(给 Python开发者 加星标,提升Python技能 )
来源:ZackSock(本文来自作者投稿)
一、前言 Python中有许多用于图像处理的库,像是Pillow,或者是OpenCV。而很多时候感觉学完了这些图像处理模块没有什么用,其实只是你不知道怎么用罢了。今天就给大家带了一些美图技巧,让你的图美翻全场,朋友圈赞不绝口,女朋友也夸你,富贵你好厉害啊!
二、模块安装 我们主要使用到OpenCV和Pillow,另外我们还会使用到wordcloud和paddlehub,我们先安装一下:
pip install opencv-python pip install pillow python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple pip install -i https://mirror.baidu.com/pypi/simple paddlehub pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ myqr
另外我使用的Python环境是3.7,知道这些我们就可以开始进行我们的美图之旅了。
三、图片美化
1、祛痘 还在为痘痘犯难,不敢拍照吗?有了这个你就不用怕了(虽然有p图软件,但是大家不要揭穿我):
import cv2 level = 22 # 降噪等级 img = cv2.imread('girl.jpg' ) # 读取原图 img = cv2.bilateralFilter(img, level, level*2 , level/2 ) # 美颜 cv2.imwrite('result.jpg' , img)
实际上,在光滑的脸蛋上,痘痘就可以视为一个噪点,而我们可以通过降噪的方式达到祛痘祛斑的效果,在OpenCV中就提供了相应的滤镜,我们只需要调用即可。原图和实现效果图对比如下:
可以看到脸上的斑明显是变少了。绅士们应该可以注意到,脖子下面的皮肤光滑了许多。不过头发细节被抹除了不少。我们可以通过调节level参数,调节效果。如果想效果更好,可以结合人脸识别,进行局部的祛痘处理。
2、词云——我不只是一张图 其实词云已经是老生常谈了,但是作美图中的姣姣者,还是有必要列出来的,因为一张词云所能包含的信息太多了:
from PIL import Imageimport numpy as npfrom wordcloud import WordCloud, ImageColorGenerator# 读取背景图片 mask = np.array(Image.open('rose.png' ))# 定义词云对象 wc = WordCloud( # 设置词云背景为白色 background_color='white' , # 设置词云最大的字体 max_font_size=30 , # 设置词云轮廓 mask=mask, # 字体路径,如果需要生成中文词云,需要设置该属性,设置的字体需要支持中文 #font_path='msyh.ttc' )# 读取文本 text = open('article.txt' , 'r' , encoding='utf-8' ).read()# 生成词云 wc.generate(text)# 给词云上色 wc = wc.recolor(color_func=ImageColorGenerator(mask))# 保存词云 wc.to_file('result.png' )
其中article.txt为我们的词云的文本素材,而rose.png则是词云轮廓(该图片背景应该为严格的白色或者透明),原图和实现效果如下:
还是非常美的。更多详细内容可以参考https://blog.csdn.net/ZackSock/article/details/103517841。
3、风格迁移——努力变成你喜欢的样子 风格迁移,顾名思义就是将某一张图片的风格迁移到另一张图片上。比如我拍了一张白天的图片,但是我想要一张夜景的图片,那我们该怎么做呢?当然是等到晚上再拍了,不过除了这个方法,我们还可以下载一张夜景图片,将夜景效果迁移到我们的原图上。
风格迁移的实现需要使用深度学习才能实现,但是像我这样的菜鸡肯定是不会深度学习的啦,所以我们直接使用paddlehub中已经实现好的模型库:
import cv2import paddlehub as hub# 加载模型库 stylepro_artistic = hub.Module(name="stylepro_artistic" )# 进行风格迁移 im = stylepro_artistic.style_transfer( images=[{ # 原图 'content' : cv2.imread("origin.jpg" ), # 风格图 'styles' : [cv2.imread("style.jpg" )] }], # 透明度 alpha = 0.1 )# 从返回的数据中获取图片的ndarray对象 im = im[0 ]['data' ]# 保存结果图片 cv2.imwrite('result.jpg' , im)
原图风格图和效果图如下:
左边是原图,中间是风格图,右边为效果图。上面的效果还算可以,但是不是每次都怎么成功,还是要多试试。
4、图中图——每一个像素都是你 这个相比上面的要复杂一些,我们需要准备图库,将这些图作素材,然后根据图片某个区域的主色调进行最适当的替换,代码如下:
import osimport
cv2import numpy as npdef getDominant (im) : """获取主色调""" b = int(round(np.mean(im[:, :, 0 ]))) g = int(round(np.mean(im[:, :, 1 ]))) r = int(round(np.mean(im[:, :, 2 ]))) return (b, g, r)def getColors (path) : """获取图片列表的色调表""" colors = [] filelist = [path + i for i in os.listdir(path)] for file in filelist: im = cv2.imdecode(np.fromfile(file, dtype=np.uint8), -1 ) dominant = getDominant(im) colors.append(dominant) return colorsdef fitColor (color1, color2) : """返回两个颜色之间的差异大小""" b = color1[0 ] - color2[0 ] g = color1[1 ] - color2[1 ] r = color1[2 ] - color2[2 ] return abs(b) + abs(g) + abs(r)def generate
