Python中怎么对图片添加下雪的效果-群英

上一篇：Python字典查找性能是怎样，快不快下一篇：Python异步编程是什么，有何用处

这篇文章主要介绍了Python中怎么对图片添加下雪的效果相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇Python中怎么对图片添加下雪的效果文章都会有所收获，下面我们一起来看看吧。

导语

也许是为了和音，在立冬这一天的人间里

北方多个城市，悄然降下冬天的第一场初雪，组成了一段旋律

一天过两季，黄叶转飞花——从天而降落，昼夜不停，一夜醒来，阁檐染白，故宫完成秋冬交接，

来自北方的故事纷纷踏雪而来。

琼楼银装，粉饰玉砌，不觉恍入天上仙境，宫墙内宾客如云，宫墙外车水马龙，若把故宫作天宫，

整夜冬天不觉冷。（可以穿秋裤了.jpg）

（本文的部分素材是在北京故宫的朋友，今天游玩刚拍出来的哈——新鲜出炉

今天直接来几组关于【故宫，下雪了！】给我们南方的小伙伴儿近距离看下故宫雪景图~希望大家喜欢！

你去过故宫吗？如果没去过那跟着小编一起走进北京故宫的初雪吧~（我没看过，只能看图）

无论南北无论男女无论你是否见过雪，我们似乎都共同喜欢着她，大抵因为在漫长的冰冷时节中

她是老天给予人间的惊喜意外，就像漫天黑夜里的繁星，像狂风暴风雨后的彩虹。

一、故宫下雪了：界面小程序

1）附主程序

# 初始化pygame
pygame.init()
  
# 根据背景图片的大小，设置屏幕长宽
SIZE = (850, 560)
 
screen = pygame.display.set_mode(SIZE)
pygame.display.set_caption("故宫下雪了——小程序")
bg = pygame.image.load('snow.jpg')
 
# 雪花列表
snow_list = []
 
# 初始化雪花：[x坐标, y坐标, x轴速度, y轴速度]
for i in range(200):
    x = random.randrange(0, SIZE[0])
    y = random.randrange(0, SIZE[1])
    sx = random.randint(-1, 1)
    sy = random.randint(3, 6)
    snow_list.append([x, y, sx, sy])
 
clock = pygame.time.Clock()
 
# 游戏主循环
done = False
while not done:
    # 消息事件循环，判断退出
    for event in pygame.event.get():
        if event.type == pygame.QUIT:
            done = True
 
    # 黑背景/图片背景
    # screen.fill((0, 0, 0))
    screen.blit(bg, (0, 0))
 
    # 雪花列表循环
    for i in range(len(snow_list)):
        # 绘制雪花，颜色、位置、大小
        pygame.draw.circle(screen, (255, 255, 255), snow_list[i][:2], snow_list[i][3]-3)
 
        # 移动雪花位置（下一次循环起效）
        snow_list[i][0] += snow_list[i][2]
        snow_list[i][1] += snow_list[i][3]
 
        # 如果雪花落出屏幕，重设位置
        if snow_list[i][1] > SIZE[1]:
            snow_list[i][1] = random.randrange(-50, -10)
            snow_list[i][0] = random.randrange(0, SIZE[0])
 
    # 刷新屏幕
    pygame.display.flip()
    clock.tick(20)

2）效果展示

Part 01 展示——

Part 02 展示——

二、故宫下雪了：手绘素描

1）主程序

root = tkinter.Tk().withdraw()
filename = tkinter.filedialog.askopenfilename()  # 打开选择文件对话框
try:
    depth = 30  # 0-100,越高，颜色越深
    picture_grad = np.gradient(np.asarray(Image.open(filename).convert('L')).astype('int'))  # 取图像灰度的梯度值
    grad_x, grad_y = picture_grad[0] * depth / 100., picture_grad[1] * depth / 100.  # 将获取的维度梯度值进行深度处理
    base = np.sqrt(grad_x ** 2 + grad_y ** 2 + 1.)  # 降噪基
    _x, _y, _z = grad_x / base, grad_y / base, 1. / base
    sce_z, sce_x = np.pi / 2.1, np.pi / 3  # 光源的俯视角度值和方位角度值
    # 光源对x,y,z 轴的影响
    dx, dy, dz = np.cos(sce_z) * np.cos(sce_x), np.cos(sce_z) * np.sin(sce_x), np.sin(sce_z)
    Normalized = 255 * (dx * _x + dy * _y + dz * _z).clip(0, 255)  # 光源归一化
    im = Image.fromarray(Normalized.astype('uint8'))  # 重构图像
    im.save('转换后的素描图.jpg')  # 保存转换后的图片
    im.show()  # 展示转换后的图片
except Exception:
    print('转换失败！')