Image embossing in Python with PIL — adding depth, azimuth, etc
我正在尝试使用PIL压印图像。
PIL提供了一种对图像进行浮雕的基本方法(使用
在GIMP之类的图像编辑程序包中，您可以更改此压纹图像中的诸如方位角，深度和高程之类的参数。
如何使用PIL执行此操作？至少我要调整浮雕图像的"深度"。
更新：我尝试了Paul建议的操作(修改了
这里是使用PIL(左)和GIMP(右)的压花效果的比较。原始图片位于此处，http：//www.linuxtopia.org/online_books/graphics_tools/gimp_advanced_guide/gimp_guide_node74.html。
与高深度的对比：
1 2 3 4 5 6 7 | h = [[1, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, -1]] |
要更改方位角，请将非零系数放置在不同的angular：
1 2 3 | h = [[0, 0, 1] [0, 0, 0] [-1, 0, 0]] |
我不太确定海拔。您可能需要更改非零系数值？我只知道它需要是一个高通滤波器。
无论如何，要使用Scipy解决方案来计算和显示图像：
1 2 3 4 | import scipy.misc, scipy.signal im = scipy.misc.imread(filename) im_out = scipy.signal.convolve2d(im, h, 'same') scipy.misc.imshow(im_out) |
希望这会有所帮助。
编辑：好的，正如Paul在PIL中所暗示的，您可以调整过滤器参数，甚至定义一个全新的内核。比例和偏移量参数与您要查找的内容无关。过滤器的尺寸对于调节深度最重要。
在进一步调查中，PIL不允许您将滤镜大小更改为超过5x5。似乎很奇怪。因此，您所得到的深度变化不会像您预期的那样剧烈。
对于总体控制，您可能想尝试我和Paul前面提到的Scipy解决方案。将过滤器的大小更改为可笑的值，例如21x21，然后查看它是否满足您的要求。
如果您无法通过使用或组合操作(例如旋转，然后应用EMBOSS滤镜，重新旋转)(或增强对比度然后进行压印)来实现目标，则可以诉诸于更改(或创建自己的)过滤矩阵。
在ImageFilter.py中，您将找到此类：
1 2 3 4 5 6 7 8 9 10 | ## # Embossing filter. class EMBOSS(BuiltinFilter): name ="Emboss" filterargs = (3, 3), 1, 128, ( -1, 0, 0, 0, 1, 0, 0, 0, 0 ) |
将-1放置在矩阵的另一个角会改变方位角，使其变为-2可能会产生您想要的效果。
逐个像素应用矩阵。矩阵中的每个元素对应于当前像素和周围像素；代表当前像素的中心值。新的变换后的当前像素将创建为所有9个像素的组合，并由矩阵中的值加权。例如，中心为全零且为1的矩阵不会更改图像。
其他参数是
来自ImageFilter.py：
1 2 3 4 5 | # @keyparam scale Scale factor. If given, the result for each # pixel is divided by this value. The default is the sum # of the kernel weights. # @keyparam offset Offset. If given, this value is added to the # result, after it has been divided by the scale factor. |
由于我不熟悉GIMP的"深度"参数的影响，因此无法确定哪个最有可能满足您的要求。
您还可以将矩阵设置为其他大小。将(3,3)替换为(5,5)，然后创建25个元素的矩阵。
要在不重新保存源代码的情况下对过滤器进行临时更改，只需执行以下操作：
1 | ImageFilter.EMBOSS.filterargs=((3, 3), 1, 128, (-1, 0, 0, 0, 1, 0, 0, 0, 0)) |
编辑：(采用NumPy方法)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 | from PIL import Image import numpy # defining azimuth, elevation, and depth ele = numpy.pi/2.2 # radians azi = numpy.pi/4. # radians dep = 10. # (0-100) # get a B&W version of the image img = Image.open('daisy.jpg').convert('L') # get an array a = numpy.asarray(img).astype('float') # find the gradient grad = numpy.gradient(a) # (it is two arrays: grad_x and grad_y) grad_x, grad_y = grad # getting the unit incident ray gd = numpy.cos(ele) # length of projection of ray on ground plane dx = gd*numpy.cos(azi) dy = gd*numpy.sin(azi) dz = numpy.sin(ele) # adjusting the gradient by the"depth" factor # (I think this is how GIMP defines it) grad_x = grad_x*dep/100. grad_y = grad_y*dep/100. # finding the unit normal vectors for the image leng = numpy.sqrt(grad_x**2 + grad_y**2 + 1.) uni_x = grad_x/leng uni_y = grad_y/leng uni_z = 1./leng # take the dot product a2 = 255*(dx*uni_x + dy*uni_y + dz*uni_z) # avoid overflow a2 = a2.clip(0,255) # you must convert back to uint8 /before/ converting to an image img2 = Image.fromarray(a2.astype('uint8')) img2.save('daisy2.png') |
