在一图胜千言的时代，没有什么比一张图片更有冲击力的了，那如果一千张图片拼接起来是什么效果呢？

别问，问就是两字 —— 炫酷！

你有没有想过上面的图片是怎么实现的，难道这是用 ps 一张张拼起来的？当然，靠人工把近千张图片按照色域一一排列，应该是不可能的。

今天我们就用 Python 做一个马赛克图片生成器～ 只需要 200 行 Python 代码，就可以将任意图片转化为马赛克拼图效果，一劳永逸！拿来记录校园生活、游戏生涯、送女朋友都最合适不过了！

ONE

项目思路

项目大概分为 3 个步骤：

计算素材库中每张图片的平均色把目标图片切分成平均的色块，与素材库图片进行替换全部替换完成后，再与原始图像进行融合

TWO

计算图像平均值

一张图像是通过许多的像素组成的。为了生成马赛克图片，我们的想法是，将原有图像的每一个小部分，使用颜色与这一小部分相似的图像进行替换，从而生成马赛克风格的图像。

如何计算图片的颜色相似度？这里要引用 RGB 和 HSV 的概念。

RGB 色彩空间是，由三个通道表示一幅图像。三个通道分别为红色 (R)，绿色 (G) 和蓝色 (B)，通过这三种颜色的不同组合，可以形成几乎所有的其他颜色。

但是，在自然环境下，图像容易受自然光照、遮挡等情况的影响。也就是人眼观察图片会对图片的亮度比较敏感。而 RGB 色彩空间的三个分量都与亮度密切相关，只要亮度改变，RGB 颜色的三个分量都会改变.

同时，由于人眼对于这 RGB 这三种颜色的敏感程度是不一样的。在单色中，人眼对红色最不敏感，蓝色最敏感，所以 RGB 色彩空间是一种均匀性较差的色彩空间。

由于 RGB 色彩空间不能方便的比较颜色之间的相似度，于是我们要使用 HSV 色彩空间。HSV 色彩空间也是由三个分量组成的，分别是：

Hue（色调）Saturation （饱和度）Value （明度）

我们会常用下图的圆柱体来表示 HSV 色彩空间，其中：

H 用极坐标的极角表示；S 用极坐标的轴的长度表示；V 用圆柱的高度表示；

计算图片 HSV 值的代码如下：

class mosaic(object):    """定义计算图片的平均hsv值    """    def __init__(self, IN_DIR: str, OUT_DIR: str, SLICE_SIZE: int, REPATE: int,                 OUT_SIZE: int) -> None:        self.IN_DIR = IN_DIR  # 原始的图像素材所在文件夹        self.OUT_DIR = OUT_DIR  # 输出素材的文件夹, 这些都是计算过hsv和经过resize之后的图像        self.SLICE_SIZE = SLICE_SIZE  # 图像放缩后的大小        self.REPATE = REPATE  # 同一张图片可以重复使用的次数        self.OUT_SIZE = OUT_SIZE  # 最终图片输出的大小    def resize_pic(self, in_name: str, size: int) -> Image:        """转换图像大小        """        img = Image.open(in_name)        img = ImageOps.fit(img, (size, size), Image.ANTIALIAS)        return img    def get_avg_color(self, img: Image) -> Tuple[float, float, float]:        """计算图像的平均hsv        """        width, height = img.size        pixels = img.load()        if type(pixels) is not int:            data = []  # 存储图像像素的值            for x in range(width):                for y in range(height):                    cpixel = pixels[x, y]  # 获得每一个像素的值                    data.append(cpixel)            h = 0            s = 0            v = 0            count = 0            for x in range(len(data)):                r = data[x][0]                g = data[x][1]                b = data[x][2]  # 得到一个点的GRB三色                count += 1                hsv = rgb_to_hsv(r / 255.0, g / 255.0, b / 255.0)                h += hsv[0]                s += hsv[1]                v += hsv[2]            hAvg = round(h / count, 3)            sAvg = round(s / count, 3)            vAvg = round(v / count, 3)            if count > 0:  # 像素点的个数大于0                return (hAvg, sAvg, vAvg)            else:                raise IOError("读取图片数据失败")        else:            raise IOError("PIL 读取图片数据失败")

以上内容出自实验楼免费课程 —— 《Python 制作马赛克拼合图像》，篇幅有限，欢迎大家来实验楼学习完整的课程代码。

点击「了解更多」，学习完整课程。