文章目录
- 一、前言
- 二、模块安装
- 三、图片美化
- 1、祛痘
- 2、词云——我不只是一张图
- 3、风格迁移——努力变成你喜欢的样子
- 4、图中图——每一个像素都是你
- 5、切换背景——带你去旅行
- 6、九宫格——一张照片装不下你的美
- 7、图片二维码——冰冷的图里也饱含深情
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
光理论是不够的,在此送大家一套2020最新Python全栈项目视频教程,点击此处 进来获取 跟着练习下,希望大家一起进步哦!
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
还在为痘痘烦难,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 Image
import numpy as np
from 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。
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 cv2
import 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 os
import cv2
import numpy as np
def 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 colors
def 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:
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 im
if __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。我们方法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 Image
import 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:
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: