经元网络/images/stars-new.jpg")
原图:
更改后的:
如果想得到灰色图片可以采用convert函数
import numpy as np;
from PIL import Image;
#读入数据并保存为数组
a = np.array(Image.open("D:/Jupyter_NoteBook/1单神经元网络/images/cat02.jpg").convert('L'));
print(a.shape,a.dtype)
Im = Image.fromarray((255-a).astype("uint8"))#将a数组处理为Image对象并返回
Im.save("D:/Jupyter_NoteBook/1单神经元网络/images/stars-new.jpg")
(437, 1200) uint8这个运行结果表明此时元素的值不在对应RGB值，而是一个灰度值
效果如下:
纯黑白就是不用255减去即可：
当然上面这个比较淡，要想重色可以这样:
import numpy as np;
from PIL import Image;
#读入数据并保存为数组
a = np.array(Image.open("D:/Jupyter_NoteBook/1单神经元网络/images/cat02.jpg").convert('L'));
print(a.shape,a.dtype)
Im = Image.fromarray(((a/255)**2*255).astype("uint8"))#将a数组处理为Image对象并返回
Im.save("D:/Jupyter_NoteBook/1单神经元网络/images/stars-new.jpg")
效果如下:
下面我们实现手绘效果:
首先介绍手绘的几个要素:
①黑白灰色
②边界线条较重
③相同或相近色彩趋近白色
④略有光源效果
实际上我们的手绘风格是在获取了灰度值数组后进行处理得到的
灰度值代表图片的明暗，梯度代表图片灰度的变化率,通过调整像素的梯度值
间接改变明暗变化,最后是立体效果值通过添加虚拟深度值来实现(这一步需要归一化处理)
from PIL import Image
import numpy as np
a = np.asarray(Image.open("D:/Jupyter_NoteBook/1单神经元网络/images/jack.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.)#对三个方向的梯度进行归一化处理
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('jackson.jpg')
原图:
效果图:
上面这段代码直接复制使用即可,原理比较复杂,涉及到一些比较专业的知识(其实我也不甚明白)