前言:
目前朋友们对“python图片拼接”大体比较注意,兄弟们都想要分析一些“python图片拼接”的相关文章。那么小编同时在网络上网罗了一些有关“python图片拼接””的相关资讯,希望兄弟们能喜欢,你们快快来了解一下吧!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。
标签: #python图片拼接