1.图像的RGB色彩模式

在这里插入图片描述

图像一般使用RGB色彩模式，即每个像素点的颜色由红®、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，其中：

R红色，取值范围，0-255
G绿色，取值范围，0-255
B蓝色，取值范围，0-255

RGB形成的颜色包括了人类视力所感知的所有颜色。

2.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：
在这里插入图片描述

3.图像的数组表示

图像是一个三维数组，维度分别是高度、宽度和像素RGB值

import numpy as np
from PIL import Image

if __name__ == '__main__':
    im = np.asarray(Image.open('./beijing.jpg'))
    print(im.shape,im.dtype)

(669, 1012, 3) uint8

4.图像的变换

读入图像后，获得图像RGB值，修改后保存为新的文件：
对像素值取反：

import numpy as np
from PIL import Image

if __name__ == '__main__':
    a = np.asarray(Image.open('./beijing.jpg'))
    print(a.shape,a.dtype)
    b=[255,255,255]-a
    im=Image.fromarray(b.astype('uint8'))
    im.save('./pic/beijing2.jpg')

在这里插入图片描述

读入图像后，获得图像RGB值，转换为灰度图，修改后保存为新的文件：
对像素值取反：

import numpy as np
from PIL import Image

if __name__ == '__main__':
    a = np.asarray(Image.open('./beijing.jpg').convert('L'))
    print(a.shape,a.dtype)
    b=255-a
    im=Image.fromarray(b.astype('uint8'))
    im.save('./pic/beijing3.jpg')

在这里插入图片描述
读入图像后，获得图像RGB值，转换为灰度图，修改后保存为新的文件：
对像素做区间变换：

读入图像后，获得图像RGB值，转换为灰度图，修改后保存为新的文件：
对像素做平方运算：

import numpy as np
from PIL import Image

if __name__ == '__main__':
    a = np.asarray(Image.open('./beijing.jpg').convert('L'))
    print(a.shape, a.dtype)
    b = 255*(a/255)**2
    im = Image.fromarray(b.astype('uint8'))
    im.save('./pic/beijing6.jpg')

在这里插入图片描述

5.图像手绘效果

手绘效果的几个特征：

黑白灰色
边界线较重
相同或相近色彩趋于白色
略有光源效果
利用像素之间的梯度值和虚拟深度值对图像进行重构，根据灰度变换来模拟人类视觉的远近程度。

 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.

光源效果：根据灰度变化来模拟人类视觉的远近程度。

设计一个位于图像斜上方的虚拟光源
光源相对于图像的俯视角为Elevation，方位角Azimuth
建立光源对个点梯度值的影响函数
运算出各点的新像素值

    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

梯度归一化：

    A = np.sqrt(grad_x ** 2 + grad_y ** 2 + 1.)#构造x和y轴梯度的三维归一化单位坐标系
    uni_x = grad_x / A
    uni_y = grad_y / A
    uni_z = 1. / A
    b = 255 * (dx * uni_x + dy * uni_y + dz * uni_z)  # 光源归一化，光源与梯度相互作用，将梯度转化为灰度

图像生成：

    b = b.clip(0, 255)#为避免数据越界，将生成的灰度值剪裁至0-255
    im = Image.fromarray(b.astype('uint8'))  # 重构图像
    im.save('./beijingHD.jpg')

完整代码：

import numpy as np
from PIL import Image

# CSV: Comma-Seperate Values
if __name__ == '__main__':
    a = np.asarray(Image.open('./beijing.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.)#构造x和y轴梯度的三维归一化单位坐标系
    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，光源与梯度相互作用，将梯度转化为灰度
    b = b.clip(0, 255)#为避免数据越界，将生成的灰度值剪裁至0-255
    im = Image.fromarray(b.astype('uint8'))  # 重构图像
    im.save('./beijingHD.jpg')