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

python panda库从基础到高级操作分析

《pythonpanda库从基础到高级操作分析》本文介绍了Pandas库的核心功能,包括处理结构化数据的Series和DataFrame数据结构,数据读取、清洗、分组聚合、合并、时间序列分析及大数据... 目录1. Pandas 概述2. 基本操作:数据读取与查看3. 索引操作:精准定位数据4. Group

Python pandas库自学超详细教程

《Pythonpandas库自学超详细教程》文章介绍了Pandas库的基本功能、安装方法及核心操作,涵盖数据导入(CSV/Excel等)、数据结构(Series、DataFrame)、数据清洗、转换... 目录一、什么是Pandas库(1)、Pandas 应用(2)、Pandas 功能(3)、数据结构二、安

Python使用Tenacity一行代码实现自动重试详解

《Python使用Tenacity一行代码实现自动重试详解》tenacity是一个专为Python设计的通用重试库,它的核心理念就是用简单、清晰的方式,为任何可能失败的操作添加重试能力,下面我们就来看... 目录一切始于一个简单的 API 调用Tenacity 入门:一行代码实现优雅重试精细控制:让重试按我

Python安装Pandas库的两种方法

《Python安装Pandas库的两种方法》本文介绍了三种安装PythonPandas库的方法,通过cmd命令行安装并解决版本冲突,手动下载whl文件安装,更换国内镜像源加速下载,最后建议用pipli... 目录方法一:cmd命令行执行pip install pandas方法二:找到pandas下载库,然后

MySQL中EXISTS与IN用法使用与对比分析

《MySQL中EXISTS与IN用法使用与对比分析》在MySQL中,EXISTS和IN都用于子查询中根据另一个查询的结果来过滤主查询的记录,本文将基于工作原理、效率和应用场景进行全面对比... 目录一、基本用法详解1. IN 运算符2. EXISTS 运算符二、EXISTS 与 IN 的选择策略三、性能对比

Python实现网格交易策略的过程

《Python实现网格交易策略的过程》本文讲解Python网格交易策略,利用ccxt获取加密货币数据及backtrader回测,通过设定网格节点,低买高卖获利,适合震荡行情,下面跟我一起看看我们的第一... 网格交易是一种经典的量化交易策略,其核心思想是在价格上下预设多个“网格”,当价格触发特定网格时执行买

Python标准库之数据压缩和存档的应用详解

《Python标准库之数据压缩和存档的应用详解》在数据处理与存储领域,压缩和存档是提升效率的关键技术,Python标准库提供了一套完整的工具链,下面小编就来和大家简单介绍一下吧... 目录一、核心模块架构与设计哲学二、关键模块深度解析1.tarfile:专业级归档工具2.zipfile:跨平台归档首选3.

使用Python构建智能BAT文件生成器的完美解决方案

《使用Python构建智能BAT文件生成器的完美解决方案》这篇文章主要为大家详细介绍了如何使用wxPython构建一个智能的BAT文件生成器,它不仅能够为Python脚本生成启动脚本,还提供了完整的文... 目录引言运行效果图项目背景与需求分析核心需求技术选型核心功能实现1. 数据库设计2. 界面布局设计3

SQL Server跟踪自动统计信息更新实战指南

《SQLServer跟踪自动统计信息更新实战指南》本文详解SQLServer自动统计信息更新的跟踪方法,推荐使用扩展事件实时捕获更新操作及详细信息,同时结合系统视图快速检查统计信息状态,重点强调修... 目录SQL Server 如何跟踪自动统计信息更新:深入解析与实战指南 核心跟踪方法1️⃣ 利用系统目录

MySQL 内存使用率常用分析语句

《MySQL内存使用率常用分析语句》用户整理了MySQL内存占用过高的分析方法,涵盖操作系统层确认及数据库层bufferpool、内存模块差值、线程状态、performance_schema性能数据... 目录一、 OS层二、 DB层1. 全局情况2. 内存占js用详情最近连续遇到mysql内存占用过高导致