关于python:python-实用技巧几十行代码将照片转换成素描图随后打包成可执行文件源码分享

成果展现

原始效果图

素描效果图

相干依赖包

# 超好看的打印库
from pprint import pprint

# 图像处理库
from PIL import Image

# 科学计算库
import numpy as np

# GUI 文件关上窗口
import tkinter.filedialog

制作文件关上窗口

# 创立根窗口
root = tkinter.Tk().withdraw()

# 文件抉择对话窗口，返回文件对象
file_ = tkinter.filedialog.askopenfilename()

pprint("1、读取原始图像胜利")

素描图转换

# 退出异样解决
try:
    # 定义色彩深度（0~100，值越大色彩越深）depth = 20
    # 获取照片灰度的梯度值
    image_grad = np.gradient(np.asarray(Image.open(file_).convert('L')).astype('int'))
    pprint("2、获取图像梯度值胜利")
    # 别离获取 X，Y 方向的梯度值，而后应用色彩深度进行解决
    grad_x, grad_y = image_grad[0] * depth / 100., image_grad[1] * depth / 100.
    pprint("3、色彩深度解决胜利")
    # 降噪基
    base_ = np.sqrt(grad_x ** 2 + grad_y ** 2 + 1.)
    a, b, c = grad_x / base_, grad_y / base_, 1. / base_
    # 光源的仰视角度值和方位角度值
    sce_z, sce_x = np.pi / 2.1, np.pi / 3
    # 光源对 x,y,z 轴的影响
    dx, dy, dz = np.cos(sce_z) * np.cos(sce_x), np.cos(sce_z) * np.sin(sce_x), np.sin(sce_z)
    # 光源归一化
    Normalized = 255 * (dx * a + dy * b + dz * c).clip(0, 255)
    pprint("4、光源解决胜利")
    # 从新结构图像
    img = Image.fromarray(Normalized.astype('uint8'))
    pprint("5、图像重构胜利")
    # 保留转换后的照片
    img.save('素描图.jpg')
    pprint("6、保留转换后的图像胜利")
except Exception:
    print('对不起，图像转换失败！')

exe 文件打包

 -F 参数代表打包文件,trans_image.py 是本人的.py 文件门路
 pyinstaller -F trans_image.py

【粉丝福利】关注公众号，获取全套视频材料，喜爱小编点个 ‘ 关注 ’ 吧！

本文由微信公众号【python 集中营】公布，更多精彩文章、视频材料即可支付！