Python数据分析与展示之图像的手绘效果实例分析学习笔记手札及代码实战

本文主要是介绍Python数据分析与展示之图像的手绘效果实例分析学习笔记手札及代码实战,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

图像的手绘效果实例分析

  • 学习笔记手札及单元小结
  • 图像的数组表示
  • 图像的变换
  • "图像的手绘效果"实例分析

学习笔记手札及单元小结

01
02
03
04

图像的数组表示

以下代码请在Anaconda的IPython平台运行
PIL库的安装:
在命令行下的安装方法:pip install pillow

from PIL import Image   #Image是PIL库中代表一个图像的类(对象)
from PIL import Imageimport numpy as npim = array(Image.open("C:/01.jpg"))
---------------------------------------------------------------------------
NameError                                 Traceback (most recent call last)
<ipython-input-3-8a130c29210a> in <module>
----> 1 im = array(Image.open("C:/01.jpg"))NameError: name 'array' is not definedim = np.array(Image.open("C:/01.jpg"))print(im.shape,im.dtype)
(2448, 1836, 3) uint8 #图像是一个三维数组,维度分别是高度·宽度和像素RGB值

01

图像的变换

读入图像后,获得像素RGB值,修改后保存为新的文件

from PIL import Imageimport numpy as npa = np.array(Image.open("D:/01.jpg"))print(a.shape,a.dtype)
(2448, 1836, 3) uint8b = [255,255,255] -aim = Image.fromarray(b.astype('uint8'))im.save("D:/02.jpg")

02

from PIL import Imageimport numpy as npa = array(Image.open("D:/01.jpg").convert('L'))
---------------------------------------------------------------------------
NameError                                 Traceback (most recent call last)
<ipython-input-3-5e990d68fb86> in <module>
----> 1 a = array(Image.open("D:/01.jpg").convert('L'))NameError: name 'array' is not defineda = np.array(Image.open("D:/01.jpg").convert('L'))b = 255 - aim = Image.fromarray(b.astype('uint8'))im.save("D:/03.jpg")
---------------------------------------------------------------------------
FileNotFoundError                         Traceback (most recent call last)
<ipython-input-7-79fa9e4b0e79> in <module>
----> 1 im.save("D:/03.jpg")~\anaconda3\lib\site-packages\PIL\Image.py in save(self, fp, format, **params)2097                 fp = builtins.open(filename, "r+b")2098             else:
-> 2099                 fp = builtins.open(filename, "w+b")2100 2101         try:FileNotFoundError: [Errno 2] No such file or directory: 'D:/03.jpg'   #注意代码书写格式规范,这个是错误案例im.save("D:/03.jpg")

03

from PIL import Imageimport numpy as npa = np.array(Image.open("D:/01.jpg").convert('L'))c = (100/255)*a + 150 #区间变换im = Image.fromarray(c.astype('uint8'))im.save("D:/04.jpg")

04

from PIL import Imageimport numpy as npa = np.array(Image.open("D:/01.jpg").convert('L'))d = 255 * (a/255)**2  #像素平方im = Image.fromarray(d.astype('uint8'))im.save("D:/05.jpg")

05

"图像的手绘效果"实例分析

from PIL import Imageimport numpy as npa = np.asarray(Image.open('D:/01.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_y*depth/100.grad_y = grad_y*depth/100.A = np.sqrt(grad_x**2 + grad_y**2 + 1.)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('D:/HD.jpg')

在这里插入图片描述

这篇关于Python数据分析与展示之图像的手绘效果实例分析学习笔记手札及代码实战的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/263944

相关文章

基于Python实现一个图片拆分工具

《基于Python实现一个图片拆分工具》这篇文章主要为大家详细介绍了如何基于Python实现一个图片拆分工具,可以根据需要的行数和列数进行拆分,感兴趣的小伙伴可以跟随小编一起学习一下... 简单介绍先自己选择输入的图片,默认是输出到项目文件夹中,可以自己选择其他的文件夹,选择需要拆分的行数和列数,可以通过

Python中反转字符串的常见方法小结

《Python中反转字符串的常见方法小结》在Python中,字符串对象没有内置的反转方法,然而,在实际开发中,我们经常会遇到需要反转字符串的场景,比如处理回文字符串、文本加密等,因此,掌握如何在Pyt... 目录python中反转字符串的方法技术背景实现步骤1. 使用切片2. 使用 reversed() 函

Python中将嵌套列表扁平化的多种实现方法

《Python中将嵌套列表扁平化的多种实现方法》在Python编程中,我们常常会遇到需要将嵌套列表(即列表中包含列表)转换为一个一维的扁平列表的需求,本文将给大家介绍了多种实现这一目标的方法,需要的朋... 目录python中将嵌套列表扁平化的方法技术背景实现步骤1. 使用嵌套列表推导式2. 使用itert

使用Docker构建Python Flask程序的详细教程

《使用Docker构建PythonFlask程序的详细教程》在当今的软件开发领域,容器化技术正变得越来越流行,而Docker无疑是其中的佼佼者,本文我们就来聊聊如何使用Docker构建一个简单的Py... 目录引言一、准备工作二、创建 Flask 应用程序三、创建 dockerfile四、构建 Docker

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

Conda与Python venv虚拟环境的区别与使用方法详解

《Conda与Pythonvenv虚拟环境的区别与使用方法详解》随着Python社区的成长,虚拟环境的概念和技术也在不断发展,:本文主要介绍Conda与Pythonvenv虚拟环境的区别与使用... 目录前言一、Conda 与 python venv 的核心区别1. Conda 的特点2. Python v

Python使用python-can实现合并BLF文件

《Python使用python-can实现合并BLF文件》python-can库是Python生态中专注于CAN总线通信与数据处理的强大工具,本文将使用python-can为BLF文件合并提供高效灵活... 目录一、python-can 库:CAN 数据处理的利器二、BLF 文件合并核心代码解析1. 基础合

Python使用OpenCV实现获取视频时长的小工具

《Python使用OpenCV实现获取视频时长的小工具》在处理视频数据时,获取视频的时长是一项常见且基础的需求,本文将详细介绍如何使用Python和OpenCV获取视频时长,并对每一行代码进行深入解析... 目录一、代码实现二、代码解析1. 导入 OpenCV 库2. 定义获取视频时长的函数3. 打开视频文

Python中你不知道的gzip高级用法分享

《Python中你不知道的gzip高级用法分享》在当今大数据时代,数据存储和传输成本已成为每个开发者必须考虑的问题,Python内置的gzip模块提供了一种简单高效的解决方案,下面小编就来和大家详细讲... 目录前言:为什么数据压缩如此重要1. gzip 模块基础介绍2. 基本压缩与解压缩操作2.1 压缩文