点击原文地址以获得更好的阅读体验。
手绘风图片因其简约而典雅的线条，清晰而自然的纹理和充满艺术的情趣感一直是许多人的热宠。这种专注于图形个性化和艺术化的表达方式深受人们的喜爱。
下面，我来介绍一下如何用Python代码实现图片的手绘化效果。
本文所用到的Python库：
PIL库
PIL：Python Imaging Library,是Python一个强大而方便的图像处理库。不过PIL目前只支持到Python 2.7，而且从09年至今再也没更新过
Pillow：PIL的一个派生分支，但如今已经发展得比PIL本身更具活力，并且支持最新的Python3。
Numpy库
Numpy：Numerrical Python, 是一个开源的Python科学计算库，可用来存储和处理大型矩阵，据说NumPy将Python相当于变成一种免费的更强大的MatLab系统。
在命令行使用PIP安装：
pip install Pillow
pip install Numpy
然后通过
from PIL import Image
import numpy as np
就可以使用了
Image类的图片模式
PIL中的Image类有9种不同图片模式，分别为
1 : 一位二值图像
L : 8位灰色图像
P : 8位彩色图像
RGB：24位彩色图像，红绿蓝三种色彩
RGBA : 32位彩色图像，红绿蓝三种色彩加Alpha通道
CMYK : 32位彩色图像，青、洋红、黄、黑四种色彩的印刷四分色模式
YCbCr: 24位彩色图像，彩色视频格式
I : 32位整型灰色图像
F : 32位浮点灰色图像
在手绘化图片前，我们要将图片转化为灰色图像，进行图像的灰度化预处理。用PIL中的convert函数非常容易实现：
img = img.convert("L")
模式“L”即为灰色图像，它的每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度。
一般来说，图像灰度化的方法有四种：
- 分量法
将彩色图像中的三分量的亮度作为三个灰度图像的灰度值，可根据应用需要选取一种灰度图像。 - 最大值法
将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。 - 平均值法
将彩色图像中的三分量亮度求平均得到一个灰度值。 - 加权平均法
根据重要性及其它指标，将三个分量以不同的权值进行加权平均。
在PIL中，这个从“RGB”模式到“L模式的转换公式为
L = R * 299/1000 + G * 587/1000+ B * 114/1000
这里，我以存储位置为F:\python\Image-Freehand\中的tupian.jpg为例:
使用
Image.open(r'F:\python\Image-Freehand\tupian.jpg').convert('L')
将图片tupian.jpg 转换为灰色图像，效果为：
数据的获取与存储
通过Numpy中的asarray函数将图片的灰度值以浮点型矩阵的形式存储起来，再用gradient函数得出图片灰度值的梯度
L=np.asarray(Image.open(r'F:\python\Image-Freehand\tupian.jpg').convert('L')).astype('float')
grad = np.gradient(L)
我们来观察一下L矩阵
可以看出L是一个853*1280的二维浮点型矩阵，因此它的梯度grad里应该有两个数组矩阵，分别对应两层维度的梯度。
现取最外层维度梯度为x方向的梯度值grad_x，取第二层维度梯度值为y方向梯度值grad_y
grad_x, grad_y = grad
这时我们已经取得了图像的梯度值，就可以通过改变像素的梯度值来改变图像的灰度变化，对图像进行重构了
图像的转换
我们先设一个深度值depth，取值范围为（0，100），然后利用深度调整x和y方向的梯度值。
我们使
grad_x = grad_x*depth/100.
grad_y = grad_y*depth/100.
深度值越小，重构后的图像梯度值越小，即图像灰度值变化越小，画面线条越少，整体更显洁净。
比如当depth=1时：
反之，深度值越大，重构后的图像梯度值越大，即图像灰度值变化越大，画面线条越多，整体更显肮脏。
比如当depth=100时
因此我们需要通过改变depth，找到最符合人类视觉远近程度的深度值。
经过多次测试发现，当深度值为10左右时，即图像灰度梯度变为原来的10%左右时，画面最接近手绘化效果。（当然，对于不同的图片，这个最佳深度值不一定相同）
在本文中我们取depth=10
制造光源效果
此时图像的效果是这样的：
类似版画的效果，这是因为此时的图像还没有光源效果，跟我们实际观察事物的感觉不一样，因此我们还需要为图像制造光源效果。
如图，我们先假设一个光源位于图像斜上方，设俯视角为el，方位角为az，则单位光线在x,y,z方向上的投影长度分别为：
dx = cos(el)*cos(az)
dy = cos(el)*sin(az)
dz = sin(el)
通过多次调整发现，当俯视角el=π/2.2, 方位角az=π/4时光照效果最好。（当然对于不同图像两个角度的选取不一定相同）
实现代码为：
el = np.pi/2.2
az = np.pi/4
dx = np.cos(el)*np.cos(az)
dy = np.cos(el)*np.sin(az)
dz = np.sin(el)
所以，此时图像的灰度值变为
gd = 255*(dx*uni_x + dy*uni_y + dz*uni_z)
我们将这个过程叫做光源的归一化
重构图像
由于灰度值的选取范围为（0，255），为了避免数据越界，需要将生成的灰度值裁剪至0-255之间
gd = gd.clip(0,255)
由新的灰度值重构图像
im = Image.fromarray(gd.astype('uint8'))
其中uint8是一种数据类型
- u : 正数
- int : 整数
- 8 : 8位信息，即最大值为255，最小值为0
这时图像的手绘化效果已经完成了
最后保存图像：
im.save(r'F:\python\Image-Freehand\tupianHD.jpg')
完整代码已经托管到我的github仓库
https://github.com/Leotemp/Image-Freehand
本示例来源于北京理工大学嵩天老师的Python数据分析课程
老师讲的特别好，在此安利给大家。
