• Python图像处理-实现图像手绘效果,欢迎大家下载,资源独一份
  • 首先,我们平时所用的彩色图像是RGB色,分别有三个图像通道: red(0-255),green(0-255),blue(0-255) 1. 可以把一张图像理解为一个二维矩阵,在矩阵中每一个点都有一个属性,就是它的RGB色,以此来构成一个图像 ...

    首先,我们平时所用的彩色图像是RGB色,分别有三个图像通道:
    red(0-255),green(0-255),blue(0-255)
    1. 可以把一张图像理解为一个二维矩阵,在矩阵中每一个点都有一个属性,就是它的RGB色,以此来构成一个图像
    2. 我们只需要改变对应像素点的对应值,就可以对一张图像进行操作

    以下是两个图像变换的实例:

    1.这是一个普通的把一张彩色图片通过对它每一个像素点的操作变成它的相反的颜色的

    from PIL import Image
    import numpy as np
    a=np.array(Image.open('001.jpg'))
    print(a.shape,a.dtype)
    b=[255,255,255]-a
    im=Image.fromarray(b.astype('uint8'))
    im.save('002.jpg')

    2. 这是图像中的一些黑白变换:

    from PIL import Image
    import numpy as np
    a=np.array(Image.open('001.jpg').convert('L'))#.convert是变成黑白的
    
    b=255-a#在对应的颜色通道减去他自己变成黑白底片的效果
    im=Image.fromarray(b.astype('uint8'))
    im.save('003.jpg')
    
    
    c=(100/255)*a+150#区间变换,颜色比较淡的灰度的图片
    im=Image.fromarray(c.astype('uint8'))
    im.save('004.jpg')
    
    d=255*(a/255)**2#像素平方,颜色比较深的图
    im=Image.fromarray(d.astype('uint8'))
    im.save('005.jpg')
    
    

    3. 图像的手绘效果的变换:

    先上代码:

    from PIL import Image
    import numpy as np
    a=np.array(Image.open('测试.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              #分别取横纵图像的梯度值
    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'))
    im.save('手绘效果.jpg')    
    

    代码解析:

    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, 方位角为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


    展开全文
  • 数字图像处理实战

    2019-07-29 14:17:46
    本课程内容主要选取自stanford EE368/CS232 课程的...本次课程包含图像算法和机器学习,编程工具主要包括python,c++,android,matlab,opencv,Tesseract等。 由于个人时间精力有限,课程将每隔2-3周发布一次。
  • 图像的数组表示1、图像一般使用RGB色彩模式,即每个像素点的颜色由红(R)、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 • ...

    图像的数组表示

    1、图像一般使用RGB色彩模式,即每个像素点的颜色由红(R)、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能感知的所有颜色。

    PIL, Python Image Library
    PIL库是一个具有强大图像处理能力的第三方库
    在命令行下的安装方法:

    pip install pillow

    2、图像是一个由像素组成的二维矩阵,每个元素是一个(R,G,B)值。

    3、图像是一个三维数组,维度分别是高度、宽度和像素RGB值

    from PIL import Image
    #Image是PIL库中代表一个图像的类(对象)
    
    import numpy as np
    im = np.array(Image.open("F:\PycharmProjects\dog.png"))
    
    
    print(im.shape, im.dtype)    #图像是一个三维数组,维度分别是高度、宽度和像素RGB值
    
    

    输出结果:

    (1920, 1080, 3)  uint8
    


    一些概念

    图像深度值: > 图像深度是指存储每个像素所用的位数,也用于量度图像的色彩分辨率。 图像梯度: >**梯度**的本意是一个向量(矢量),表示某一函数在该点处的方向导数沿着该方向取得最大值,即函数在该点处沿着该方向(此梯度的方向)变化最快,变化率最大(为该梯度的模)。 >>**图像梯度**可以把图像看成**二维离散函数**,图像梯度其实就是这个二维离散函数的求导: 图像梯度: G(x,y) = dx(i,j) + dy(i,j); dx(i,j) = I(i+1,j) - I(i,j); dy(i,j) = I(i,j+1) - I(i,j); 其中,I是图像像素的值(如:RGB值),(i,j)为像素的坐标。 图像梯度一般也可以用中值差分: dx(i,j) = [I(i+1,j) - I(i-1,j)]/2; dy(i,j) = [I(i,j+1) - I(i,j-1)]/2; 图像边缘一般都是通过对图像进行梯度运算来实现的。 灰度: >灰度使用黑色调表示物体,即用黑色为基准色,不同的饱和度的黑色来显示图像。 每个灰度对象都具有从 0%(白色)到100%(黑色)的亮度值。 图像的手绘效果实现 1、手绘效果的几个特征: • 黑白灰色 • 边界线条较重 • 相同或相近色彩趋于白色 • 略有光源效果 2、利用像素之间的梯度值和虚拟深度值对图像进行重构,根据灰度变化来模拟人类视觉的远近程度 3、考虑光源效果,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,方位角为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 如图 ![光源模型](https://img-blog.csdn.net/20171126231357951?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzI4MTE0ODk=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast) 4、实现代码
    from PIL import Image
    #image 是 PIL库中代表一个图像的类
    import numpy as np
    
