Python Искажение изображения

Question

Я пытаюсь применить эффект пульсации к изображению в python. ?. я нашел im.transform подушку в (im.size, Image.MESH, .... возможно Может быть, я должен загрузить изображение с NumPy и применить алгоритм я нашел: http://www.pygame.org/project-Water+Ripples-1239-.html

.

другой путь вручную, но я не знаю ни одного алгоритма, это мой старт он не делает ничего ...

#!/usr/bin/env python3 

    from PIL import Image 
    import sys 
    import numpy 
    import math 

    im = Image.open(sys.argv[1]) 
    im.show() 

    matrix = numpy.asarray(im) 
    width = im.size[0] 
    height = im.size[1] 
    amplitude = ? # parameters 
    frequency = ? 
    matrix_dest = numpy.zeros((im.size[0],im.size[1],3)) 

    for x in range(0, width): 
     for y in range(0, height): 
      pass # ç_ç 

    im2 = Image.fromarray(numpy.uint8(matrix_dest)) 
    im2.show() 

EDIT:.

Я бы очень хотел сохранить эту структуру (используя подушку. Я уже использую extensivly в своем проекте, и если могу я не добавлю никакой другой зависимости), и не включая scipi или matplotlib. Со следующим кодом у меня есть искажение, которое я хотел, но цвета привинчены. Возможно, мне нужно применить искажения к R, G, B плоскостям, а затем составить результат на одном изображении. Или palettize изображение, а затем применить оригинальную палитру.

(Btw изображение будет использоваться в качестве текстуры для отображения движущейся воды в 3D-среде.)

im = Image.open(sys.argv[1]) 
im.show() 

m = numpy.asarray(im) 
m2 = numpy.zeros((im.size[0],im.size[1],3)) 
width = im.size[0] 
height = im.size[1] 

A = m.shape[0]/3.0 
w = 1.0/m.shape[1] 

shift = lambda x: A * numpy.sin(2.0*numpy.pi*x * w) 

for i in range(m.shape[0]): 
    print(int(shift(i))) 
    m2[:,i] = numpy.roll(m[:,i], int(shift(i))) 

im2 = Image.fromarray(numpy.uint8(m2)) 
im2.show() 

Answer 1

Почему бы вам не попробовать что-то вроде:

# import scipy 
# import numpy as np 
for x in range(cols): 
    column = im[:,x] 
    y = np.floor(sin(x)*10)+10 
    kernel = np.zeros((20,1)) 
    kernel[y] = 1 
    scipy.ndimage.filters.convolve(col,kernel,'nearest') 

я бросил это вместе прямо сейчас, так что вам нужно немного подстроить его. Частота греха определенно слишком высока, проверьте here. Но я думаю, что в целом это должно сработать.

Answer 2

Вы можете использовать np.roll для вращения каждой строки или столбца в соответствии с некоторыми синусоидальными функциями.

from scipy.misc import lena 
import numpy as np 
import matplotlib.pyplot as plt 

img = lena() 

A = img.shape[0]/3.0 
w = 2.0/img.shape[1] 

shift = lambda x: A * np.sin(2.0*np.pi*x * w) 

for i in range(img.shape[0]): 
    img[:,i] = np.roll(img[:,i], int(shift(i))) 

plt.imshow(img, cmap=plt.cm.gray) 
plt.show() 

Answer 3

У меня был аналогичной проблема, где иногда появляется быть перепутан (получить некоторые странные красные линии) после применения греха при попытке предлагаемых решений здесь цвет. Не удалось решить проблему.

Я понимаю, что оригинальный плакат не хочет больше зависимостей, если это возможно, но для тех, кто без ограничений, здесь является альтернативным решение выборки обеспечивается scikit документов:

http://scikit-image.org/docs/dev/auto_examples/transform/plot_piecewise_affine.html#sphx-glr-auto-examples-transform-plot-piecewise-affine-py

Копирование из выше документа:

import numpy as np 
import matplotlib.pyplot as plt 
from skimage.transform import PiecewiseAffineTransform, warp 
from skimage import data 


image = data.astronaut() 
rows, cols = image.shape[0], image.shape[1] 

src_cols = np.linspace(0, cols, 20) 
src_rows = np.linspace(0, rows, 10) 
src_rows, src_cols = np.meshgrid(src_rows, src_cols) 
src = np.dstack([src_cols.flat, src_rows.flat])[0] 

# add sinusoidal oscillation to row coordinates 
dst_rows = src[:, 1] - np.sin(np.linspace(0, 3 * np.pi, src.shape[0])) * 50 
dst_cols = src[:, 0] 
dst_rows *= 1.5 
dst_rows -= 1.5 * 50 
dst = np.vstack([dst_cols, dst_rows]).T 


tform = PiecewiseAffineTransform() 
tform.estimate(src, dst) 

out_rows = image.shape[0] - 1.5 * 50 
out_cols = cols 
out = warp(image, tform, output_shape=(out_rows, out_cols)) 

fig, ax = plt.subplots() 
ax.imshow(out) 
ax.plot(tform.inverse(src)[:, 0], tform.inverse(src)[:, 1], '.b') 
ax.axis((0, out_cols, out_rows, 0)) 
plt.show()