Python数据分析与展示:图像的手绘效果-5

简介: Python数据分析与展示:图像的手绘效果-5

图像的RGB色彩模式

red green blue 0-255

图像:由像素组成的二维矩阵,每个元素是一个rgb值

PIL pip install pillow
from PIL from Image

简单实例

为了看到图片效果,代码拆开显示

# -*- coding: utf-8 -*-
# @File    : image_demo.py
# @Date    : 2018-05-06
# pillow 5.1.0 -> 4.0.0
from PIL import Image
import numpy as np

image.png


bigsea.jpg

# 读取图片
img = Image.open("images/bigsea.jpg")
print(img)
# <PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=1200x750 at 0x10105BE48>
# 转为多维数组
a = np.array(img)
print(a.shape, a.dtype)
# (750, 1200, 3) uint8
b = [255, 255, 255 ] - a
# 转为图像
im = Image.fromarray(b.astype("uint8"))
# 保存
im.save("images/bigsea1.jpg")

image.png


bigsea1.jpg

# 彩色图片转灰色
c = np.array(img.convert("L"))
print(c.shape, c.dtype)
# (750, 1200) uint8
d = 255 - c  # 取反
im2 = Image.fromarray(d.astype("uint8"))
im2.save("images/bigsea2.jpg")

image.png


bigsea2.jpg

# 区间变换
e = (100/255)*c + 150  
im3 = Image.fromarray(e.astype("uint8"))
im3.save("images/bigsea3.jpg")

image.png


bigsea3.jpg

# 像素平方
f = 255 * (c/255)*2 
im4 = Image.fromarray(f.astype("uint8"))
im4.save("images/bigsea4.jpg")

image.png


bigsea4.jpg

图像的手绘效果

# -*- coding: utf-8 -*-
# @File    : 图像手绘效果.py
# @Date    : 2018-05-06
from PIL import Image
import numpy as np
a = np.asarray(Image.open('images/bigsea.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.)
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
b = b.clip(0, 255)
im = Image.fromarray(b.astype('uint8'))  # 重构图像
im.save('images/beijingHD.jpg')

image.pngbeijingHD.jpg

相关文章
|
1月前
|
机器学习/深度学习 数据采集 数据可视化
Python 数据分析:从零开始构建你的数据科学项目
【10月更文挑战第9天】Python 数据分析:从零开始构建你的数据科学项目
56 2
|
1月前
|
机器学习/深度学习 数据可视化 算法
使用Python进行数据分析:从零开始的指南
【10月更文挑战第9天】使用Python进行数据分析:从零开始的指南
44 1
|
23天前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
55 0
|
8天前
|
机器学习/深度学习 数据可视化 数据挖掘
使用Python进行数据分析和可视化
【10月更文挑战第42天】本文将介绍如何使用Python进行数据分析和可视化。我们将从数据导入、清洗、探索性分析、建模预测,以及结果的可视化展示等方面展开讲解。通过这篇文章,你将了解到Python在数据处理和分析中的强大功能,以及如何利用这些工具来提升你的工作效率。
|
16天前
|
机器学习/深度学习 TensorFlow 算法框架/工具
利用Python和TensorFlow构建简单神经网络进行图像分类
利用Python和TensorFlow构建简单神经网络进行图像分类
39 3
|
17天前
|
机器学习/深度学习 数据采集 数据挖掘
解锁 Python 数据分析新境界:Pandas 与 NumPy 高级技巧深度剖析
Pandas 和 NumPy 是 Python 中不可或缺的数据处理和分析工具。本文通过实际案例深入剖析了 Pandas 的数据清洗、NumPy 的数组运算、结合两者进行数据分析和特征工程,以及 Pandas 的时间序列处理功能。这些高级技巧能够帮助我们更高效、准确地处理和分析数据,为决策提供支持。
35 2
|
24天前
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
31 2
|
29天前
|
数据采集 数据可视化 数据挖掘
R语言与Python:比较两种数据分析工具
R语言和Python是目前最流行的两种数据分析工具。本文将对这两种工具进行比较,包括它们的历史、特点、应用场景、社区支持、学习资源、性能等方面,以帮助读者更好地了解和选择适合自己的数据分析工具。
30 2
|
7天前
|
数据采集 数据可视化 数据挖掘
掌握Python数据分析,解锁数据驱动的决策能力
掌握Python数据分析,解锁数据驱动的决策能力
|
15天前
|
并行计算 数据挖掘 大数据
Python数据分析实战:利用Pandas处理大数据集
Python数据分析实战:利用Pandas处理大数据集
下一篇
无影云桌面