这是魔法吗？Python PIL实现二次元手绘效果，29行代码搞定

Python手绘效果生成器：29行代码实现照片艺术化

摘要：本文介绍如何使用Python的PIL和NumPy库，仅用29行代码实现照片手绘效果。通过图像梯度计算和光照模拟，将普通照片转换为手绘风格的艺术作品。

目录

文章目录

• Python手绘效果生成器：29行代码实现照片艺术化
• • 目录
  • @[toc]
  • 1. 效果展示
  • 2. 核心原理
  • 3. 完整代码实现
  • 4. 代码详解
  • • 4.1 图像预处理
    • 4.2 梯度计算
    • 4.3 深度参数
    • 4.4 法向量计算
    • 4.5 光照设置
    • 4.6 光照计算
  • 5. 参数调优指南
  • • 5.1 深度参数（depth）
    • 5.2 光源角度
  • 6. 使用示例
  • • 6.1 基础使用
    • 6.2 批量处理扩展
  • 7. 常见问题
  • • 7.1 ImportError
    • 7.2 文件路径错误
    • 7.3 内存不足
  • 8. 总结
  • • 优势：
    • 局限：
    • 扩展方向：
  • 投票与互动
  • 标签
  • • 局限：
    • 扩展方向：
  • 投票与互动
  • 标签

1. 效果展示

先来看看最终效果，上面是原始照片，下面是手绘效果：

|
||

2. 核心原理

手绘效果的核心是通过计算图像梯度来模拟线条，再通过光照模型增强立体感。主要包含以下步骤：

1. 灰度转换：将彩色图片转换为灰度图
2. 梯度计算：计算像素点的梯度值
3. 深度调整：通过depth参数控制立体感强度
4. 光照模拟：添加光源效果，增强立体感

3. 完整代码实现

fromPILimportImageimportnumpyasnp# 读取图片并转换为灰度图a=np.asarray(Image.open(r".\1.jpg").convert('L')).astype('float')# 深度参数 (0-100)，控制立体感强度depth=50.# 计算图像灰度的梯度值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# 应用深度参数缩放grad_x=grad_x*depth/100.grad_y=grad_y*depth/100.# 计算法向量A=np.sqrt(grad_x**2+grad_y**2+1.)uni_x=grad_x/A uni_y=grad_y/A uni_z=1./A# 设置光源角度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# 计算光源对x、y、z轴的影响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# 光照归一化b=255*(dx*uni_x+dy*uni_y+dz*uni_z)b=b.clip(0,255)# 重构图像并保存im=Image.fromarray(b.astype('uint8'))# 重构图像im.save(r".\手绘.jpg")# 保存手绘效果print("保存成功，请查看")

4. 代码详解

4.1 图像预处理

a=np.asarray(Image.open(r".\1.jpg").convert('L')).astype('float')

这行代码做了三件事：

1. Image.open(r".\1.jpg")- 打开图片文件
2. .convert('L')- 转换为灰度图（L模式）
3. np.asarray(...).astype('float')- 转换为NumPy数组，数据类型为float

4.2 梯度计算

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

np.gradient()函数计算图像的梯度，返回两个数组：

• grad_x: 水平方向的梯度
• grad_y: 垂直方向的梯度

梯度反映了图像中像素值的变化程度，边缘位置梯度值较大。

4.3 深度参数

depth=50.# (0-100)grad_x=grad_x*depth/100.grad_y=grad_y*depth/100.

depth参数控制手绘效果的立体感：

• 值越大，立体感越强，线条越粗
• 值越小，效果越细腻
• 范围：0-100

4.4 法向量计算

A=np.sqrt(grad_x**2+grad_y**2+1.)uni_x=grad_x/A uni_y=grad_y/A uni_z=1./A

这部分计算每个像素点的法向量，用于后续的光照计算。

4.5 光照设置

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

设置光源位置：

• vec_el：俯仰角，控制光源从上方照射的角度
• vec_az：方位角，控制光源从左侧照射的角度

4.6 光照计算

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)b=b.clip(0,255)

通过点积计算每个像素的光照强度，然后归一化到0-255范围。

5. 参数调优指南

5.1 深度参数（depth）

5.2 光源角度

# 俯仰角调小（光源更接近水平）vec_el=np.pi/1.8# 方位角调整（从左侧45度改为90度）vec_az=np.pi/2

6. 使用示例

6.1 基础使用

# 准备工作# 1. 准备一张名为"1.jpg"的图片# 2. 安装依赖：pip install pillow numpy# 运行代码python Main.py

6.2 批量处理扩展

虽然原代码只处理单张图片，但可以轻松扩展为批量处理：

fromPILimportImageimportnumpyasnpimportosdefprocess_image(input_path,output_path,depth=50):a=np.asarray(Image.open(input_path).convert('L')).astype('float')grad=np.gradient(a)grad_x,grad_y=grad 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/2.2vec_az=np.pi/4.dx=np.cos(vec_el)*np.cos(vec_az)dy=np.cos(vec_el)*np.sin(vec_az)dz=np.sin(vec_el)b=255*(dx*uni_x+dy*uni_y+dz*uni_z)b=b.clip(0,255)im=Image.fromarray(b.astype('uint8'))im.save(output_path)# 批量处理input_dir="input_images"output_dir="output_images"os.makedirs(output_dir,exist_ok=True)forfilenameinos.listdir(input_dir):iffilename.endswith(('.jpg','.jpeg','.png')):input_path=os.path.join(input_dir,filename)output_path=os.path.join(output_dir,f"handdraw_{filename}")process_image(input_path,output_path)print(f"处理完成:{filename}")

7. 常见问题

7.1 ImportError

# 安装依赖pip install pillow numpy

7.2 文件路径错误

# 使用绝对路径或相对路径Image.open(r"C:\Users\用户\Desktop\1.jpg")# 绝对路径Image.open(r".\1.jpg")# 相对路径

7.3 内存不足

对于大图片，可以调整图片尺寸：

# 在转换前缩小图片img=Image.open(r".\1.jpg")img=img.resize((img.size[0]//2,img.size[1]//2))# 缩小一半a=np.asarray(img.convert('L')).astype('float')

8. 总结

这个29行的Python手绘效果生成器虽然代码简洁，但包含了图像处理的核心概念：

1. 图像梯度：用于边缘检测和线条提取
2. 光照模型：模拟真实世界的光照效果
3. 数值计算：使用NumPy进行高效的数组运算

优势：

• 代码简洁易懂
• 效果直观明显
• 参数可调节
• 易于扩展

局限：

• 只支持单张图片处理
• 参数需要手动调整
• 对大图片处理较慢

扩展方向：

• 添加GUI界面
• 支持批量处理
• 参数自动优化
• 支持更多图片格式

投票与互动

如果这篇文章对你有帮助，请：

• 点赞支持作者
• 收藏方便后续查看
• 评论分享你的想法和建议

标签

#Python#图像处理#PIL#NumPy#手绘效果#29行代码

直观明显

• 参数可调节
• 易于扩展

局限：

• 只支持单张图片处理
• 参数需要手动调整
• 对大图片处理较慢

扩展方向：

• 添加GUI界面
• 支持批量处理
• 参数自动优化
• 支持更多图片格式

投票与互动

如果这篇文章对你有帮助，请：

• 点赞支持作者
• 收藏方便后续查看
• 评论分享你的想法和建议

标签

#Python#图像处理#PIL#NumPy#手绘效果#29行代码