这篇文章将为大家详细讲解有关如何用python把玩守望先锋新英雄,文章内容质量较高,因此小编分享给大家做个参考,希望大家阅读完这篇文章后对相关知识有一定的了解。
从策划到设计制作,每一步都追求做到细腻,制作可持续发展的企业网站。为客户提供网站制作、成都网站设计、网站策划、网页设计、主机域名、网站空间、网络营销、VI设计、 网站改版、漏洞修补等服务。为客户提供更好的一站式互联网解决方案,以客户的口碑塑造优易品牌,携手广大客户,共同发展进步。
借助Python语言和OpenCV工具库完成一个简单的P图操作的过程
作为一名可视化工程师,如果只会使用PS,那么你一定OUT了。在专注各种花式P图多年,在学习PS,AI,PR,AE,XD……无数设计软件之后,本人终于悟到了一门独步江湖的绝技——“代码P图”。
今天,我就把这门P图界的无上秘籍,传授给你!希望你在炫技(zuo si)的道路上越走越远。
来看一下今天的素材:守望先锋新上线的英雄——艾什的正面照:
然后这是一张背景图:
今天的任务很简单,我要对第一张图中的人物进行抠图,然后贴在背景图上。
这个操作用PS并不复杂,让我们来看一下这一过程如何用代码来实现~
▼
素材处理
首先,导入一些工具包
opencv(cv2),用于图像处理
numpy,用于数据计算。
matplotlib用于出图。
import cv2
import numpy as np
import matplotlib.pyplot as plt
建立一个显示图片的函数,便于在P图过程中,实时查看效果
使用的是matplotlib的功能,和制作图表的过程一致。
#建立显示图片的函数
def show(image):
plt.imshow(image)
plt.axis('off')
plt.show()
然后,导入前景图。
因为opencv的图片默认使用BGR图像格式,而我们通常使用的图片是RGB(红,绿,蓝),所以,需要再转换一下格式,否则查看时颜色会失真。
最后打印图片规格和图片本身
#导入前景图
img=cv2.imread('img.png') #图片导入
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB) #转换颜色模型
print(img.shape) #打印图片规格
show(img) #显示图片
来看一下效果,高1054像素,长703像素,3通道。
同样的方法,导入背景图
#导入背景图
back_img = cv2.imread('back_img.jpg') #图片导入
back_img = cv2.cvtColor(back_img,cv2.COLOR_BGR2RGB) #转换颜色模型
print(back_img.shape) #打印图片规格
show(back_img) #显示图片
效果如下,高1079,长1920,3通道。
我们发现人物图高度和背景高度差不多,且我们只要中间的人像即可,那么我们先来适当地裁剪一下图片
#裁剪图片
img = img[0:1000,150:550] #裁剪图片大小
show(img) #显示图片
通过切片,裁去了logo
再对图片缩小10%,这样大小最为合适
#缩放图片
print(img.shape) #打印图片规格
img=cv2.resize(img,None,fx=0.9,fy=0.9) #图片缩小10%
print(img.shape) #打印图片规格
打印一下图片尺寸,发现裁剪成功
图片在计算机中是用数字矩阵形式保存的,红、绿、蓝三个颜色通道每种色各分为256阶,分别由0-255这256个数表示。比如900*360的图片,可以理解为900行360列的像素矩阵,而每个像素又是由R,G,B三个数字确认其颜色的。于是,我们先把图片的行,列数记录下来,稍后可以用诸如遍历的方法读取每个像素,再对其进行矩阵计算。
#拆分图片信息
rows,cols,channels = img.shape #拆分图片信息
▼
抠图:三种效果
抠图的方法雷同PS,我们要先建立个蒙版。在开始之前,我们先需要把图片转换成HSV格式,这是一种比较直观的颜色模型,可以更好的数字化处理颜色。
#转换格式
img_hsv = cv2.cvtColor(img,cv2.COLOR_RGB2HSV) #把图片转换成HSV格式,用于抠图
show(img_hsv) #显示图片
看下效果:
虽然不能直视,但做法显而易见,只要把非蓝色的部分提取出来。我们设定一个阈值,在最小阈值以下和最大阈值以上,图像变为0,而在阈值之间的变为255。
#抠图
lower_blue=np.array([0,0,0]) #获取最小阈值
upper_blue=np.array([0,255,255]) #获取最大阈值
mask = cv2.inRange(img_hsv, lower_blue, upper_blue) #创建遮罩
show(mask) #显示遮罩
然后,遮罩就这么给整了出来。
不过,我们发现,人物中间有那么多小点点,我需要把它们去掉。这里使用形态学图像处理的基本方法,先腐蚀后膨胀。其原理是在原图的小区域内取局部最小值和最大值,背后的逻辑为深度学习中的卷积神经网络。
通过尝试,我发现还可以使用开运算(先腐蚀后膨胀的整合运算)直接完成这一过程,且效果相对较好。
erode=cv2.erode(mask,None,iterations=3) #图像腐蚀
show(erode) #显示图片
dilate=cv2.dilate(erode,None,iterations=1) #图像膨胀
show(dilate) #显示图片
opening = cv2.morphologyEx(mask, cv2.MORPH_OPEN, cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (8,8))) #开运算
show(opening) #显示图片
大家可以自行比较下腐蚀,腐蚀后膨胀和开运算的效果:
▼
图像合并
最后,终于到了图像合并环节。先设定人物在背景图中的起始位置。再遍历遮罩中的每个像素,如果是0(代表黑色),则把人物图像上的颜色赋值到背景图像上。
center = [70,240] #设置前景图开始位置
for i in range(rows):
for j in range(cols):
if opening[i,j]==0: #代表黑色
back_img[center[0]+i,center[1]+j] =img[i,j] #赋值颜色
show(back_img) #显示图片
运行完毕,显示结果:
受限于图片质量和简化代码,略显粗糙,但大体已经达到功能~
最后,调整图片格式,并保存。
back_img = cv2.cvtColor(back_img,cv2.COLOR_RGB2BGR) #图像格式转换
back_img=cv2.resize(back_img,None,fx=0.8,fy=0.8) #图像缩放20%
cv2.imwrite('result.png',back_img) #保存图像
关于如何用python把玩守望先锋新英雄就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看到。
新闻标题:如何用python把玩守望先锋新英雄
分享URL:http://lswzjz.com/article/pidcgd.html