    #打开一张图片 “F:\PycharmProjects\cui.jpg” 是图片位置
    a = np.asarray(Image.open('F:\PycharmProjects\cui.jpg')
                   .convert('L')).astype('float')
    
    
    depth = 10.                    #浮点数,预设深度值为10
    grad = np.gradient(a)          #取图像灰度的梯度值
    grad_x,grad_y = grad           #分别取横纵图像的梯度值
    grad_x = grad_x*depth/100.     #根据深度调整 x 和 y 方向的梯度值
    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,np.cos(vec_el)为单位光线在地平面上的投影长度
    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)    #梯度与光源相互作用,将梯度转化为灰度
    b = b.clip(0,255)                          #为避免数据越界,将生成的灰度值裁剪至0‐255区间
    
    im = Image.fromarray(b.astype('uint8'))     #重构图像
    im.save("F:\PycharmProjects\cui1.jpg")      #保存图片的地址
    
    


    解释:

    上述的代码中,牵扯到较多函数的调用,对于函数的解释可以参考 python 官网手册。


    手绘效果图:
    原图

    手绘图

    展开全文
  • Python图像手绘效果

    2019-12-25 08:28:18
    文章目录实现图像手绘效果1. 图象数组表示2. Pillow(PIL)库3. 图像的变换4. 参数理解5. 源码实现6. 效果预览 实现图像手绘效果 1. 图象数组表示 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...

    实现图像的手绘效果

    1. 图象数组表示

    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

    图像是一个由像素组成的二维矩阵,每个元素是一个(R,G,B)值。

    图像深度值: 图像深度是指存储每个像素所用的位数,也用于量度图像的色彩分辨率。

    图像梯度: 梯度的本意是一个向量(矢量),表示某一函数在该点处的方向导数沿着该方向取得最大值,即函数在该点处沿着该方向(此梯度的方向)变化最快,变化率最大(为该梯度的模)。

    图像梯度可以把图像看成二维离散函数,图像梯度其实就是这个二维离散函数的求导:

    图像梯度: G(x,y) = dx(i,j) + dy(i,j); dx(i,j) = I(i+1,j) - I(i,j); dy(i,j) = I(i,j+1) - I(i,j);

    其中,I是图像像素的值(如:RGB值),(i,j)为像素的坐标。 图像梯度一般也可以用中值差分: dx(i,j) = [I(i+1,j) - I(i-1,j)]/2; dy(i,j) = [I(i,j+1) - I(i,j-1)]/2; 图像边缘一般都是通过对图像进行梯度运算来实现的。

    灰度: 灰度使用黑色调表示物体,即用黑色为基准色,不同的饱和度的黑色来显示图像。 每个灰度对象都具有从 0%(白色)到100%(黑色)的亮度值。


    图像的手绘效果实现

    • 手绘效果的几个特征: • 黑白灰色 • 边界线条较重 • 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,根据灰度变化来模拟人类视觉的远近程度
    • 考虑光源效果,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,方位角为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

    python中图像是一个由像素组成的三维矩阵(高,宽和RGB),每个元素是一个RGB值。

    对图像变换的操作一般流程为:

    • 读入图像文件
    • 获得RGB值
    • 对RGB值进行运算修改
    • 另存为新图像。

    手绘效果特征:色彩为黑白灰,边界线条重,相同或相近色彩趋于白色,略有光源效果

    运算思路:

    利用像素之间的梯度值和之间的虚拟深度值对图像进行重构,根据灰度变化来模拟人类视觉的明暗程度。


    2. Pillow(PIL)库

    PIL(Python Image Library)是python的第三方图像处理库,PIL历史悠久,原来是只支持python2.x的版本的,后来出现了移植到python3的库pillow,pillow 号称是friendly fork for PIL,其功能和PIL差不多,但是支持python3。

