故宫下雪了！我用Python给它画了一套手绘图，只用了45秒（附代码）

大家好，感谢邀请，今天来为大家分享一下故宫下雪了！我用Python给它画了一套手绘图，只用了45秒（附代码）的问题，以及和的一些困惑，大家要是还不太明白的话，也没有关系，因为接下来将为大家分享，希望可以帮助到大家，解决大家的问题，下面就开始吧！

13日上午，当北京市民拉开窗帘时，发现窗外的雪花在空中飘落，并且越来越大。树木、草地、屋顶、道路……都被雪花覆盖了。首都被白雪覆盖。这是今年冬天以来的第一次。北京第二场雪。一下雪，北京就变成了北平，故宫就变成了故宫。雪花飘落前，8万张门票已全部预订完毕。

然而我们突然想到可以通过Python将故宫建筑图片转换成手绘图（素描效果）。效果图如下：

一、概念与原则

我们都知道手绘效果的主要特点是：

黑、白、灰；较粗的边框线；相同或相似的颜色往往是白色；轻微的光源效应。核心原理：利用像素之间的梯度值和虚拟深度值来重建图像，根据灰度变化来模拟人类视觉的程度。

将图像视为二维离散函数。灰度梯度实际上就是这个二维离散函数的推导。使用差值而不是微分来求图像的灰度梯度。一些常用的灰度梯度模板有：Roberts梯度、Sobel梯度、Prewitt梯度、Laplacian梯度。

用Sobel梯度计算解释：

首先计算

,

，然后计算梯度角度

梯度方向以及图像灰度增加的方向，其中梯度方向的梯度角大于平坦区域的梯度角。如下图所示，灰度值增大的方向梯度角度较大。此时梯度角度大的方向就是梯度方向。对应于寻找图像中某一点的梯度方向，计算该点与其相邻八个点之间的梯度角。最大梯度角度就是梯度方向。

2. 图像的数组形式和变换

其中，需要用到的方法：

Image.open( ): 打开图像np.array( ) : 将图像转换为数组Convert('L'): 将图像转换为二维灰度图像Image.fromarray( ): 将数组恢复为图像uint8格式代码如下：

from PIL import Imageimport numpy as npim=Image.open(r'C:\Users\Administrator\Desktop\gugong\WeChat picture_20190216152248.jpg').convert('L')a=np.asarray(im).astype( 'float ')print(a.shape,a.dtype)(1080, 608) float64#(1080, 608) 分别表示高度和宽度。三、图像的手绘效果处理

实施该想法的步骤：

梯度重建构建关光源效果梯度归一化图像生成1.梯度重建

numpy的梯度函数介绍：

np.gradient(a)：计算数组a中元素的梯度。当f为多维时，返回梯度在各个维度上的离散梯度： xy坐标轴上连续三个x轴坐标对应的y轴值：a,b,c 其中b的梯度为(c-a)/2，c的梯度为：(c-b)/1。当它是二维数组时，np.gradient(a) 产生两个数组。第一个数组对应于最外面的维度。梯度，第二个数组对应第二层维度的梯度。

代码如下：

grad=np.gradient(a)grad_x,grad_y=gradgrad_x=grad_x * height/100.#归一化grad_x值grad_y=grad_y * height/100.#归一化grad_y值2.构建guan光源效果

设计一个位于图像斜上方的虚拟光源。光源相对于图像的视角为Elevation，方位角为Azimuth。建立光源对各点梯度值的影响函数，计算各点新的像素值：

np.cos(evc.el) : 单位光线在地平面上的投影长度dx,dy,dz：光源对x,y,z三个方向的影响程度3.梯度归一化

构建x、y轴梯度的三维归一化单位坐标系；渐变与光源相互作用，将渐变转换为灰度。 4. 图像生成

代码具体细节如下：

from PIL import Imageimport numpy as npimport osimport joinimport timedef image(sta,end,深度=10): a=np.asarray(Image.open(sta).convert('L')).astype('float') 深度=heights # 深度的取值范围（0-100），标准为10 grad=np.gradient(a) # 获取图像灰度的梯度值grad_x, grad_y=grad # 获取图像水平和垂直的梯度值分别grad_x=grad_x * height/100.#归一化grad_x 值grad_y=grad_y * height/100.#归一化grad_y 值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，弧度value 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x轴的影响在y 轴上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')) # 重建图像im.save(end)def main(): xs=10 start_time=time.clock()startss=os.listdir(r'C:\Users\Administrator\Desktop\gugong') time.sleep(2) forstartss: start=''.join(starts) sta='C:/Users/Administrator/Desktop/gugong/' + start end='C:/Users/Administrator/Desktop/gugong/' + 'HD_' + start image( sta=sta,end=end,depths=xs) end_time=time.clock() print('程序为running----' + str(end_time - start_time) + 'seconds') time.sleep(3)main( )程序跑了----43.01828205879955秒#共35张图片。最终效果对比：

其他图片就不一一列举了。如需获取更多图片素材，可在后台回复“故宫雪景”获取；您还可以使用此代码为自己绘制手绘图；你也可以为你的家乡或母校画一张。

最后提醒：

人生苦短，我用Python；

除了生孩子，我什么都能做！

欢迎大家在留言框中留言，说说你用Python做了什么有趣的事情！

校对：陈瑞庆

- 超过-