要用编程画油画，可以遵循以下步骤和技巧：
图像预处理
将图像转化为灰度图像，以便于后续处理。
对图像进行归一化处理，将其值域限制在一个特定的范围内，例如[0, 255]。
像素统计与量化
将图像划分为多个小方框（例如4x4或6x6），并统计每个小方框内各个像素值出现的次数。
对每个小方框内的像素值进行量化，找出出现次数最多的像素值，并用其平均值代替原像素值，从而实现油画效果。
图像增强
使用图像增强工具，如Python的PIL库中的`ImageEnhance.Color`类，来增强图像的色彩空间，使图像的色彩更加鲜艳。
笔触模拟
在编程中模拟油画的笔触效果，可以通过随机生成笔触的落点位置和颜色来实现。
可以使用不同的笔触大小和形状来模拟不同的油画风格。
细节处理
对于图像中的细节部分，可以使用更精细的笔触进行刻画，以增强画面的真实感。
可以通过增加笔触的层次和变化来模拟油画中的明暗和层次。
最终调整
对生成的油画图像进行最后的调整，如调整亮度、对比度和色彩平衡，以使画面更加和谐统一。
下面是一个简单的Python代码示例，使用PIL库实现油画效果：
```python
from PIL import Image, ImageEnhance
import numpy as np
读取图像
img = Image.open（'input.jpg'）
转换为灰度图像
gray_img = img.convert（'L'）
归一化处理
gray_img = gray_img / 255.0
模板大小和步长
template_size = 4
step = 2
创建油画效果
def create_oil_painting（gray_img, template_size, step）:
width, height = gray_img.size
new_img = np.zeros_like（gray_img）
count = np.zeros（256）
for y in range（0, height, step）:
for x in range（0, width, step）:
patch = gray_img[y:y+template_size, x:x+template_size]
values, counts = np.unique（patch, return_counts=True）
most_common_value = values[np.argmax（counts）]
new_img[y:y+template_size, x:x+template_size] = most_common_value
count[most_common_value] += 1
将计数最多的像素值替换为平均值
new_img = （new_img * 255）.astype（np.uint8）
return new_img
创建油画并显示
oil_painting = create_oil_painting（gray_img, template_size, step）
Image.fromarray（oil_painting）.show（）
```
这个示例代码通过统计每个小方框内像素值的出现次数，并用出现次数最多的像素值的平均值来生成油画效果。你可以根据需要调整模板大小、步长等参数，以获得不同的油画风格。