    PIL可以做很多和图像处理相关的事情:

    • 图像归档(Image Archives)。PIL非常适合于图像归档以及图像的批处理任务。可以使用PIL创建缩略图,转换图像格式,打印图像等等。
    • 图像展示(Image Display)。PIL较新的版本支持包括Tk PhotoImage,BitmapImage还有Windows DIB等接口。PIL支持众多的GUI框架接口,可以用于图像展示。
    • 图像处理(Image Processing)。PIL包括了基础的图像处理函数,包括对点的处理,使用众多的卷积核(convolution kernels)做过滤(filter),还有颜色空间的转换。PIL库同样支持图像的大小转换,图像旋转,以及任意的仿射变换。PIL还有一些直方图的方法,允许展示图像的一些统计特性。这个可以用来实现图像的自动对比度增强,还有全局的统计分析等。

    3. 图像的变换

    convert()函数模式"L"

    convert()函数

    对于彩色图像,不管其图像格式是PNG,还是BMP,或者JPG,在PIL中,使用Image模块的open()函数打开后,返回的图像对象的模式都是“RGB”。而对于灰度图像,不管其图像格式是PNG,还是BMP,或者JPG,打开后,其模式为 “L”。

    通过之前的博客对Image模块的介绍,对于PNG、BMP和JPG彩色图像格式之间的互相转换都可以通过Image模块的open()和save()函数来完成。具体说就是,在打开这些图像时,PIL会将它们解码为三通道的“RGB”图像。用户可以基于这个“RGB”图像,对其进行处理。处理完毕,使用函数save(),可以将处理结果保存成PNG、BMP和JPG中任何格式。这样也就完成了几种格式之间的转换。同理,其他格式的彩色图像也可以通过这种方式完成转换。当然,对于不同格式的灰度图像,也可通过类似途径完成,只是PIL解码后是模式为“L”的图像。

    模式 "L"

    模式“L”为灰色图像,它的每个像素用8个bit表示,0表示黑,255表示白,其他数字表示不同的灰度。在PIL中,从模式“RGB”转换为“L”模式是按照下面的公式转换的:

    L = R * 299/1000 + G * 587/1000+ B * 114/1000

    归一化处理:

    其中np.asarray(Image.open('./beijing.jpg').convert('L')).astype('float')意思是将图像以灰度图的方式打开并将数据转为 float 存入 np 中.

    np.gradient(a) 是求a的梯度,返回的是二元信息,可分别赋值给grad_x,grad_y,将梯度按照深度等级计算并且归一化处理.

    在这里插入图片描述

    我们还需建立光源效果

    建立模型后可分析出np.cos(vec_el)为单位光线在地平面上的投影长度,dx,dy,dz 是光源对 x/y/z 三方向的影响程度.

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    将梯度归一化

    构造x和y轴梯度的三维归一化单位坐标系A = np.sqrt(grad_x**2 + grad_y**2 + 1)

    梯度和光源相互作用,将梯度转化为灰度 b = 255*(dx*uni_x + dy*uni_y + dz*uni_z)

    之前为了处理方便,我们梯度值调为0-1之间,梯度与光源相互作用后,还原为0-255,但仍然可能会有部分溢出,因此,为避免越界,将生成的灰度值剪裁至0-255区间b = b.clip(0,255)

    4. 参数理解

    • depth参数:设置 x,y 梯度占总的梯度的比例,使梯度值缩小,因为我们把z向的梯度设成了1,如果不压缩x,y向梯度那么这个1就起不到什么作用

    • z 方向的梯度(即梯度归一化中的1):为了表示像素值与梯度的反比关系,当像素的 x,y 向梯度值都很小时,在归一化时uni_z值就会区于1从而得到趋于255的像素值

    • 图像梯度归一化:主要为了得到 uni_z 的值

    • 光源设置:设置光源的角度只是为了得到 dx,dy,dz 三个可调系数而已,个人认为跟光源一点关系都没有,反而不好理解

    • dx,dy,dz:uni_x,uni_y,uni_z的系数,更深入的说其实目的是把 dz 设的很大,dx,dy很小,完全可以不要dx,dy 把dz设为1,效果几乎一样

