game(2)图像手绘效果

图像的手绘效果
参考:https://www.icourse163.org/learn/BIT-1001870002#/learn/content?type=detail&id=1210784855&cid=1213173515
手绘效果的几个特征:
1.黑白灰色
2.边界线条较重
3.相同或相近色彩趋于白色
4.略有光源效果

梯度的重构:
利用像素之间的梯度值或虚拟梯度值对图像进行重构,根据灰度变化来模拟人类视觉明暗效果。
在这里插入图片描述

#图像的手绘效果
from PIL import Image
import numpy as np
a = np.asarray(Image.open('./People.jpg').convert('L')).astype('float')
depth = 10.
grad = np .gradient(a) #梯度值
grad_x,grad_y = grad
#归一化处理
grad_x = grad_x*depth/100.
grad_y = grad_y*depth/100.
A = np.sqrt(grad_x**2+grad_y**2+1.0)
Uni_x = grad_x/A
Uni_y = grad_y/A
Uni_z = 1./A
#光源的俯视角度,弧度值
vec_el = np.pi/2.2
#光源的方位角度,弧度制
vec_az = np.pi/4.
#光源对X轴方向的影响
dx = np.cos(vec_el)*np.cos(vec_az)
#光源对y轴方向的影响
dy = np.cos(vec_el)*np.sin(vec_az)
#光源对Z轴方向的影响
dz = np.sin(vec_el)
#光源归一化处理
b = 255*(dx*Uni_x+dy*Uni_y+dz*Uni_z)
b = b.clip(0,255)
im = Image.fromarray(b.astype('uint8'))
im.save('./people1.jpg')
im.show('./people1.jpg')

结果:左边为原图,右边为手绘效果图
原图
手绘效果图

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值