本文共 2420 字，大约阅读时间需要 8 分钟。

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 Imageimport numpy as npa = 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/Auni_y = grad_y/Auni_z = 1./Avec_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)

转载地址：http://rslzi.baihongyu.com/