    5. 源码实现

    from PIL import Image
    import numpy as np
    import cv2
    
    # 将原图像转换为灰度图像,并将其像素值放入列表并转存到数组中
    # asarray() 转换输入为数组array
    # convert() 将图像转换为灰色图像
    # astype() 转换数据类型
    a = np.asarray(Image.open("F:/Code-and-Notes/Python/Pure Python/Basic Grammar/Sketch Image/img/Annie1.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("F:/Code-and-Notes/Python/Pure Python/Basic Grammar/Sketch Image/img/Annie.jpg")
    print("保存成功查看")
    

    6. 效果预览

    【原图】
    在这里插入图片描述
    【处理过后的素描图】

    在这里插入图片描述

    【文档参考】

    1. Python图像处理库PIL中图像格式转换(一)
    2. Pillow处理图片功能一览
    3. Numpy gradient源码解析
    4. 基于Python的图像手绘效果
    5. gradient源码解析
    6. 基于Python的图像手绘效果
    7. Python :图像的手绘效果
    展开全文
  • 目录图像的RGB色彩模式pillow库安装和导入图像的数组表示图像的变换convert('L')将一个彩色的图片变成一个灰度的图片进行区间变换图像手绘效果变换手绘效果的几个特征:原理:梯度的重构 图像的RGB色彩模式 RGB三...

    图像的RGB色彩模式

    RGB三种颜色通道的变化和叠加得到各种颜色

    • R红色,取值范围,0-255
    • G绿色,取值范围,0-255
    • B颜色,取值范围,0-255
      RGB形成的颜色包括了人类视力所能感知的所有颜色

    pillow库安装和导入

    PIL是一个具有强大图像处理能力的第三方库

    命令行安装方法:pip install pillow

    from PIL import Image
    

    Image是PIL库中代表一个图像的类(对象)

    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。
    图像是一个三维数组,维度分别表示高度、宽度和像素RGB值

    from PIL import Image
    import numpy as np
    
    
    im = np.array(Image.open("1.jpg"))
    print(im.shape)
    print(im.dtype)
    

    运行结果:
    (331, 500, 3)
    uint8

    图像的变换

    读入图像后,获取像素RGB值,修改后保存为新的文件

    im = np.array(Image.open("1.jpg"))
    b = [255,255,255]-im
    im = Image.fromarray(b.astype('uint8'))
    im.save("2.jpg")
    

    运行前后的文件是:
    在这里插入图片描述在这里插入图片描述

    im = np.array(Image.open("1.jpg").convert('L'))
    b = 255-im
    im = Image.fromarray(b.astype('uint8'))
    im.save("3.jpg")
    

    convert(‘L’)将一个彩色的图片变成一个灰度的图片

    每一个RGB的值对应一个灰度值
    变换后前的图像为:
    在这里插入图片描述在这里插入图片描述

    进行区间变换

    a = np.array(Image.open("1.jpg").convert('L'))
    c = (100/255)*a + 150
    im = Image.fromarray(c.astype('uint8'))
    im.save("4.jpg")
    

    变换前后的图像为:
    在这里插入图片描述在这里插入图片描述
    同样地,还有类似变换:

    a = np.array(Image.open("1.jpg").convert('L'))
    c = 255*(a/255)**2   # 像素平方
    im = Image.fromarray(c.astype('uint8'))
    im.save("5.jpg")
    

    变换后的图像为:
    在这里插入图片描述
    修改一行代码可以做任意变换

    图像的手绘效果变换

    手绘效果的几个特征:

    • 黑白灰色
    • 边界线条较重
    • 相同或相近色彩趋于白色
    • 略有光源效果

    原理:梯度的重构

    利用像素之间的梯度值和虚拟深度值对图像进行重构
    根据灰度变化来模拟人力视觉的明暗程度
    光源效果:
    利用灰度变化来模拟人类 视觉的远近效果

    • 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,方位角是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
    a = np.array(Image.open("1.jpg").convert('L'))
    depth = 10   # 预设深度值是10,取值范围为0-100
    grad = np.gradient(a)
    grad_x,grad_y = grad  # 提取x和y方向的梯度值
    grad_x = grad_x*depth/100
    grad_y = grad_y*depth/100   # 根据深度调整x和y方向的梯度值,进行归一化处理
    vec_el = np.pi/2.2
    vec_az = np.pi/4
    dx = np.cos(vec_el)*np.cos(vec_az)   # np.cos(vec_el)为单位光线在地平面上的投影长度
    dy = np.cos(vec_el)*np.sin(vec_az)
    dz = np.sin(vec_az)   # dx,dy,dz是光源对x/y/z三方向的影响程度
    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)   # 梯度与光源相互作用,将梯度转化为灰度
    b = b.clip(0,255)  #  为避免数据越界,将生成的灰度值裁剪至0-255区间
    im = Image.fromarray(b.astype('uint8'))
    im.save("6.jpg")
    

