用Python幫你上馬,哪裡無碼打哪裡
目錄
0 引言
1 環境
2 需求分析
3 程式碼實現
4 程式碼全景展示
5 後記
0 引言
所謂的畫素圖,就是對影象做一個顆粒化的效果,使其產生一種妙不可言的朦朧感。費話不多說,先來看一張效果圖。
▲原圖
怎麼樣,效果還不錯吧?現在,我們用Python來實現這種畫素化的效果。
1 環境
作業系統:Windows
Python版本:3.7.3
2 需求分析
一個最簡單的實現思路,在開啟圖片後,把圖片分割成一些畫素塊,再對這些畫素塊中的影象資訊進行處理(修改影象中的RGB值)即可。
這裡我們使用Numpy庫和PIL庫來實現這個需求,後者用來影象的讀取與儲存,涉及到的所有影象處理動作均藉助Numpy來實現。
有關NumPy模組、PIL模組的介紹,可參考如下。
NumPy(Numerical Python) 是 Python 語言的一個擴充套件程式庫,支援大量的維度陣列與矩陣運算,此外也針對陣列運算提供大量的數學函式庫。
PIL(Python Imaging Library)是Python常用的影象處理庫,而Pillow是PIL的一個友好Fork,提供了了廣泛的檔案格式支援,強大的影象處理能力,主要包括影象儲存、影象顯示、格式轉換以及基本的影象處理操作等。
這兩個模組非Python內建,都屬於第三方模組,可直接採用如下方式進行安裝
pip install numpy pip install Pillow
注意,要想使用PIL模組,是需要直接install Pillow模組的。
3 程式碼實現
首先匯入我們要用到的模組
import numpy as np
from PIL import Image
接下來,我們要處理圖片,首先得開啟一張圖片,如下
data = Image.open("P:\\Personal\\LuoShen.xpg")
然後把影象轉換化Numpy陣列進行下一步的處理
im1 = np.array(data)
這裡處理的核心思想,也很簡單,主要通過中間值的RGB,對所選範圍塊的RGB進行重新賦值。
im1[y:y + pixel, x:x + pixel] = im1[y + (pixel // 2)][x + (pixel // 2)]
這裡的x、y是分別指的我們影象的橫向、縱向畫素點的座標值、而pixel指的是我們要以多大的畫素塊,來處理這張影象,我們設定的單位畫素塊(Pixel數值)越小,生成的畫素圖越精確。
當然了,若單位畫素塊設定的太小,生成影象就看不出效果了,至於多大的數值合適,需要自行嘗試。不同尺寸的影象,要達到最佳的畫素化的顯示效果,所需要設定的單位畫素塊的大小也是不同的,實踐出真知。
我們需要影象的指定一個處理範圍,並對該範圍內的每一個座標(畫素)點進行畫素化的處理。
for y in range(Start_coordinate[1], End_coordinate[1], pixel):
for x in range(Start_coordinate[0], End_coordinate[0], pixel):
pass
在處理完成之後,我們再把Numpy陣列轉換回影象。
im2 = Image.fromarray(im1.astype(np.uint8))
最後展示出處理後的影象
im2.show()
4 程式碼全景展示
import numpy as np
from PIL import Image
def to_pixelBlock(pixel, Start_coordinate, End_coordinate):
'''
:param pixel: 單位畫素塊的元素大小
:param Start_coordinate: 處理的起始座標(畫素)點,元組形式
:param End_coordinate: 處理的終止座標(畫素)點,元組形式
:return:
通過中間值的RGB,對所選範圍塊的RGB進行重新賦值,設定的單位畫素塊(Pixel數值)越小,生成的畫素圖越精確
'''
# 讀取圖片,並由 PIL image 轉換為 NumPy array
im1 = np.array(Image.open("P:\\Personal\\LuoShen.jpg"))
# 遍歷所要處理範圍內的所有座標(畫素)點
for y in range(Start_coordinate[1], End_coordinate[1], pixel):
for x in range(Start_coordinate[0], End_coordinate[0], pixel):
# 通過中間值的RGB,對所選範圍塊的RGB進行重新賦值
im1[y:y + pixel, x:x + pixel] = im1[y + (pixel // 2)][x + (pixel // 2)]
# 將NumPy array 轉換為 PIL image
im2 = Image.fromarray(im1.astype(np.uint8))
# 展示處理後的影象
im2.show()
if __name__ == '__main__':
# 設定好要處理的畫素範圍,並以多大的畫素塊來生成最終效果圖
to_pixelBlock(10, (0, 0), (1280, 800)
5 後記
本文使用了PIL加上Numpy的配合,短短几行程式碼實現了影象畫素化的處理。當然這只是一種簡單地實現,要想實現更豐富的處理效果,還可以藉助CV2來實現。
好了,以上就是本篇全部內容。
公眾號「Python專欄」後臺回覆:「馬賽克」,獲取本文所涉及的完整程式碼