python多图合并成一张图 Python实现多张图片合成一张马赛克图片 _Python

前言
开发环境
实现代码
- 先导入所需模块
- 读取图片文件
- 读取所有源图片并计算对应颜色的平均值
- 合法图像列表
- 平均颜色列表
- 遍历
- 主函数
- 模块调用执行
完整效果

前言最近有网友私信我，问如何把多张图片合成一张马赛克图片的样子
说是女儿从出生到现在，所有的照片，大概有上百张，所以想使用这些照片合成一张，当做生日礼物
那我们今天就用上次爬表情包的图片来做一次马赛克图片，2万张合成一张，想想就很激动

私信小编01即可获取大量Python学习资源

欢迎加入，一起讨论学习
图片素材
4K高清原图
开发环境Python 3.6
Pycharm
实现代码先导入所需模块1
2
3
4
5
6
import cv2
import glob
import argparse
import numpy as np
from tqdm import tqdm # 进度条
from itertools import product # 迭代器
读取图片文件1
2
3
4
5
6
7
8
9
10
def parsArgs():
parser = argparse.ArgumentParser(‘拼接马赛克图片’)
parser.add_argument(‘–targetpath’, type=str, default=’examples/3.jpg’, help=’目标图像路径’)
parser.add_argument(‘–outputpath’, type=str, default=’output.jpg’, help=’输出图像的路径’)
parser.add_argument(‘–sourcepath’, type=str, default=’sourceimages’, help=’用来拼接图像的所有源图像文件路径’)
parser.add_argument(‘–blocksize’, type=int, default=15, help=’马赛克快的大小’)
args = parser.parse_args()
return args
读取所有源图片并计算对应颜色平均值1
2
def readSourceImages(sourcepath,blocksize):
print(‘开始读取图像’)
合法图像列表设置一个列表，存放符合要求的颜色图像
1
sourceimages = []
平均颜色列表1
avgcolors = []
遍历每遍历一次，进度条走一次
1
2
3
4
5
6
7
8
9
10
11
12
for path in tqdm(glob.glob(“{}/*.jpg”.format(sourcepath))):
image = cv2.imread(path, cv2.IMREAD_COLOR)
if image.shape[-1] != 3:
continue
# 缩放尺寸
image = cv2.resize(image, (blocksize, blocksize))
# 图像颜色平均值
avgcolor = np.sum(np.sum(image, axis=0), axis=0) / (blocksize * blocksize)
sourceimages.append(image)
avgcolors.append(avgcolor)
print(‘结束读取’)
return sourceimages,np.array(avgcolors)
主函数【python多图合并成一张图 Python实现多张图片合成一张马赛克图片】1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
def main(args):
targetimage = cv2.imread(args.targetpath)
outputimage = np.zeros(targetimage.shape,np.uint8) # int8 int16 int32 int64
sourceimages,avgcolors = readSourceImages(args.sourcepath,args.blocksize)
print(‘开始制作’)
for i, j in tqdm(product(range(int(targetimage.shape[1]/args.blocksize)), range(int(targetimage.shape[0]/args.blocksize)))):
block = targetimage[j * args.blocksize: (j1) * args.blocksize, i * args.blocksize: (i1) * args.blocksize,:]
avgcolor = np.sum(np.sum(block, axis=0), axis=0) / (args.blocksize * args.blocksize)
distances = np.linalg.norm(avgcolor – avgcolors, axis=1)
idx = np.argmin(distances)
outputimage[j * args.blocksize: (j1) * args.blocksize, i * args.blocksize: (i1) * args.blocksize, :] = \
sourceimages[idx]