我希望这会有所帮助。现在，我明白了为什么您对PIL的结果感到失望。 Wolfram Mathworld是向量代数复习的好资源。
之前
1 2 3 | h = [[1, 0, 0] [0, 0, 0] [0, 0, -1]] |
与高深度的对比：
1 2 3 4 5 6 7 | h = [[1, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, -1]] |
要更改方位角，请将非零系数放置在不同的angular：
1 2 3 | h = [[0, 0, 1] [0, 0, 0] [-1, 0, 0]] |
我不太确定海拔。您可能需要更改非零系数值？我只知道它需要是一个高通滤波器。
无论如何，要使用Scipy解决方案来计算和显示图像：
1 2 3 4 | import scipy.misc, scipy.signal im = scipy.misc.imread(filename) im_out = scipy.signal.convolve2d(im, h, 'same') scipy.misc.imshow(im_out) |
希望这会有所帮助。
编辑：好的，正如Paul在PIL中所暗示的，您可以调整过滤器参数，甚至定义一个全新的内核。比例和偏移量参数与您要查找的内容无关。过滤器的尺寸对于调节深度最重要。
在进一步调查中，PIL不允许您将滤镜大小更改为超过5x5。似乎很奇怪。因此，您所得到的深度变化不会像您预期的那样剧烈。
对于总体控制，您可能想尝试我和Paul前面提到的Scipy解决方案。将过滤器的大小更改为可笑的值，例如21x21，然后查看它是否满足您的要求。
如果您无法通过使用或组合操作(例如旋转，然后应用EMBOSS滤镜，重新旋转)(或增强对比度然后进行压印)来实现目标，则可以诉诸于更改(或创建自己的)过滤矩阵。
在ImageFilter.py中，您将找到此类：
1 2 3 4 5 6 7 8 9 10 | ## # Embossing filter. class EMBOSS(BuiltinFilter): name ="Emboss" filterargs = (3, 3), 1, 128, ( -1, 0, 0, 0, 1, 0, 0, 0, 0 ) |
将-1放置在矩阵的另一个角会改变方位角，使其变为-2可能会产生您想要的效果。
逐个像素应用矩阵。矩阵中的每个元素对应于当前像素和周围像素；代表当前像素的中心值。新的变换后的当前像素将创建为所有9个像素的组合，并由矩阵中的值加权。例如，中心为全零且为1的矩阵不会更改图像。
其他参数是
来自ImageFilter.py：
1 2 3 4 5 | # @keyparam scale Scale factor. If given, the result for each # pixel is divided by this value. The default is the sum # of the kernel weights. # @keyparam offset Offset. If given, this value is added to the # result, after it has been divided by the scale factor. |
由于我不熟悉GIMP的"深度"参数的影响，因此无法确定哪个最有可能满足您的要求。
您还可以将矩阵设置为其他大小。将(3,3)替换为(5,5)，然后创建25个元素的矩阵。
要在不重新保存源代码的情况下对过滤器进行临时更改，只需执行以下操作：
1 | ImageFilter.EMBOSS.filterargs=((3, 3), 1, 128, (-1, 0, 0, 0, 1, 0, 0, 0, 0)) |
编辑：(采用NumPy方法)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 | from PIL import Image import numpy # defining azimuth, elevation, and depth ele = numpy.pi/2.2 # radians azi = numpy.pi/4. # radians dep = 10. # (0-100) # get a B&W version of the image img = Image.open('daisy.jpg').convert('L') # get an array a = numpy.asarray(img).astype('float') # find the gradient grad = numpy.gradient(a) # (it is two arrays: grad_x and grad_y) grad_x, grad_y = grad # getting the unit incident ray gd = numpy.cos(ele) # length of projection of ray on ground plane dx = gd*numpy.cos(azi) dy = gd*numpy.sin(azi) dz = numpy.sin(ele) # adjusting the gradient by the"depth" factor # (I think this is how GIMP defines it) grad_x = grad_x*dep/100. grad_y = grad_y*dep/100. # finding the unit normal vectors for the image leng = numpy.sqrt(grad_x**2 + grad_y**2 + 1.) uni_x = grad_x/leng uni_y = grad_y/leng uni_z = 1./leng # take the dot product a2 = 255*(dx*uni_x + dy*uni_y + dz*uni_z) # avoid overflow a2 = a2.clip(0,255) # you must convert back to uint8 /before/ converting to an image img2 = Image.fromarray(a2.astype('uint8')) img2.save('daisy2.png') |
