图像的数组表示

图像的RGB色彩模式

图像一般使用RGB色彩模式，即每个像素点的颜色由红（R），绿（G），蓝（B）组成。

RGB三个颜色通道的变化和叠加得到各种颜色，三个色各自的取值范围是0-255。

RGB形成的颜色包括了人类视力所能感知的所有颜色。

PIL库

PIL：Python Image Library。一个具有强大图像处理能力的第三方库，在命令行下的安装方法：pip install pillow。如果安装了Anaconda，就包含了这个库，不用再安装。

from PIL import Image

Image是PIL库中代表一个图像的基础类（对象）。

图像的数组表示

图像是一个由像素组成的二维矩阵，每个元素是一个RGB值

from PIL import Image
import numpy as np

im = np.array(Image.open("C:/Users/Administrator/Pictures/timg1.jpg"))
print(im.shape, im.dtype)

(1281, 1280, 3) uint8

可以看到，图像是一个三维数组，维度分别是高度、宽度和像素RGB值。

图像的变换

既然图像可以用数组表示，数组又可以进行运算，运算后的数组就可以改变图像的形状。

步骤：

1. 读入图像。
2. 获得像素RGB值。
3. 修改后保存为新的文件。

例一：

a = np.array(Image.open("C:/Users/Administrator/Pictures/timg1.jpg"))
print(a.shape, a.dtype)

(1281, 1280, 3) uint8

b = [255,255,255]-a #求图像的补值
im = Image.fromarray(b.astype('uint8')) #生成图像文件
im.save("C:/Users/Administrator/Pictures/timg2.jpg") #保存新文件

下图是修改后的timg2.jpg

例二：

a = np.array(Image.open("C:/Users/Administrator/Pictures/timg1.jpg").convert('L'))
b = 255 - a #对灰度值取反，得到一个新数组b
im = Image.fromarray(b.astype('uint8'))
im.save("C:/Users/Administrator/Pictures/timg3.jpg")

.convert(‘L’)是将图片变成灰色，此时图像不是一个三维数组，而是一个二维数组。

下图是timg3.jpg

例三：

a = np.array(Image.open("C:/Users/Administrator/Pictures/timg1.jpg").convert('L'))
c = (100/255)*a+150 #区间变换
im = Image.fromarray(b.astype('uint8'))
im.save("C:/Users/Administrator/Pictures/timg4.jpg")

timg4.jpg :颜色比较淡的灰度图片。

例四：

a = np.array(Image.open("C:/Users/Administrator/Pictures/timg1.jpg").convert('L'))
d = 255*(a/255)**2 #像素平方
im = Image.fromarray(b.astype('uint8'))
im.save("C:/Users/Administrator/Pictures/timg5.jpg")

timg5.jpg :生成一个灰度更重的图像。

图像的手绘效果

1.实例分析

手绘效果的几个特征：

• 黑白灰色
• 边界线条比较重
• 相同或相近颜色趋于白色
• 略有光源效果

2.代码

from PIL import Image
import numpy as np

a = np.asarray(Image.open('C:/Users/Administrator/Pictures/IMG_0582.jpg').convert('L')).astype(float)
depth = 10. #（0-100），预设深度值为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. #根据深度调整梯度值
grad_y = grad_y*depth/100.
A = np.sqrt(grad_x**2 + grad_y**2 + 1.)
uni_x = grad_x/A #相当于单位法向量
uni_y = grad_y/A
uni_z = 1./A

vec_e1 = 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_e1)*np.cos(vec_az) #光源对x轴的影响
dy = np.cos(vec_e1)*np.sin(vec_az) #光源对y轴的影响
dz = np.sin(vec_e1) #光源对z轴的影响

b = 255*(dx*uni_x + dy*uni_y + dz-uni_z) #光源归一化，梯度与光源相互作用，将梯度转化为灰度。
b = b.clip(0.255) #为了避免数据越界，将生成的灰度值裁剪至0-255区间

im = Image.fromarray(b.astype('uint8')) #重构图像
im.save('C:/Users/Administrator/Pictures/IMG_0582-1.jpg')

解析：

梯度的重构

1. 利用像素之间的梯度值和虚拟深度值对图像进行重构
2. 根据灰度变化来模拟人类视觉的明暗程度
3. np.cos(vec_e1)单位光线在地平面上的投影长度

效果
分别是depth=10和depth=90的图片

原图和depth=90的图