第3张图有点琢磨不透,搞了一个近似的效果。
import numpy as np
import cv2
def gamma_adjust(im, gamma=1.0):
return (np.power(im.astype(np.float32)/255, 1/gamma)*255).astype(np.uint8)
def sketch(data):
a = np.float32(data)
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)
return np.uint8(b)
im = cv2.imread(r'd:\529859161856163.jpeg', cv2.IMREAD_GRAYSCALE)
im_2 = gamma_adjust(im, 2)
im_3 = gamma_adjust(im, 3)
cv2.imwrite(r'd:\gamma_2.jpeg', gamma_adjust(im, 2))
cv2.imwrite(r'd:\gamma_3.jpeg', gamma_adjust(im, 3))
cv2.imwrite(r'd:\sketch.jpeg', gamma_adjust(sketch(im_3)-16, 1/3))
效果对比:
原图
第一张到第二张应该是灰阶拉升或者gama变换,具体需要你自己比对一下,第三张有点像拉普拉斯或者高斯提取轮廓结果,但是左上角的红色变成蓝色就不知道怎么操作了。