用不到20行代码制作一个 “手绘风” 视频

今天分享的文章与计算机视觉相关，用不到 20 行Python代码将一张实拍图片转化为手绘风，无需对图片进行任何预处理、后处理；代码中只借助了两个常见库，核心计算由  Numpy 负责 ，Pillow 负责图片读写

在正文开始之前，先看一下效果，下面是单张图片转换前后对比

图一

图二

图三

为了增加趣味性，再将这段代码应用到一个视频中，新鲜的 “手绘风视频” 出炉

“手绘风”实现步骤

讲解之前，需要了解手绘图像的三个主要特点：

• 图片需为灰度图，是单通道的；
• 边缘部分线条较重涂抹为黑色，相同或相近像素值转换后趋于白色；
• 在光源效果的加持下，灰度变化可模拟人类视觉的远近效果

读取图片，转化为数组

因为后面要用到像素计算，为了方便，事先将读取后的图片转化为数组

a = np.asarray(Image.open("Annie1.jpg").convert('L')).astype('float')

计算 x,y,z 轴梯度值，并归一化

刚才提到手绘照片的一个特点，就是 手绘照片对边缘区域更加侧重，定位图片边缘部分，最有效方式就是计算梯度，用灰度变化来模拟图片远近效果，depth 表示预设深度，z 轴默认梯度为 1

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.

对梯度值完成归一化操作

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

加入光源效果

手绘风图片除了计算梯度值之外，还需要考虑光源影响。光源入射的角度不同会对 x,y,z 各轴上的梯度值有不同程度的影响。添加一个模拟光源，放置在斜上方，与 x , y 分别形成两个夹角

并且这两个夹角是通过实验得到是已知的，然后根据正弦余弦函数计算出最终新的像素值

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,8 255
b = b.clip(0, 255)# 对像素值低于0，高于255部分做截断处理

导出图片，并保存

im.save("Annie_shouhui.jpg")

以下是该步骤涉及到的的全部代码

from PIL import Image
import numpy as np


a = np.asarray(Image.open("Annie1.jpg").convert('L')).astype('float')

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)

im = Image.fromarray(b.astype('uint8'))  # 重构图像
im.save("Annie_shouhui.jpg")

制作手绘风视频

图片转化后的效果虽然也不错，但图片毕竟是静态的，人作为视觉动物，如果能做成动态的那再好不过了，知道上面的方法之后，只需对视频再加上一个拆帧合并操作，就能制作一个手绘风视频效果。

首先我们需要一个待转换的视频文件。这里我用 you-get 工具在 B 站上找了一个视频，下载了下来

you-get --format=dash-flv -o ./ https://www.bilibili.com/video/BV1tT4y1j7a9?from=search&8014393453748720686

下载完之后，用 OpenCV2 对视频进行切帧操作，将视频转为一张张图片，同时对图片进行手绘风格转化，再写出到本地视频文件中

 vc = cv2.VideoCapture(video_path)
    c = 0
    if vc.isOpened():
        rval,frame = vc.read()
        height,width = frame.shape[0],frame.shape[1]
        print(height, width)
    else:
        rval = False
        height,width = 960,1200

    # jpg_list = [os.path.join('Pic_Directory/',i) for i in os.listdir('Pic_Directory') if i.endswith('.jpg')]

    fps = 24 # 视频帧率
    video_path1 = './text.mp4'
    video_writer = cv2.VideoWriter(video_path1,cv2.VideoWriter_fourcc(*'mp4v'),fps,(width,height))

    while rval:
        rval,frame = vc.read()# 读取视频帧
        img = coonvert_jpg(Image.fromarray(frame))
        frame_converted = np.array(img)

        # 转化为三通道
        image = np.expand_dims(frame_converted,axis = 2)
        result_arr = np.concatenate((image,image,image),axis = -1)

        video_writer.write(result_arr)
        print('Sucessfully Conveted---------{}'.format(c))
        c = c + 1
        if c >= 3000:
            break
    video_writer.release()

在图片序列提取时，需要注意一点，因为转化后的图片是单通道的，直接借助 OpenCV 生成视频序列是无法播放的，需增加一个步骤单通道转化为三通道！

 # 转化为三通道
 image = np.expand_dims(frame_converted,axis = 2)
 result_arr = np.concatenate((image,image,image),axis = -1)

想让生成的视频更有感觉的话可以添加一个背影音乐，借助剪辑软件、Python 都可以实现。

小结

本文主要介绍了如何用 Python将一张图片转化为手绘风格，代码量不多，可以很方便地应用。不过背后的原理并不简单，涉及数学、物理相关的知识点。

文中涉及到的源码大部分其实都已经贴在文章，但为了方便起见，我已经将数据和源码整合在一起，想获取的同学可以，请在公号后台回复关键字：手绘

如果文章对你有帮助，欢迎转发/点赞/收藏~

作者：zeroing