我希望这会有所帮助。现在，我明白了为什么您对PIL的结果感到失望。 Wolfram Mathworld是向量代数复习的好资源。
之前
1 2 3 | h = [[1, 0, 0] [0, 0, 0] [0, 0, -1]] |
与高深度的对比：
1 2 3 4 5 6 7 | h = [[1, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, -1]] |
要更改方位角，请将非零系数放置在不同的angular：
1 2 3 | h = [[0, 0, 1] [0, 0, 0] [-1, 0, 0]] |
我不太确定海拔。您可能需要更改非零系数值？我只知道它需要是一个高通滤波器。
无论如何，要使用Scipy解决方案来计算和显示图像：
1 2 3 4 | import scipy.misc, scipy.signal im = scipy.misc.imread(filename) im_out = scipy.signal.convolve2d(im, h, 'same') scipy.misc.imshow(im_out) |
希望这会有所帮助。
编辑：好的，正如Paul在PIL中所暗示的，您可以调整过滤器参数，甚至定义一个全新的内核。比例和偏移量参数与您要查找的内容无关。过滤器的尺寸对于调节深度最重要。
在进一步调查中，PIL不允许您将滤镜大小更改为超过5x5。似乎很奇怪。因此，您所得到的深度变化不会像您预期的那样剧烈。
对于总体控制，您可能想尝试我和Paul前面提到的Scipy解决方案。将过滤器的大小更改为可笑的值，例如21x21，然后查看它是否满足您的要求。
如果您无法通过使用或组合操作(例如旋转，然后应用EMBOSS滤镜，重新旋转)(或增强对比度然后进行压印)来实现目标，则可以诉诸于更改(或创建自己的)过滤矩阵。
在ImageFilter.py中，您将找到此类：
1 2 3 4 5 6 7 8 9 10 | ## # Embossing filter. class EMBOSS(BuiltinFilter): name ="Emboss" filterargs = (3, 3), 1, 128, ( -1, 0, 0, 0, 1, 0, 0, 0, 0 ) |
将-1放置在矩阵的另一个角会改变方位角，使其变为-2可能会产生您想要的效果。
逐个像素应用矩阵。矩阵中的每个元素对应于当前像素和周围像素；代表当前像素的中心值。新的变换后的当前像素将创建为所有9个像素的组合，并由矩阵中的值加权。例如，中心为全零且为1的矩阵不会更改图像。
其他参数是
来自ImageFilter.py：
1 2 3 4 5 | # @keyparam scale Scale factor. If given, the result for each # pixel is divided by this value. The default is the sum # of the kernel weights. # @keyparam offset Offset. If given, this value is added to the # result, after it has been divided by the scale factor. |
由于我不熟悉GIMP的"深度"参数的影响，因此无法确定哪个最有可能满足您的要求。
您还可以将矩阵设置为其他大小。将(3,3)替换为(5,5)，然后创建25个元素的矩阵。
要在不重新保存源代码的情况下对过滤器进行临时更改，只需执行以下操作：
1 | ImageFilter.EMBOSS.filterargs=((3, 3), 1, 128, (-1, 0, 0, 0, 1, 0, 0, 0, 0)) |
编辑：(采用NumPy方法)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 | from PIL import Image import numpy # defining azimuth, elevation, and depth ele = numpy.pi/2.2 # radians azi = numpy.pi/4. # radians dep = 10. # (0-100) # get a B&W version of the image img = Image.open('daisy.jpg').convert('L') # get an array a = numpy.asarray(img).astype('float') # find the gradient grad = numpy.gradient(a) # (it is two arrays: grad_x and grad_y) grad_x, grad_y = grad # getting the unit incident ray gd = numpy.cos(ele) # length of projection of ray on ground plane dx = gd*numpy.cos(azi) dy = gd*numpy.sin(azi) dz = numpy.sin(ele) # adjusting the gradient by the"depth" factor # (I think this is how GIMP defines it) grad_x = grad_x*dep/100. grad_y = grad_y*dep/100. # finding the unit normal vectors for the image leng = numpy.sqrt(grad_x**2 + grad_y**2 + 1.) uni_x = grad_x/leng uni_y = grad_y/leng uni_z = 1./leng # take the dot product a2 = 255*(dx*uni_x + dy*uni_y + dz*uni_z) # avoid overflow a2 = a2.clip(0,255) # you must convert back to uint8 /before/ converting to an image img2 = Image.fromarray(a2.astype('uint8')) img2.save('daisy2.png') |
我希望这会有所帮助。现在，我明白了为什么您对PIL的结果感到失望。 Wolfram Mathworld是向量代数复习的好资源。
