图片转线稿代码
这是一个Python脚本，它使用PIL库（Python Imaging Library，也被称为Pillow）和NumPy库将图片转换为线稿效果。以下是代码的具体内容：
# 文件名：ImgProcess.py
from PIL import Image
import numpy as np
def imgprocess(filename, out_puts="img_processed.jpg"):
"""
将输入的图片转换为线稿效果，并保存为新的图片文件。
参数:
filename (str): 输入图片的文件路径。
out_puts (str): 输出图片的文件路径，默认为 "img_processed.jpg"。
返回:
None
"""
# 虚拟亮度，用于调整线稿的深浅
depth = 10
# 打开图片，并将其转换为灰度图
a = np.array(Image.open(filename).convert('L'))
# 计算图片的梯度，得到每个像素点在x和y方向上的变化率
grad_x, grad_y = np.gradient(a)
# 根据虚拟亮度调整梯度的大小
grad_x = grad_x * depth / 100
grad_y = grad_y * depth / 100
# 光源效果，设定光源的方向
vec_el = np.pi / 2
vec_az = np.pi / 4.
# 计算光源在x、y和z方向上的分量
dx = np.cos(vec_el) * np.cos(vec_az)
dy = np.cos(vec_el) * np.sin(vec_az)
dz = np.sin(vec_el)
# 计算每个像素点的单位向量
A = np.sqrt(grad_x ** 2 + grad_y ** 2 + 1.)
uni_x = grad_x / A
uni_y = grad_y / A
uni_z = 1. / A
# 根据光源的方向和每个像素点的单位向量，计算每个像素点的亮度
b = 255 * (dx * uni_x + dy * uni_y + dz * uni_z)
# 将亮度值限制在0到255之间
b = b.clip(0, 255)
# 将处理后的图片数据转换为PIL图片对象，并保存为新的文件
img = Image.fromarray(b.astype('uint8'))
img.save(out_puts)
# 线稿示例
# 调用imgprocess函数，将'./static/bc.jpg'图片转换为线稿，并保存为'img_processed.jpg'
imgprocess(filename='./static/bc.jpg')
使用这段代码，你可以将任何输入的图片转换为线稿效果，并保存为新的图片文件。
以下是将其转换为可执行脚本：
为了将上述脚本转换为一个可以接受--image_path命令行参数的可执行文件，需要进行几个步骤：
- 使用
argparse模块来解析命令行参数。 - 将
imgprocess函数内部的硬编码文件路径替换为从命令行参数中获取的路径。 - 编写一个主函数
main来调用imgprocess函数，并处理命令行参数。 - 在脚本的末尾添加
if __name__ == "__main__":块来调用main函数。
下面是修改后的脚本：
# 文件名：img_to_lineart.py
from PIL import Image
import numpy as np
import argparse
def imgprocess(image_path, out_puts="img_processed.jpg"):
"""
将输入的图片转换为线稿效果，并保存为新的图片文件。
参数:
image_path (str): 输入图片的文件路径。
out_puts (str): 输出图片的文件路径，默认为 "img_processed.jpg"。
返回:
None
"""
# 虚拟亮度，用于调整线稿的深浅
depth = 10
# 打开图片，并将其转换为灰度图
a = np.array(Image.open(image_path).convert('L'))
# 计算图片的梯度
grad_x, grad_y = np.gradient(a)
# 根据虚拟亮度调整梯度的大小
grad_x = grad_x * depth / 100
grad_y = grad_y * depth / 100
# 光源效果，设定光源的方向
vec_el = np.pi / 2
vec_az = np.pi / 4.
# 计算光源在x、y和z方向上的分量
dx = np.cos(vec_el) * np.cos(vec_az)
dy = np.cos(vec_el) * np.sin(vec_az)
dz = np.sin(vec_el)
# 计算每个像素点的单位向量
A = np.sqrt(grad_x ** 2 + grad_y ** 2 + 1.)
uni_x = grad_x / A
uni_y = grad_y / A
uni_z = 1. / A
# 根据光源的方向和每个像素点的单位向量，计算每个像素点的亮度
b = 255 * (dx * uni_x + dy * uni_y + dz * uni_z)
# 将亮度值限制在0到255之间
b = b.clip(0, 255)
# 将处理后的图片数据转换为PIL图片对象，并保存为新的文件
img = Image.fromarray(b.astype('uint8'))
img.save(out_puts)
def main():
parser = argparse.ArgumentParser(description='Convert an image to lineart.')
parser.add_argument('--image_path', type=str, required=True, help='Path to the input image file.')
parser.add_argument('--output_path', type=str, default="img_processed.jpg", help='Path to save the processed image file.')
args = parser.parse_args()
imgprocess(args.image_path, args.output_path)
if __name__ == "__main__":
main()
接下来，为了将这个Python脚本转换为可执行文件，你需要做以下事情：
- 确保你的Python环境已经安装了所有必需的包（Pillow 和 argparse）。
- 将上述脚本保存为
img_to_lineart.py。 - 在命令行中，使用以下命令将脚本转换为可执行文件（假设你已经安装了
pyinstaller）：
pyinstaller --onefile img_to_lineart.py
这将会创建一个单独的可执行文件（在Windows上是.exe，在Linux或macOS上是没有扩展名的文件）。
- 运行可执行文件，并传入
--image_path参数：
./img_to_lineart --image_path /path/to/your/image.jpg
或者，在Windows上：
img_to_lineart.exe --image_path C:\path\to\your\image.jpg
这样，你就可以通过命令行参数来指定输入图片的路径，并运行脚本将其转换为线稿效果了。
