千图成像_Python实现千图成像，祝小可爱们圣诞快乐

❝

微信公众号&＃xff1a;「Python干货铺子」关注即可开启快乐学习Python和Matlab的大门&＃xff0c;您还在犹豫什么~

❞

当走上街头时能隐约察觉到多了些许“红白绿”的色彩&＃xff0c;那是&＃xff1a;圣诞老人?、雪花❄️、圣诞树?。霓虹灯闪烁&＃xff0c;各类促销活动海报琳琅满目。没有错&＃xff0c;圣诞节快来了~

从写文章开始&＃xff0c;一路上得到了不少小伙伴的支持和鼓励&＃xff0c;而这周CSDN上的总排名不偏不倚&＃xff0c;恰好100名整。我想&＃xff0c;这大概是某种巧合&＃xff0c;更确切来说应该是一种激励。近些日&＃xff0c;严酷寒冬似乎柔情了许多&＃xff0c;有了那么几日的柔柔暖阳&＃xff0c;而我希望可以把这份温暖也带给大家。

我将用粉丝的头像拼接出一幅圣诞树&＃xff0c;正所谓&＃xff0c;“「千图成像&＃xff0c;集万千之美」”。

该图的像素为6200x10250&＃xff0c;将其局部放大后的效果为&＃xff1a;今天所用到的代码是比较「通用」的&＃xff0c;只需要替换背景图和图片库即可打造属于你自己的专属图片。详情分析&＃xff0c;客观您往下瞅瞅~

帅小伙&＃xff01;圣诞来袭&＃xff0c;还不赶快用来表白一波&＃xff0c;还在犹豫啥呢&＃xff1f;

1.头像爬取

通过爬虫将粉丝的头像下载到本地&＃xff0c;具体分析大家可以参考我之前的博客【前方高能&＃xff01;看小伙是怎么表白粉丝的】&＃xff0c;完整代码如下&＃xff1a;

# -*- coding: utf-8 -*-
"""
Created on Sat Oct 17 12:27:33 2020
&＃64;author: kimol_love
"""

import requests

def get_fansInfo():
    &＃39;&＃39;&＃39;
    获取粉丝相关信息
    &＃39;&＃39;&＃39;
    url &＃61; &＃39;https://me.csdn.net/api/relation/index?pageno&＃61;%d&pagesize&＃61;%d&relation_type&＃61;fans&＃39; # 接口地址
    COOKIEs &＃61; {} # CSDN登陆后的COOKIEs
    headers &＃61; {  # 请求头
        &＃39;User-Agent&＃39;: &＃39;Mozilla/5.0 (Windows NT 6.3; Win64; x64; rv:81.0) Gecko/20100101 Firefox/81.0&＃39;,
        &＃39;Accept&＃39;: &＃39;application/json, text/plain, */*&＃39;,
        &＃39;Accept-Language&＃39;: &＃39;zh-CN,zh;q&＃61;0.8,zh-TW;q&＃61;0.7,zh-HK;q&＃61;0.5,en-US;q&＃61;0.3,en;q&＃61;0.2&＃39;,
        &＃39;Referer&＃39;: &＃39;https://i.csdn.net/&＃39;,
        &＃39;Origin&＃39;: &＃39;https://i.csdn.net&＃39;,
        &＃39;Connection&＃39;: &＃39;keep-alive&＃39;,
        &＃39;TE&＃39;: &＃39;Trailers&＃39;,
    }
    # 获取粉丝总数
    res &＃61; requests.get(url%(1,10),headers&＃61;headers,COOKIEs&＃61;COOKIEs)
    res_json &＃61; res.json()
    N_fans &＃61; res_json[&＃39;data&＃39;][&＃39;data_all&＃39;]
    print(&＃39;一共有%d个粉丝&＃39;%N_fans)
    # 获取全部粉丝数据
    res &＃61; requests.get(url%(1,N_fans),headers&＃61;headers,COOKIEs&＃61;COOKIEs)
    res_json &＃61; res.json()
    return res_json

def download_avatar(username,url):
    &＃39;&＃39;&＃39;
    下载用户头像
    &＃39;&＃39;&＃39;
    savePath &＃61; &＃39;./avatars&＃39; # 头像存储目录
    res &＃61; requests.get(url)
    with open(&＃39;%s/%s.jpg&＃39;%(savePath,username),&＃39;wb&＃39;) as f:
        f.write(res.content)
     

if __name__ &＃61;&＃61; &＃39;__main__&＃39;:
    fans &＃61; get_fansInfo()
    for f in fans[&＃39;data&＃39;][&＃39;list&＃39;]:
        username &＃61; f[&＃39;fans&＃39;] # 用户名
        url &＃61; f[&＃39;avatar&＃39;]    # 头像地址
        download_avatar(username,url)
        print(&＃39;用户"%s"头像下载完成!&＃39;%username)


将头像下载完毕并去重&＃xff0c;结果如下&＃xff1a;一共有2796张非重复图片&＃xff0c;有了它们&＃xff0c;我们便可以开始——搞事情&＃xff01;

2.千图成像

所谓「千图成像」就是用很多张图片拼接成一张完整的图片&＃xff0c;它需要两个部分&＃xff1a;「一张背景图」&＃xff0c;「一个图片库」。根据背景图的结构用图片库中的图片来进行拼接&＃xff0c;最终形成新的图片。

