围绕一个圆圈包裹图像

时间:2016-08-03 13:27:58

标签: python python-3.x python-imaging-library

我在这个例子中尝试做的是将图像包裹在圆圈周围,如下所示。

original

wrapped

要包装图像,我只需使用trig计算x,y坐标。 问题是计算的X和Y位置被舍入以使它们成为整数。这导致看到上面包裹图像的空白像素。 x,y位置必须是整数,因为它们是列表中的位置。

我已经在下面的代码中重复了这一点,但是没有任何图像让事情更容易看到。我所做的就是用二进制值创建两个数组,一个数组是黑色而另一个是白色,然后将一个数据包装到另一个数组中。

代码的输出是。

example

import math as m
from PIL import Image  # only used for showing output as image

width = 254.0
height = 24.0
Ro = 40.0

img = [[1 for x in range(int(width))] for y in range(int(height))]
cir = [[0 for x in range(int(Ro * 2))] for y in range(int(Ro * 2))]


def shom_im(img):  # for showing data as image
    list_image = [item for sublist in img for item in sublist]
    new_image = Image.new("1", (len(img[0]), len(img)))
    new_image.putdata(list_image)
    new_image.show()

increment = m.radians(360 / width)
rad = Ro - 0.5
for i, row in enumerate(img):
    hyp = rad - i
    for j, column in enumerate(row):
        alpha = j * increment
        x = m.cos(alpha) * hyp + rad
        y = m.sin(alpha) * hyp + rad
        # put value from original image to its position in new image
        cir[int(round(y))][int(round(x))] = img[i][j]


shom_im(cir)

我后来发现了中点圆算法但我的结果却更差

midpoint

from PIL import Image  # only used for showing output as image

width, height = 254, 24
ro = 40

img = [[(0, 0, 0, 1) for x in range(int(width))]
       for y in range(int(height))]
cir = [[(0, 0, 0, 255) for x in range(int(ro * 2))] for y in range(int(ro * 2))]


def shom_im(img):  # for showing data as image
    list_image = [item for sublist in img for item in sublist]
    new_image = Image.new("RGBA", (len(img[0]), len(img)))
    new_image.putdata(list_image)
    new_image.show()


def putpixel(x0, y0):
    global cir
    cir[y0][x0] = (255, 255, 255, 255)


def drawcircle(x0, y0, radius):
    x = radius
    y = 0
    err = 0

    while (x >= y):
        putpixel(x0 + x, y0 + y)
        putpixel(x0 + y, y0 + x)
        putpixel(x0 - y, y0 + x)
        putpixel(x0 - x, y0 + y)
        putpixel(x0 - x, y0 - y)
        putpixel(x0 - y, y0 - x)
        putpixel(x0 + y, y0 - x)
        putpixel(x0 + x, y0 - y)
        y += 1
        err += 1 + 2 * y
        if (2 * (err - x) + 1 > 0):
            x -= 1
            err += 1 - 2 * x

for i, row in enumerate(img):
    rad = ro - i
    drawcircle(int(ro - 1), int(ro - 1), rad)

shom_im(cir)

有人可以建议一种消除空白像素的方法吗?

2 个答案:

答案 0 :(得分:4)

我认为您需要的是噪音过滤器。有许多实现,我认为高斯滤波器可以提供良好的结果。您可以找到过滤器列表here。如果它变得太模糊了:

  • 保留您的第一张计算图像
  • 计算过滤后的图片
  • 将已过滤图像中的固定像素复制到第一个计算出的图像

以下是手写的粗略平均过滤器:

cir_R = int(Ro*2) # outer circle 2*r
inner_r = int(Ro - 0.5 - len(img)) # inner circle r
for i in range(1, cir_R-1):
    for j in range(1, cir_R-1):
        if cir[i][j] == 0: # missing pixel
            dx = int(i-Ro)
            dy = int(j-Ro)
            pix_r2 = dx*dx + dy*dy # distance to center
            if pix_r2 <= Ro*Ro and pix_r2 >= inner_r*inner_r:
                cir[i][j] = (cir[i-1][j] + cir[i+1][j] + cir[i][j-1] +
                    cir[i][j+1])/4


shom_im(cir)

结果:

enter image description here

这基本上在两个范围内扫描缺失像素,并用平均4个像素替换它们。在这个黑白色的情况下,它全是白色。

希望它有所帮助!

