导读：最近故宫总能“摊上事”。

今天是元宵节，一批幸运鹅拿着在故宫门票预售网站瘫痪之前抢来的门票，夜游故宫，成为94年来第一批在故宫赏月的人。用这种方式过节，真是既时尚又怀旧，简直没sei了。不知道你去了没有？

昨夜今晨，北京又下了一场雪，前些天刷爆朋友圈的故宫雪景照，又出了续集。抢不到晚上赏月的门票，白天去看看雪景也是不错的选择。不知道你去了没有？

今天我们要说的就跟雪景有关……

作者：丁彦军

来源：恋习Python（ID：sldata2017）

一下雪，北京就变成了北平，故宫就变成了紫禁城。

看着朋友圈、微博好友都在纷纷晒图，小编只能羡慕不已。

▲图片来自微信公众号微故宫

不过，小编突然想到，可以通过Python将故宫的建筑物图片，转化为手绘图（素描效果）。效果图如下：

01 概念与原理

我们都知道手绘图效果的特征主要有：

• 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

核心原理：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模拟程度。

把图像看成二维离散函数，灰度梯度其实就是这个二维离散函数的求导，用差分代替微分，求取图像的灰度梯度。常用的一些灰度梯度模板有：Roberts 梯度、Sobel 梯度、Prewitt 梯度、Laplacian 梯度。

以Sobel 梯度计算来解释：

首先计算出 、，然后计算梯度角梯度方向及图像灰度增大的方向，其中梯度方向的梯度夹角大于平坦区域的梯度夹角。如下图所示，灰度值增加的方向梯度夹角大，此时梯度夹角大的方向为梯度方向。对应在图像中寻找某一点的梯度方向即通过计算该点与其8邻域点的梯度角，梯度角最大即为梯度方向。

02 图像的数组形式与变换

其中，需要用到的方法：

• Image.open( ): 打开图片

• np.array( ) : 将图像转化为数组

• convert("L"): 将图片转换成二维灰度图片

• Image.fromarray( ): 将数组还原成图像uint8格式

代码如下：

from PIL import Imageimport numpy as np

im = Image.open(r"C:\Users\Administrator\Desktop\gugong\微信图片_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，宽度

03 图像的手绘效果处理

实现思路步骤：

1. 梯度的重构

numpy的梯度函数的介绍：

• np.gradient(a) ： 计算数组a中元素的梯度，f为多维时，返回每个维度的梯度

• 离散梯度： xy坐标轴连续三个x轴坐标对应的y轴值：a, b, c 其中b的梯度是（c-a）/2

• 而c的梯度是： (c-b)/1

当为二维数组时，np.gradient(a) 得出两个数组，第一个数组对应最外层维度的梯度，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 * depth / 100.#对grad_x值进行归一化grad_y = grad_y * depth / 100.#对grad_y值进行归一化

2. 构造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

• 运算出各点的新像素值

其中：

• np.cos(evc.el) : 单位光线在地平面上的投射长度

• dx,dy,dz ：光源对x，y，z三方向的影响程度

3. 梯度归一化

• 构造x和y轴梯度的三维归一化单位坐标系；

• 梯度与光源相互作用，将梯度转化为灰度。

4. 图像生成

具体详情代码如下：

from PIL import Imageimport numpy as npimport osimport joinimport time

def image(sta,end,depths=10):    a = np.asarray(Image.open(sta).convert('L')).astype('float')    depth = depths  # 深度的取值范围(0-100)，标准取10    grad = np.gradient(a)  # 取图像灰度的梯度值    grad_x, grad_y = grad  # 分别取横纵图像梯度值    grad_x = grad_x * depth / 100.#对grad_x值进行归一化    grad_y = grad_y * depth / 100.#对grad_y值进行归一化    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(end)

def main():    xs=10    start_time = time.clock()    startss = os.listdir(r"C:\Users\Administrator\Desktop\gugong")    time.sleep(2)    for starts in startss:        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('程序运行了  ----' + str(end_time - start_time) + '   秒')    time.sleep(3)

main()程序运行了  ----43.01828205879955   秒  #一共35张图片

最终效果图对比：

▲原始图片来自微信公众号微故宫

其他图片就不一一列举。你也可以通过此代码为自己画一张手绘图；也可以为自己的家乡或母校画。

人生苦短，我用Python；

除了生娃，啥都能干！

参考资料：北京理工大学的嵩天老师的网络课程

http://www.icourse163.org/learn/BIT-1001870002?tid=1001963001#/learn/announce

据统计，99%的大咖都完成了这个神操作

▼

更多精彩

在公众号后台对话框输入以下关键词

查看更多优质内容！

PPT | 报告 | 读书 | 书单

大数据 | 揭秘 | 人工智能 | AI

Python | 机器学习 | 深度学习 | 神经网络

可视化 | 区块链 | 干货 | 数学

猜你想看

• 故宫首开夜场门票秒空官网崩溃：7本书让网站挺住

• 《流浪地球》导演郭帆竟然“特别绝望”？

• 7本书告诉你，为什么拯救“流浪地球”的是人类，不是AI？

• 做决定前别拍脑袋：两个成功案例看懂A/B测试

Q: 来，给我们看看你的灵魂画作！

欢迎留言与大家分享

觉得不错，请把这篇文章分享给你的朋友

转载 / 投稿请联系：baiyu@hzbook.com

更多精彩，请在后台点击“历史文章”查看