将几万张图片合成一张图片，制作一个超赞的马赛克图

Posted 2022-02-03 Python 集中营

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了将几万张图片合成一张图片，制作一个超赞的马赛克图相关的知识，希望对你有一定的参考价值。

需求说明：制作一个马赛克图片，将几万张图片进行合成，每个马赛克格子的尺寸为15x15。

完整源码在文末有说明，需要的可以去下载哈。

【阅读全文】看一下生成的马赛克图片的效果：

需要使用到的python模块包如下：

import cv2  # pip install opencv-python # 图像处理库
import glob  # 导入文件处理库
import argparse  # 命令行解析库
import numpy as np  # 数据处理库
from tqdm import tqdm  # 导入进度条库
from itertools import product  # 导入迭代器库
import logging  # 导入日志库

设置logging模块日志打印。

logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(name)s - %(levelname)s - %(message)s')
logger = logging.getLogger("图片合成器")
logger.setLevel(logging.DEBUG)

编写函数read_source_images()提取符合图像颜色要求的图片对象并计算平均值。

def read_source_images(source_images_path, block_size):
    '''
    提取符合图像颜色要求的图片对象并计算平均值
    :param source_images_path: 源图片路径
    :param block_size: 每个图片的尺寸
    :return: 符合要求的图片对象数组、颜色平均值数组
    '''
    logger.info("开始源图片筛选及颜色平均值计算处理")
    source_images = []  # 初始化源图像列表
    avg_colors = []  # 平均颜色列表
    '''使用进度条进行遍历源图片的文件夹'''
    for image_path in tqdm(glob.glob("/*.jpg".format(source_images_path))):
        try:  # 此处加入异常处理，若出现处理异常的图片则跳过该图片处理
            # 读取彩色图片
            img_obj = cv2.imread(image_path, cv2.IMREAD_COLOR)
            '''
            img_obj.shape[-1]读取图像的通道数，通道值为3表示每个像素点的颜色取值范围（0-255,0-255,0-255）。
            将通道值不等于3的图片跳过。
            '''
            if img_obj.shape[-1] != 3:
                continue
            # 重新设置图片的尺寸
            img_obj = cv2.resize(img_obj, (block_size, block_size))
            # 计算该图像颜色的平均值
            avg_color = np.sum(np.sum(img_obj, axis=0), axis=0) / (block_size * block_size)
            # 将符合要求的图像对象添加到数组中
            source_images.append(img_obj)
            # 将符合要求的图像颜色平均值添加到数组中
            avg_colors.append(avg_color)
        except:
            logger.error("异常图片路径：" + image_path)
    logger.info("结束源图片筛选及颜色平均值计算处理")
    return source_images, np.array(avg_colors)

编写parse_args()函数，用于解析文件相关的参数。之后需要获取参数时直接从参数解析器中提取使用即可。

def parse_args():
    '''
    参数解析函数
    :return:
    '''
    logger.info("开始文件参数解析处理")
    parser = argparse.ArgumentParser('图片文件参数解析器')
    # 添加目标图像路径
    parser.add_argument('--targetpath', type=str, default='target.jpg', help='目标图像路径')
    # 添加输出图像路径
    parser.add_argument('--outputpath', type=str, default='output.jpg', help='输出图像的路径')
    # 源图片文件路径
    parser.add_argument('--sourcepath', type=str, default='source_images', help='源图片文件夹路径')
    # 需要转换的每个图片的目标尺寸
    parser.add_argument('--blocksize', type=int, default=15, help='每个图片的目标尺寸')
    # 解析参数并返回
    args = parser.parse_args()
    logger.info("结束文件参数解析处理")
    return args

编写main_merage()函数，用于实现马赛克图片的正式合成。

def main_merage(params):
    '''
    图片合成处理函数
    :param params: 文件参数
    :return:
    '''
    #  获取目标图片对象，默认按彩色方式读取
    target_image_obj = cv2.imread(params.targetpath)
    # 根据目标图片对象，生成对应的零矩阵
    output_image_obj = np.zeros(target_image_obj.shape, np.uint8)
    # 获取符合要求的源图片数组与平均颜色数组
    source_images, avg_colors = read_source_images(params.sourcepath, params.blocksize)
    # 根据目标图片的长、宽执行遍历
    '''target_image_obj.shape[1]、target_image_obj.shape[0]获得图片的长、宽'''
    logger.info("开始图片合成处理")
    for i, j in tqdm(product(range(int(target_image_obj.shape[1] / params.blocksize)),
                             range(int(target_image_obj.shape[0] / params.blocksize)))):
        block = target_image_obj[j * params.blocksize: (j + 1) * params.blocksize,
                i * params.blocksize: (i + 1) * params.blocksize, :]
        avg_color = np.sum(np.sum(block, axis=0), axis=0) / (params.blocksize * params.blocksize)
        distances = np.linalg.norm(avg_color - avg_colors, axis=1)
        idx = np.argmin(distances)
        output_image_obj[j * params.blocksize: (j + 1) * params.blocksize,
        i * params.blocksize: (i + 1) * params.blocksize, :] = \\
            source_images[idx]
    cv2.imwrite(params.outputpath, output_image_obj)
    cv2.imshow('输出生成的图片', output_image_obj)
    logger.info("结束图片合成处理")

使用前面文章中提到的百度图片下载器下载我们需要的源图片。