    在这里插入图片描述在这里插入图片描述

    展开全文
  • 计算机/图像处理专业本科毕业设计——基于OpenCV的视频编辑软件设计与实现
  • from PIL import Imageimport numpy as npout1 = np.asarray(Image.open("D:/pictures/yinghua.jpg").convert('L')).astype('float')depth = 10.grad = np.gradient(out1)grad_x,grad_y = gradgrad_x = ...
    from PIL import Image
    import numpy as np
    out1 = np.asarray(Image.open("D:/pictures/yinghua.jpg").convert('L')).astype('float')
    depth = 10.
    grad = np.gradient(out1)
    grad_x,grad_y = grad
    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
    vec_az = np.pi/4.
    dx = np.cos(vec_el)*np.cos(vec_az)
    dy = np.cos(vec_el)*np.sin(vec_az)
    dz = np.sin(vec_el)
    b = 255*(dx*uni_x + dy*uni_y + dz*uni_z)
    b = b.clip(0,255)
    im = Image.fromarray(b.astype('uint8'))

    im.save("D:/pictures/9.jpg")


    效果如下:


    展开全文
  • %% 例10.3 edge 边缘检测 sobel clc,close all clear f = imread('C:\Users\Administrator\Desktop\psb (2).jpg');...title('原始图像') f=im2bw(f,0.45); figure,imshow(f) title('二值图像') % d=imcomplement(f
  • Python实现手绘功能

    2019-04-28 00:19:46
    手绘图确实很好看,但对于手残党的我,只能呵呵一笑,今天就用代码来实现手绘功能,把普通的图片转换为手绘图片。 代码 from PIL import Image import numpy as np a = np.asarray(Image.open(r'C:\Users\luopan\...
  • 图像处理(以及机器视觉)在学校里是一个很大的研究方向,很多研究生、博士生都在导师的带领下从事着这方面的研究。另外,就工作而言,也确实有很多这方面的岗位和机会虚位以待。而且这种情势也越来越凸显。那么图像...
  • 学累了,咱就玩点有意思的,今天来玩玩图像转换以及用代码实现图像手绘效果 我喜欢古天乐啊哈哈,这里选用的是古天乐的海报,下面呈上原图 确认过眼神,是我喜欢的人 现在开始进入正题,首先是加载本文所需的...
  • 手绘的函数实现

    2019-07-14 14:07:20
    图像处理,结合了数据库numpy和图像库的PIL的一些简单应用。 图像处理,整个过程: 1)导入图片; 2)将图片转换成矩阵或者数组格的格式。(原因在于图片以RGB格式保存在数组中) 3)通过数值运算改变RGB...
  • Python程序设计 简单的图像处理(1) 1.写个滤镜 照片照的好,不如滤镜用得好!一款好的滤镜软件可以让照片呈现不一样的风格乃至风情,修理照片需要扬长避短达到最佳效果。可是滤镜款式千百种,却没有一款专门为你...
  • PIL库是一个具有强大图像处理能力的第三方库 在命令行下的安装方法:pipinstallpillow fromPIL importImage Image是PIL库中代表一个图像的类(对象) 图像是一个由像素组成的二维矩阵,每个元素是一个RGB值:RGB值:...
  • 前言 文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。...手绘图确实很好看,但对于手残党的我,只能呵呵一笑,今天就用代码来实现...
  • Android手绘效果实现

    2016-05-31 12:31:02
    效果图![](Android自动手绘,圆你儿时画家梦! - huachao1001的专栏 - 博客...首先你得有一张图(废话~),接下来就是把这张图的轮廓提取出来,轮廓提取算法有很多,本人不是搞图像处理的,对图像处理感兴趣的童鞋可以查
  • 图像处理专业英语

    2018-02-08 10:41:15
    本文整合自:(1)wyx100 http://blog.csdn.net/wyx100/article/details/74635853(2)刘关张 http://blog.csdn.net/liu_guanzhang/article/details/20708115非常感谢二位!!!AAAN (Active Appearance Model)...
1 2 3 4 5 ... 20
收藏数 1,813
精华内容 725