价值百万的 NFT 制作教程（Python版）

Posted 2022-07-11 Python中文社区

随着时间的推移，数字藏品领域越来越火。当一个加密朋克头像以15万美元的价格出售给Visa时，人们逐渐通过各种渠道去认识NFT。

方法论

这个生成器背后的方法很简单。通过将不同的特征结合在一起，创建一个独特的头像。

获取你的数据

你将使用 usetech-llc的 "Substrapunks "资源库中的数据。

在下面的链接中下载他们的资源库，并将压缩文件解压到你的本地电脑上。

https://github.com/usetech-llc/substrapunks/archive/refs/heads/master.zip

导入软件包

你将在这个项目中使用以下软件包：

• PIL

• IPython

• Random

• Json

• OS

from PIL import Image 
from IPython.display import display
import random
import json
import os

指定NFT特性的稀有性

每个独特的头像都由五个特征组成。

• Face

• Ears

• Hair

• Mouth

• Nose

稀有性很重要，因为它创造了稀缺性，反过来又创造了价值。你将通过给一个特征中的不同类型分配权重来实现特征中的稀有性。权重的总和应该总是100。

有两种类型的脸（黑色和白色）。你在程序中可以规定，一张图片有60%的机会获得白脸，40%的机会获得黑脸。

# Each image is made up a series of traits
# The weightings for each trait drive the rarity and add up to 100%
face = ["White", "Black"]
face_weights = [60, 40]
ears = ["No Earring", "Left Earring", "Right Earring", "Two Earrings"]
ears_weights = [25, 30, 44, 1]
eyes = ["Regular", "Small", "Rayban", "Hipster", "Focused"]
eyes_weights = [70, 10, 5 , 1 , 14]
hair = ['Up Hair', 'Down Hair', 'Mohawk', 'Red Mohawk', 'Orange Hair', 'Bubble Hair', 'Emo Hair',
 'Thin Hair',
 'Bald',
 'Blonde Hair',
 'Caret Hair',
 'Pony Tails']
hair_weights = [10 , 10 , 10 , 10 ,10, 10, 10 ,10 ,10, 7 , 1 , 2]
mouth = ['Black Lipstick', 'Red Lipstick', 'Big Smile', 'Smile', 'Teeth Smile', 'Purple Lipstick']
mouth_weights = [10, 10,50, 10,15, 5]
nose = ['Nose', 'Nose Ring']
nose_weights = [90, 10]

对特性进行分类

字典是用来将特征名称重定向到它们的文件名。你可以在以下位置找到特征文件名：

...\\substrapunks-master\\scripts\\face_parts\\ 。

特性名称 "White "被引导到face1，而 "Black "被引导到face2。

#Classify traits
face_files = 
    "White": "face1",
    "Black": "face2"

ears_files = 
    "No Earring": "ears1",
    "Left Earring": "ears2",
    "Right Earring": "ears3",
    "Two Earrings": "ears4"

eyes_files = 
    "Regular": "eyes1",
    "Small": "eyes2",
    "Rayban": "eyes3",
    "Hipster": "eyes4",
    "Focused": "eyes5"     

hair_files = 
    "Up Hair": "hair1",
    "Down Hair": "hair2",
    "Mohawk": "hair3",
    "Red Mohawk": "hair4",
    "Orange Hair": "hair5",
    "Bubble Hair": "hair6",
    "Emo Hair": "hair7",
    "Thin Hair": "hair8",
    "Bald": "hair9",
    "Blonde Hair": "hair10",
    "Caret Hair": "hair11",
    "Pony Tails": "hair12"

mouth_files = 
    "Black Lipstick": "m1",
    "Red Lipstick": "m2",
    "Big Smile": "m3",
    "Smile": "m4",
    "Teeth Smile": "m5",
    "Purple Lipstick": "m6"

nose_files = 
    "Nose": "n1",
    "Nose Ring": "n2"   

