摘要：
每个像素由8位表示，0表示黑色，255表示白色。换算公式：L=R*299/1000+G*587/1000+B*114/1000。
思路：
1、用灰度变化来模拟视觉的明暗程度；
2、把彩图转为灰度数组；
3、求出梯度数组，即灰度变化率数组；
4、预设灰度值10，范围0-100，衰减到10%，这将对灰度变化率按作衰减；
5、令z变化率为1，对x、y、z的作归一化处理；
6、定义一个光源，附视角接近90度，方位角45度；
7、令对角线长度为单位1，分别计算光源在x、y、z轴的投影值；
8、将归一化并衰减过的灰度变化率，分别乘以对应的投影值，之后相加；
9、得到灰度系数，再乘以255，即线稿的灰度值；
10、输出线稿图；
代码如下：
#coding=utf-8 from PIL import Image import numpy as np orgimg = '/Users/chong/Documents/code/ai/gray/t1/res/card_100023.png' outimg = '/Users/chong/Documents/code/ai/gray/t1/res/card_100023_gray.png' a = np.asarray(Image.open(orgimg).convert('L')).astype('float') # 根据灰度变化来模拟人类视觉的明暗程度 depth = 10. # 预设虚拟深度值为10 范围为0-100 grad = np.gradient(a) # 提取梯度值 grad_x, grad_y = grad # 提取x y方向梯度值 解构赋给grad_x, grad_y # 利用像素之间的梯度值和虚拟深度值对图像进行重构 grad_x = grad_x * depth / 100. grad_y = grad_y * depth / 100. #根据深度调整x y方向梯度值 # 梯度归一化 定义z深度为1. 将三个梯度绝对值转化为相对值，在三维中是相对于斜对角线A的值 A = np.sqrt(grad_x ** 2 + grad_y ** 2 + 1.) uni_x = grad_x / A uni_y = grad_y / A uni_z = 1./ A # 令三维中是相对于斜对角线的值为1 vec_el = np.pi / 2.1 # 光源俯视角度 弧度值 接近90度 vec_az = np.pi / 4. # 光源方位角度 弧度值 45度 dx = np.cos(vec_el) * np.cos(vec_az) # 光源对x轴的影响 对角线在x轴投影 dy = np.cos(vec_el) * np.sin(vec_az) # 光源对y轴的影响 对角线在y轴投影 dz = np.sin(vec_el) # 光源对z轴的影响 对角线在z轴投影 b = 255 * (dx * uni_x + dy * uni_y + dz * uni_z) # 光源归一化 b = b.clip(0, 255) # 为了避免数据越界，生成灰度值限制在0-255区间 im = Image.fromarray(b.astype( 'uint8')) # 图像更构 im.save(outimg) # 保存图片
运行 python pic-gray.py
效果图
相关库安装 pip install numpy
取灰度图方法
1. img = img.convert()
PIL有九种不同模式: 1，L，P，RGB，RGBA，CMYK，YCbCr，I，F。
1.1 img.convert('1')
为二值图像，非黑即白。每个像素用8个bit表示，0表示黑，255表示白。
1.2 img.convert('L')
为灰度图像，每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度。
转换公式：L = R * 299/1000 + G * 587/1000+ B * 114/1000。
1.3 img.convert('P')
ps:
显示图片
import matplotlib.pyplot as plt plt.figure("preview") plt.imshow(Image.open(outimg)) plt.show()