(im_path, imgs_path, box_size, multiple=1 ) : """生成图片""" # 读取图片列表 img_list = [imgs_path + i for i in os.listdir(imgs_path)] # 读取图片 im = cv2.imread(im_path) im = cv2.resize(im, (im.shape[1 ]*multiple, im.shape[0 ]*multiple)) # 获取图片宽高 width, height = im.shape[1 ], im.shape[0 ] # 遍历图片像素 for i in range(height // box_size+1 ): for j in range(width // box_size+1 ): # 图块起点坐标 start_x, start_y = j * box_size, i * box_size # 初始化图片块的宽高 box_w, box_h = box_size, box_size box_im = im[start_y:, start_x:] if i == height // box_size: box_h = box_im.shape[0 ] if j == width // box_size: box_w = box_im.shape[1 ] if box_h == 0 or box_w == 0 : continue # 获取主色调
dominant = getDominant(im[start_y:start_y+box_h, start_x:start_x+box_w]) img_loc = 0 # 差异,同主色调最大差异为255*3 dif = 255 * 3 # 遍历色调表,查找差异最小的图片 for index in range(colors.__len__()): if fitColor(dominant, colors[index]) dif = fitColor(dominant, colors[index]) img_loc = index # 读取差异最小的图片 box_im = cv2.imdecode(np.fromfile(img_list[img_loc], dtype=np.uint8), -1 ) # 转换成合适的大小 box_im = cv2.resize(box_im, (box_w, box_h)) # 铺垫色块 im[start_y:start_y+box_h, start_x:start_x+box_w] = box_im j += box_w i += box_h return imif __name__ == '__main__' : # 获取色调列表 colors = getColors('表情包/' ) result_im = generate('main.jpg' , '表情包/' , 50 , multiple=5 ) cv2.imwrite('C:/Users/zaxwz/Desktop/result.jpg' , result_im)
关于实现,我后续会写文章详细分析。我们看看效果图:
图片我们还是可以看出人物的,但是某些地方颜色不太对,这就是根据我们图库来的了。我们放大图片就能看到上面几百张小图片。(当然你放大上面的图是看不到的,因为分辨率太低)
5、切换背景——带你去旅行 最近大家都宅家里,照片拍了不少,可惜背景全是沙发。遇到我就是你女朋友的福气,看我如何10行代码换图片背景:
from PIL import Imageimport paddlehub as hub# 加载模型 humanseg = hub.Module(name='deeplabv3p_xception65_humanseg' )# 抠图 results = humanseg.segmentation(data={'image' :['xscn.jpeg' ]})# 读取背景图片 bg = Image.open('bg.jpg' )# 读取原图 im = Image.open('humanseg_output/xscn.png' ).convert('RGBA' ) im.thumbnail((bg.size[1 ], bg.size[1 ]))# 分离通道 r, g, b, a = im.split()# 将抠好的图片粘贴到背景上 bg.paste(im, (bg.size[0 ]-bg.size[1 ], 0 ), mask=a) bg.save('xscn.jpg' )
下面看看我们的效果:
6、九宫格——一张照片装不下你的美 很多人发照片都喜欢发九宫格,但是一般又没那么多照片,这个时候就需要用表情包占位了。对于技术宅,这种不合理的方式是绝不容许的,于是我们写下如下代码:
from PIL import Image# 读取图片 im = Image.open('xscn.jpeg' )# 宽高各除 3,获取裁剪后的单张图片大小 width = im.size[0 ]//3 height = im.size[1 ]//3 # 裁剪图片的左上角坐标 start_x = 0 start_y = 0 # 用于给图片命名 im_name = 1 # 循环裁剪图片 for i in range(3 ): for j in range(3 ): # 裁剪图片并保存 crop = im.crop((start_x, start_y, start_x+width, start_y+height)) crop.save(str(im_name) + '.jpg' ) # 将左上角坐标的 x 轴向右移动 start_x += width im_name += 1 # 当第一行裁剪完后 x 继续从 0 开始裁剪 start_x = 0 # 裁剪第二行 start_y += height
我们执行上面的代码后,就能生成名为1~9的图片,这些图片就是我们的九宫格图片,下面看看测试效果:
在这里插入图片描述
不得不说,小松菜奈是真的美。
7、图片二维码——冰冷的图里也饱含深情 有话想说又不敢说?来试试二维码吧,小小的图饱含深情:
from MyQR import myqr myqr.run( words='http://www.baidu.com' , # 包含信息 picture='lbxx.jpg' , # 背景图片 colorized=True , # 是否有颜色,如果为False则为黑白 save_name='code.png' # 输出文件名 )
效果图如下:
在这里插入图片描述 因为上面的二维码经过我的特殊处理,在你扫码的时候会发现上面是码中码中码,要扫很多遍才能获得最后结果,大家可以发挥自己的想象力,做出点有趣的东西。
看到这里,我猜会有童鞋问「我差不多已经学会了,请问女朋友在哪里领?」
推荐关注二条的「面向对象」栏目,我们公号会时不时扩散小姐姐。
觉得本文对你有帮助?请分享给更多人
关注「Python开发者」加星标,提升Python技能
好文章,我 在看 ❤️