答案 1 :(得分:4)

你在填写圈子方面遇到了问题,因为你正在以错误的方式接近这一点 - 非常字面上。

映射到目标时,需要填充目标,并将每个已翻译的像素映射到< em> source 图片。然后,你根本没有机会错过一个像素,同样,你也不会多次绘制(也不会查找)一个像素。

以下内容有点粗略,只是作为一个概念示例。我首先编写了一些代码来绘制一个从上到下的实心圆。然后我添加了一些代码来删除中心部分(并为“内半径”添加了变量Ri)。这导致一个实心的环,其中所有像素仅被绘制一次:从上到下,从左到右。

a solid ring

你如何画出戒指实际上并不重要!我最初使用的是trig,因为我想重新使用角度位,但是也可以用Pythagorus完成,甚至可以用Bresenham的循环程序来完成。您需要记住的是,您遍历目标行和列,而不是。这提供了可以提供给重新映射过程的实际xy坐标。

通过上面的完成和工作,我编写了trig函数来从转换坐标,我将把一个像素放在原始图像。为此,我创建了一个包含一些文本的测试图像:

test image with text

并且这也是一件好事,因为在第一次尝试中我得到了两次文本(一次左,右一次)和镜像 - 这需要一些小的调整。还要注意背景网格。我补充说,检查'顶部'和'底部'线 - 最外面和最里面的圆圈 - 是否正确绘制。

使用此图片和RoRi在100和50处运行我的代码,我得到了这样的结果:

round test image

你可以看到触发功能使它从最右边的点开始,顺时针移动,并使图像的顶部朝外。所有这些都可以进行简单的调整,但这样可以模仿您想要绘制图像的方向。

这是虹膜图像的结果,使用33作为内半径:

iris to eye mapping

这是一个很好的动画,显示了映射的稳定性:

aww bright light ahead!

最后,我的代码是:

import math as m
from PIL import Image

Ro = 100.0
Ri = 50.0

# img = [[1 for x in range(int(width))] for y in range(int(height))]
cir = [[0 for x in range(int(Ro * 2))] for y in range(int(Ro * 2))]

# image = Image.open('0vWEI.png')
image = Image.open('this-is-a-test.png')
# data = image.convert('RGB')
pixels = image.load()
width, height = image.size

def shom_im(img):  # for showing data as image
    list_image = [item for sublist in img for item in sublist]
    new_image = Image.new("RGB", (len(img[0]), len(img)))
    new_image.putdata(list_image)
    new_image.save("result1.png","PNG")
    new_image.show()


for i in range(int(Ro)):
    # outer_radius = Ro*m.cos(m.asin(i/Ro))
    outer_radius = m.sqrt(Ro*Ro - i*i)
    for j in range(-int(outer_radius),int(outer_radius)):
        if i < Ri:
            # inner_radius = Ri*m.cos(m.asin(i/Ri))
            inner_radius = m.sqrt(Ri*Ri - i*i)
        else:
            inner_radius = -1
        if j < -inner_radius or j > inner_radius:
            # this is the destination
            # solid:
            # cir[int(Ro-i)][int(Ro+j)] = (255,255,255)
            # cir[int(Ro+i)][int(Ro+j)] = (255,255,255)
            # textured:

            x = Ro+j
            y = Ro-i
            # calculate source
            angle = m.atan2(y-Ro,x-Ro)/2
            distance = m.sqrt((y-Ro)*(y-Ro) + (x-Ro)*(x-Ro))
            distance = m.floor((distance-Ri+1)*(height-1)/(Ro-Ri))
        #   if distance >= height:
        #       distance = height-1
            cir[int(y)][int(x)] = pixels[int(width*angle/m.pi) % width, height-distance-1]
            y = Ro+i
            # calculate source
            angle = m.atan2(y-Ro,x-Ro)/2
            distance = m.sqrt((y-Ro)*(y-Ro) + (x-Ro)*(x-Ro))
            distance = m.floor((distance-Ri+1)*(height-1)/(Ro-Ri))
        #   if distance >= height:
        #       distance = height-1
            cir[int(y)][int(x)] = pixels[int(width*angle/m.pi) % width, height-distance-1]

shom_im(cir)

注释掉的线条画出一个坚固的白色圆环。请注意各种调整以获得最佳效果。例如,distance是从环的中心开始测量的,因此返回靠近中心的低值和圆外的最大值。直接映射到目标图像上的映射将显示文本的顶部“向内”,指向内部孔。因此,我将此映射与height - distance - 1相对应,其中-1将使其再次从0映射到height

类似的解决方法是计算distance本身;如果没有调整Ri+1height-1,最内层或最外面的行将不会被绘制,表明计算只关闭一个像素(这正是该网格的目的)。