Python案例：绘制手绘风图片

手绘图像特点

讲解之前，需要了解手绘图像的三个主要特点：

图片需为灰度图，是单通道的；
边缘部分线条较重涂抹为黑色，相同或相近像素值转换后趋于白色；
在光源效果的加持下，灰度变化可模拟人类视觉的远近效果

实训步骤

读取图片，转化为数组

因为后面要用到像素计算，为了方便，事先将读取后的图片转化为数组

from PIL import Image
import numpy as np
a = np.asarray(Image.open("Annie1.jpg").convert('L')).astype('float')

计算 x,y,z 轴梯度值，并归一化

刚才提到手绘照片的一个特点，就是手绘照片对边缘区域更加侧重，定位图片边缘部分，最有效方式就是计算梯度，用灰度变化来模拟图片远近效果，depth 表示预设深度，z 轴默认梯度为 1

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.

对梯度值完成归一化操作

A = np.sqrt(grad_x ** 2 + grad_y ** 2 + 1.)
uni_x = grad_x / A
uni_y = grad_y / A
uni_z = 1. / A

加入光源效果

手绘风图片除了计算梯度值之外，还需要考虑光源影响；根据光源入射的角度不同最有对x,y,z 各轴上的梯度值有不同程度的影响，添加一个模拟光源，放置在斜上方，与 x , y 分别形成两个夹角

并且这两个夹角是通过实验得到是已知的，然后根据正弦余弦函数计算出最终新的像素值

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)

导出图片，并保存

im = Image.fromarray(b.astype('uint8'))  # 重构图像
im.save("Annie_shouhui.jpg")

完整代码

from PIL import Image
import numpy as np


a = np.asarray(Image.open("sdsz3.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.)
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("sdsz3_shouhui.jpg")