定义图像特质

你要创建的每个头像都将是六张图片的组合：脸、鼻子、嘴、耳朵和眼睛。

因此，可以写一个for循环，将这些特征组合成一张图片，并指定图片的总数量。

一个函数为每张图片创建一个字典，指定它拥有哪些特征。

这些特征是根据 random.choice()函数给出的。

这个函数遍历脸部特征列表（白色、黑色），并返回白色（60%的机会）或黑色（40%的机会）。

## Generate Traits
TOTAL_IMAGES = 100 # Number of random unique images we want to generate
all_images = [] 
# A recursive function to generate unique image combinations
def create_new_image():
    new_image =  #
    # For each trait category, select a random trait based on the weightings
    new_image ["Face"] = random.choices(face, face_weights)[0]
    new_image ["Ears"] = random.choices(ears, ears_weights)[0]
    new_image ["Eyes"] = random.choices(eyes, eyes_weights)[0]
    new_image ["Hair"] = random.choices(hair, hair_weights)[0]
    new_image ["Mouth"] = random.choices(mouth, mouth_weights)[0]
    new_image ["Nose"] = random.choices(nose, nose_weights)[0]
    if new_image in all_images:
        return create_new_image()
    else:
        return new_image
# Generate the unique combinations based on trait weightings
for i in range(TOTAL_IMAGES): 
    new_trait_image = create_new_image()
    all_images.append(new_trait_image)

验证唯一性

对于NFT头像项目来说，每个头像都是独一无二的，这一点很重要。因此，需要检查所有的图像是否是唯一的。写一个简单的函数，在所有的图像上循环，将它们存储到一个列表中，并返回重复的图像。

接下来，为每个图像添加一个唯一的标识符。

# Returns true if all images are unique
def all_images_unique(all_images):
    seen = list()
    return not any(i in seen or seen.append(i) for i in all_images)
print("Are all images unique?", all_images_unique(all_images))
# Add token Id to each image
i = 0
for item in all_images:
    item["tokenId"] = i
    i = i + 1
print(all_images)

性状计数

根据预定的权重和随机函数来分配特征。这意味着，即使你将白色面孔的权重定义为60，你也不可能正好有60张白色面孔。为了准确了解每个特征的出现数量，必须跟踪现在有多少特征出现在你的图像集合中。

要做到这一点，要写下面的代码。

• 为每个特征定义一个字典，其中有它们各自的分类，并从0开始。

循环查看你创建的图像，如果遇到特质，就把它们添加到各自的特质字典中。

# Get Trait Counts
face_count = 
for item in face:
    face_count[item] = 0
ears_count = 
for item in ears:
    ears_count[item] = 0
eyes_count = 
for item in eyes:
    eyes_count[item] = 0
hair_count = 
for item in hair:
    hair_count[item] = 0
mouth_count = 
for item in mouth:
    mouth_count[item] = 0
nose_count = 
for item in nose:
    nose_count[item] = 0
for image in all_images:
    face_count[image["Face"]] += 1
    ears_count[image["Ears"]] += 1
    eyes_count[image["Eyes"]] += 1
    hair_count[image["Hair"]] += 1
    mouth_count[image["Mouth"]] += 1
    nose_count[image["Nose"]] += 1
print(face_count)
print(ears_count)
print(eyes_count)
print(hair_count)
print(mouth_count)
print(nose_count)

生成图像

这是最神奇的部分。对于每张图片，脚本将执行以下操作。

• 打开我们定义特质的图像特征文件

• 使用PIL软件包在你的目录中选择相应的性状图像。

• 将所有的性状组合成一个图像

• 转换为RGB，这是最传统的颜色模型

• 把它保存到你的电脑上

#### Generate Images
os.mkdir(f'./images')
for item in all_images:
    im1 = Image.open(f'./scripts/face_parts/face/face_files[item["Face"]].png').convert('RGBA')
    im2 = Image.open(f'./scripts/face_parts/eyes/eyes_files[item["Eyes"]].png').convert('RGBA')
    im3 = Image.open(f'./scripts/face_parts/ears/ears_files[item["Ears"]].png').convert('RGBA')
    im4 = Image.open(f'./scripts/face_parts/hair/hair_files[item["Hair"]].png').convert('RGBA')
    im5 = Image.open(f'./scripts/face_parts/mouth/mouth_files[item["Mouth"]].png').convert('RGBA')
    im6 = Image.open(f'./scripts/face_parts/nose/nose_files[item["Nose"]].png').convert('RGBA')
    #Create each composite
    com1 = Image.alpha_composite(im1, im2)
    com2 = Image.alpha_composite(com1, im3)
    com3 = Image.alpha_composite(com2, im4)
    com4 = Image.alpha_composite(com3, im5)
    com5 = Image.alpha_composite(com4, im6)
    #Convert to RGB
    rgb_im = com5.convert('RGB')
    file_name = str(item["tokenId"]) + ".png"
    rgb_im.save("./images/" + file_name)

- 点击下方阅读原文加入社区会员 -