之前
1 2 3 | h = [[1, 0, 0] [0, 0, 0] [0, 0, -1]] |
与高深度的对比：
1 2 3 4 5 6 7 | h = [[1, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, 0] [0, 0, 0, 0, 0, 0, -1]] |
要更改方位角，请将非零系数放置在不同的angular：
1 2 3 | h = [[0, 0, 1] [0, 0, 0] [-1, 0, 0]] |
我不太确定海拔。您可能需要更改非零系数值？我只知道它需要是一个高通滤波器。
无论如何，要使用Scipy解决方案来计算和显示图像：
1 2 3 4 | import scipy.misc, scipy.signal im = scipy.misc.imread(filename) im_out = scipy.signal.convolve2d(im, h, 'same') scipy.misc.imshow(im_out) |
希望这会有所帮助。
编辑：好的，正如Paul在PIL中所暗示的，您可以调整过滤器参数，甚至定义一个全新的内核。比例和偏移量参数与您要查找的内容无关。过滤器的尺寸对于调节深度最重要。
在进一步调查中，PIL不允许您将滤镜大小更改为超过5x5。似乎很奇怪。因此，您所得到的深度变化不会像您预期的那样剧烈。
对于总体控制，您可能想尝试我和Paul前面提到的Scipy解决方案。将过滤器的大小更改为可笑的值，例如21x21，然后查看它是否满足您的要求。
如果您无法通过使用或组合操作(例如旋转，然后应用EMBOSS滤镜，重新旋转)(或增强对比度然后进行压印)来实现目标，则可以诉诸于更改(或创建自己的)过滤矩阵。
在ImageFilter.py中，您将找到此类：
1 2 3 4 5 6 7 8 9 10 | ## # Embossing filter. class EMBOSS(BuiltinFilter): name ="Emboss" filterargs = (3, 3), 1, 128, ( -1, 0, 0, 0, 1, 0, 0, 0, 0 ) |
将-1放置在矩阵的另一个角会改变方位角，使其变为-2可能会产生您想要的效果。
逐个像素应用矩阵。矩阵中的每个元素对应于当前像素和周围像素；代表当前像素的中心值。新的变换后的当前像素将创建为所有9个像素的组合，并由矩阵中的值加权。例如，中心为全零且为1的矩阵不会更改图像。
其他参数是
来自ImageFilter.py：
1 2 3 4 5 | # @keyparam scale Scale factor. If given, the result for each # pixel is divided by this value. The default is the sum # of the kernel weights. # @keyparam offset Offset. If given, this value is added to the # result, after it has been divided by the scale factor. |
由于我不熟悉GIMP的"深度"参数的影响，因此无法确定哪个最有可能满足您的要求。
您还可以将矩阵设置为其他大小。将(3,3)替换为(5,5)，然后创建25个元素的矩阵。
要在不重新保存源代码的情况下对过滤器进行临时更改，只需执行以下操作：
1 | ImageFilter.EMBOSS.filterargs=((3, 3), 1, 128, (-1, 0, 0, 0, 1, 0, 0, 0, 0)) |
编辑：(采用NumPy方法)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 | from PIL import Image import numpy # defining azimuth, elevation, and depth ele = numpy.pi/2.2 # radians azi = numpy.pi/4. # radians dep = 10. # (0-100) # get a B&W version of the image img = Image.open('daisy.jpg').convert('L') # get an array a = numpy.asarray(img).astype('float') # find the gradient grad = numpy.gradient(a) # (it is two arrays: grad_x and grad_y) grad_x, grad_y = grad # getting the unit incident ray gd = numpy.cos(ele) # length of projection of ray on ground plane dx = gd*numpy.cos(azi) dy = gd*numpy.sin(azi) dz = numpy.sin(ele) # adjusting the gradient by the"depth" factor # (I think this is how GIMP defines it) grad_x = grad_x*dep/100. grad_y = grad_y*dep/100. # finding the unit normal vectors for the image leng = numpy.sqrt(grad_x**2 + grad_y**2 + 1.) uni_x = grad_x/leng uni_y = grad_y/leng uni_z = 1./leng # take the dot product a2 = 255*(dx*uni_x + dy*uni_y + dz*uni_z) # avoid overflow a2 = a2.clip(0,255) # you must convert back to uint8 /before/ converting to an image img2 = Image.fromarray(a2.astype('uint8')) img2.save('daisy2.png') |
我希望这会有所帮助。现在，我明白了为什么您对PIL的结果感到失望。 Wolfram Mathworld是向量代数复习的好资源。
之前
1 2 3 | h = [[1, 0, 0] [0, 0, 0] [0, 0, -1]] |