手绘效果

一.对比度优化方法CLAHE 1.使用软件fiji优化图片序列 实验过程： 1）下载安装Fiji 2）解压30-T4N2, 24_pre_waterT1C.nii.zip 3）打开一张图片 4）在fiji中, Process -> Enhance Local Contrast（CLAHE, Contrast Limited Adaptive Histogram Equalization 直方图均衡化算法），将参数设置为如下，观察图片变化 blocksize = 64 histogram bins = 128 max slope = 2.0 图片效果如下 原图 处理后的图 可以看到部分区域对比度增强，图像中体现的信息也更为突出。 2.使用fiji脚本批量处理一组图片 1）使用fiji打开16-T2N2,33+_post_waterT1C.nii.gz 2）使用Fiji’s scripting editor，将语言更改为IJ1 Macro，运行脚本 3）最后点击菜单栏File → Save As → Image Sequence 保存为png格式，存储在文件夹中。 二.图像x-ray去噪 使用median filter算法，批处理文件/x-ray-images-enhancement-master/images/ 中值滤波器：中值滤波器是众所周知的阶数统计滤波器之一，因为它对某些特定的噪声类型（例如“高斯”，“随机”和“盐和胡椒”噪声）具有良好的性能。根据中值滤波器，将M×M邻域的中心像素替换为相应窗口的中值。注意，噪声像素被认为与中值有很大差异。使用这种思想，中值滤波器可以消除这种类型的噪声问题。 批处理代码实现如下： path='images/' file_list = [f for f in os.listdir(path) if not f.startswith('.')] file_num = len(file_list) i = 1 print("file_num", file_num) for img_dir in file_list: im = Image.open("images/"+img_dir) for sz in [3, 7, 15]: im1 = im.filter(ImageFilter.MedianFilter(size=sz)) im.save("imagesProcessed/"+"spnoise_"+str(sz)+"_"+img_dir) print(img_dir + " processed") 这里我们通过调节size来观察效果。 ...

1.jpg 2.jpg 1.对1.jpg 分别作灰度化, 模糊化处理. 代码如下 """ @Project: imageProcessing @Author: loyio @Date: 3/20/21 """ from PIL import Image, ImageFilter if __name__ == '__main__': # greyscale imgfileOne = "Sample/1" sample_img = Image.open(imgfileOne+".jpg").convert('L') sample_img.save(imgfileOne+"_processed_gray.jpg") # Blur # sample_img = Image.open(imgfileOne+".jpg").filter(ImageFilter.BLUR) sample_img = Image.open(imgfileOne+".jpg").filter(ImageFilter.BoxBlur(5)) sample_img.save(imgfileOne + "_processed_blur.jpg") 图片效果如下 灰度处理 模糊处理 2.对2.jpg生成手绘效果 代码如下 """ @Project: imageProcessing @Author: loyio @Date: 3/20/21 """ from PIL import Image, ImageFilter import numpy as np if __name__ == '__main__': # Paint imgfileTwo = "Sample/2" sample_img_ary = np.asarray(Image.open(imgfileTwo+".jpg").convert('L')).astype('float') depth = 10. grad_x, grad_y = np.gradient(sample_img_ary) 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 vec_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) sample_processed_ary = (255 * (dx*uni_x + dy*uni_y + dz*uni_z)).clip(0, 255) im = Image.fromarray(sample_processed_ary.astype('uint8')) im.save(imgfileTwo+"_processed_handpaint.jpg") 首先将图片灰度化，然后转换为float类型，存放在numpy array中 通过np.gradient求灰度图像的梯度（即灰度的变化率），将其赋值给grad_x, grad_y ，并根据深度级别计算新的梯度，同时归一化。将其控制在（0，1） 为x,y轴梯度构建三维归一化单位坐标系。 建立光源效果，可以将np.cos(vec_el)分析为单位射线在地平面上的投影长度。 dx，dy和dz是光源在x / y / z方向上的影响。 梯度与光源相互作用，最终将梯度转换为灰度。即sample_processed_ary = 255 * (dx*uni_x + dy*uni_y + dz*uni_z) 为避免越过边界，最后还要调用函数.clip(0,255) 图片效果如下 ...