一种最简单直观的思路便是&＃xff1a;遍历背景图中的每个像素点&＃xff0c;并用图库中与之颜色最相近的图片粘贴在这个位置。

因此&＃xff0c;我们首先需要计算每个图片的“平均颜色”&＃xff0c;即图片像素点(R,G,B)的平均值&＃xff0c;代码如下&＃xff1a;

def compute_mean(imgPath):
    &＃39;&＃39;&＃39;
    计算平均(R,G,B)
    &＃39;&＃39;&＃39;
    img &＃61; Image.open(imgPath)
    img &＃61; img.convert(&＃39;RGB&＃39;)
    imgArray &＃61; np.array(img)
    R &＃61; np.mean(imgArray[:,:,0])
    G &＃61; np.mean(imgArray[:,:,1])
    B &＃61; np.mean(imgArray[:,:,2])
    return (R,G,B)


遍历图片库中的每张图片&＃xff0c;并得到它们的平均距离&＃xff0c;生成一个图片列表&＃xff0c;以便后续的使用&＃xff1a;

def get_imgList(imgDir):
    &＃39;&＃39;&＃39;
    获取图片列表(图片目录及平均颜色)
    &＃39;&＃39;&＃39;
    imgList &＃61; []
    for imgName in os.listdir(imgDir):
        path &＃61; imgDir&＃43;imgName
        color &＃61; compute_mean(path)
        imgList.append({&＃39;path&＃39;:path,&＃39;RGB&＃39;:color})
    return imgList


该列表的每个元素是一个字典&＃xff0c;包括了「path」和「RGB」&＃xff0c;分别表示图片的路径以及图片的平均颜色&＃xff0c;如下&＃xff1a;在得到了图片的“平均颜色”后&＃xff0c;便是比较背景图的像素点与它的相似性&＃xff0c;这里采用了欧式距离&＃xff1a;

def compute_distance(color1, color2):
    &＃39;&＃39;&＃39;
    计算两张图的颜色差
    &＃39;&＃39;&＃39;
    dis &＃61; 0
    for i in range(len(color1)):
        dis &＃43;&＃61; (color1[i]-color2[i])**2
    dis &＃61; dis**0.5
    return dis


剩下的便是遍历背景图&＃xff0c;并进行比较填充&＃xff0c;代码如下&＃xff1a;

def create_image(bgImg,imgDir,N&＃61;10,M&＃61;50):
    &＃39;&＃39;&＃39;
    根据背景图&＃xff0c;用头像填充出新图
    bgImg&＃xff1a;背景图地址
    imgDir&＃xff1a;头像目录
    N&＃xff1a;背景图缩放的倍率
    M&＃xff1a;头像的大小(MxM)
    &＃39;&＃39;&＃39;
    # 获取图片列表
    imgList &＃61; get_imgList(imgDir)
    
    # 读取背景图
    bg &＃61; Image.open(bgImg)
    bg &＃61; bg.resize((bg.size[0]//N,bg.size[1]//N)) # 缩放
    bgArray &＃61; np.array(bg)
    width &＃61; bg.size[0]*M  # 新生成图片的宽度
    height &＃61; bg.size[1]*M # 新生成图片的高度
    
    # 创建空白的新图
    newImg &＃61; Image.new(&＃39;RGB&＃39;,(width,height))
    
    # 循环填充图
    for x in range(bgArray.shape[0]):
        for y in range(bgArray.shape[1]):
            ## 找到距离最小的图片
            minDis &＃61; 10000
            index &＃61; 0
            for img in imgList:
                dis &＃61; compute_distance(img[&＃39;RGB&＃39;],bgArray[x][y])
                if dis                     index &＃61; img[&＃39;path&＃39;]
                    minDis &＃61; dis
            ## 填充
            tempImg &＃61; Image.open(index)
            tempImg &＃61; tempImg.resize((M,M))
            newImg.paste(tempImg,(y*M,x*M))
            print(&＃39;(%d, %d)&＃39;%(x,y))
            
    # 保存图片
    newImg.save(&＃39;千图成像.jpg&＃39;)


调用它&＃xff1a;

create_image(&＃39;bg.jpg&＃39;,&＃39;./avatars(dr)/&＃39;,5,50)


函数的输入有「bgImg」、「imgDir」、「N」、「M」&＃xff0c;它们分别表示&＃xff1a;

注&＃xff1a;imgDir最后需要有目录连接符/&＃xff0c;否则会报错&＃xff1b;N是为了将背景图的尺寸进行调整压缩&＃xff0c;否则容易因为像素点太多而执行缓慢。

最后&＃xff0c;代码一Run&＃xff0c;小图在手&＃xff0c;简单的快乐&＃xff0c;美滋滋~

客观来说&＃xff0c;该代码的执行效率并不高&＃xff0c;特别是当N设置得较小(即背景图片像素点很多)或者图片库中的图片很多时。针对这个问题&＃xff0c;也有很多优化方法&＃xff0c;例如采用图片向量的方式对图片进行编码&＃xff0c;进而比较等等。感兴趣的小伙伴可以参考这篇文章。如果需要完整代码&＃xff0c;请在后台回复「千图成像」即可领取~

最后&＃xff0c;祝愿最可爱的小伙伴们圣诞快乐?&＃xff0c;愿我们聚于一图&＃xff0c;焕尽万丈芒&＃xff01;另祝即将奔赴考研战场的小伙伴「考的都会&＃xff0c;会的都考」&＃xff01;

我是kimol君&＃xff0c;咋们下次再会~创作不易&＃xff0c;大侠请留步… 动起可爱的双手&＃xff0c;来波点赞关注再走呗 (๑◕ܫ&＃xffe9;๑)