numpy库的学习笔记及自定义手绘风
一、ndarray
1、numpy 库处理的最基础数据类型是由同种元素构成的多维数组（ndarray)，简称“数组”。
2、ndarray是一个多维数组的对象，ndarray数组一般要求所有元素类型相同，数组下标从0开始。
3、在numpy中维度（dimensions)叫做轴（axes),轴的个数叫做秩（rank).
4、从ndarray对象提取任何元素（通过切片）由一个数组标量类型的python对象表示，数组切片得到的是原始数组的视图，所有修改都会直接反映到源数组。如果需要得到的ndarray切片的一份副本，需要进行复制操作，比如arange[5:8].copy()
5、ndarray对象的属性
| 属性 | 说明 |
| .ndim | 秩，即轴的数量或维度的数量 |
| .shape | ndarray对象的尺度，对于矩阵m行n列 |
| .size | ndarray对象元素的个数，相当于.shape中m*n的值 |
| .dtype | ndarray对象的元素类型 |
| .itemsize | ndarray对象中每个元素的大小，以字节为单位 |
演示
6、ndarray类的形态操作方法
| 方法 | 说明 |
| ndarray.rashape(n,m) | 不改变数组ndarray，返回一个维度为（m,n)的数组 |
| ndarray.resize(new_shape) | 与reshape()作用相同，直接修改数组ndarray |
| ndarray.swapaxes(ax1,ax2) | 将数组中n个维度中任意两个维度进行调换 |
| ndarray.flatten() | 对数组进行降维，返回一个折叠后的一维数组 |
| ndarray,ravel() | 作用同np.flatten(),但是返回数组的一个视图 |
二、numpy库常用的创建数组函数
| 函数 | 说明 |
| np.array([x,y,z],dtype=int) | 从python列表和元组创造数组 |
| np.arange(x,y,i) | 创建一个由x到y,以i为步长的数组 |
| np.linspace(x,y,n) | 创建一个由x到y，等分成n个元素的数组 |
| np.indices((m,n)) | 创建一个m行n列的矩阵 |
| np.random.rand(m,n) | 创建一个m行n列的随机数组 |
| np.ones((m,n),dtype) | 创建一个m行n列全1的数组，dtype是数据类型 |
| np.empty((m,n),dtype) | 创建一个m行n列的全0的数组，dtype是数据类型 |
三、numpy库的算数运算函数
| 函数 | 说明 |
| np.add(x1,x2[,y]) | y=x1+x2 |
| np.subtract(x1,x2[,y]) | y=x1-x2 |
| np.multiply(x1,x2[,y]) | y=x1*x2 |
| np.divide(x1,x2[,y]) | y=x1/x2 |
| np.floor_divide(x1,x2[,y]) | y=x1//x2,返回值取整 |
| np.negative(x[,y]) | y=-x |
| np.power(x1,x2[,y]) | y=x1**x2 |
| np.remainder(x1,x2[,y]) | y=x1%x2 |
注意：
这些函数中，输出参数y可选，如果没有指定，将创建并返回一个新的数组保存计算结果；如果指定参数，则将结果保存到参数中。例如，两个数组相加可以简单地写为a+b,而np.add（a,b,a)则表示a+=b
四、numpy库的比较运算函数
| 函数 | 说明 |
| np.equal(x1,x2[,y]) | y=x1=x2 |
| np.not_equal(x1,x2[,y]) | y=x1!=x2 |
| np.less(x1,x2,[,y]) | y=x1<x2 |
| np.less_equal(x1,x2,[,y]) | y=x1<=x2 |
| np.greater(x1,x2,[,y]) | y=x1>x2 |
| np.greater_equal(x1,x2,[,y]) | y=x1>=x2 |
| np.where(condition[x,y]) | 根据给出的条件判断输出x还是y |
注意：numpy库的比较运算函数将返回一个布尔数组，它包含两个数组中对应元素的比较结果，比如
五、numpy库的其他运算函数
| 函数 | 说明 |
| np.abs(x) | 计算基于元素的整型，浮点或复数的绝对值 |
| np.sqrt(x) | 计算每个元素的平方根 |
| np.squre(x) | 计算每个元素的平方 |
| np.sign(x） | 计算每个元素的符号： 1(+),0,-1(-) |
| np.ceil(x) | 计算大于或等于每个元素的最小值 |
| np.floor(x) | 计算小于或等于每个元素的最大值 |
| np.rint(x[,out]) | 圆整，取每个元素为最近的整数，保留数据类型 |
| np.exp(x[,out]) | 计算每个元素的指数值 |
| np.log(x),np.log10(x),np.log2(x) |
计算自然对数（e)，基于10,2的对数，log(1+x) |
六、手绘
直接上代码
1 from PIL import Image 2 import numpy as np 3 a = np.asarray(Image.open("p1.jpg").convert("L")).astype("float") 4 depth = 10 #设置深度为10 5 grad = np.gradient(a) #对数组a求梯度 6 grad_x, grad_y = grad 7 grad_x = grad_x*depth/100 8 grad_y = grad_y*depth/100 9 A = np.sqrt(grad_x**2 + grad_y**2 + 1.) 10 uni_x = grad_x/A 11 uni_y = grad_y/A 12 uni_z = 1./A 13 vec_el = np.pi/2.2 #θ角度 14 vec_az = np.pi/4. #α角度 15 dx = np.cos(vec_el)*np.cos(vec_az) 16 dy = np.cos(vec_el)*np.sin(vec_az) 17 dz = np.sin(vec_el) 18 b = 255*(dx*uni_x + dy*uni_y + dz*uni_z) 19 b = b.clip(0, 255) 20 im = Image.fromarray(b.astype('uint8')) 21 im.save("b.jpg")
结果对比：
