如何破解《楚门的世界》马赛克海报？附完整教程！

点击上方“蓝字”关注我们

看了电影《楚门的世界》的海报，是不是觉得特别炫酷？将各个图片拼在一起，最后呈现为主角，在那个年代，这种海报制作堪称一绝！

别羡慕，你也可以完成！

在开始之前，你有没有想过上面的图片是怎么实现的？难道这是用 ps 一张张拼起来的？光靠人工把近千张图片按照色域一一排列，这个可能性几乎为0。

所以，马赛克图片生成器就产生了。那么今天，我们就用 Python 做一个马赛克图片生成器。只需要 200 行 Python 代码，就可以将任意图片转换成马赛克效果。既可以用来记录校园生活、游戏生涯，又可以用作礼物。

01

项目思路

项目大概分为 3 个步骤：

1. 计算素材库中每张图片的平均色
   

2. 把目标图片切分成平均的色块，与素材库图片进行替换

3. 全部替换完成后，再与原始图像进行融合

02

计算图像平均值

一张图像，是通过许多的像素组成的。为了生成马赛克图片，我们的想法是，将原有图像的每一个小部分，使用颜色与这一小部分相似的图像进行替换，从而生成马赛克风格的图像。

如何计算图片的颜色相似度？这里要引用 RGB 和 HSV 的概念。

RGB 色彩空间是，由三个通道表示一幅图像。三个通道分别为红色 （R），绿色 （G） 和蓝色（B），通过这三种颜色的不同组合，可以形成几乎所有的其他颜色。

但是，在自然环境下，图像容易受自然光照、遮挡等情况的影响，也就是人眼观察图片会对图片的亮度比较敏感。而 RGB 色彩空间的三个分量都与亮度密切相关，只要亮度改变，RGB 颜色的三个分量都会改变。

同时，由于人眼对于这 RGB 这三种颜色的敏感程度是不一样的。在单色中，人眼对红色最不敏感，蓝色最敏感，所以 RGB 色彩空间是一种均匀性较差的色彩空间。

由于 RGB 色彩空间不能方便的比较颜色之间的相似度，于是我们要使用 HSV 色彩空间。HSV 色彩空间也是由三个分量组成的，分别是：

• Hue（色调）

• Saturation （饱和度）

• Value （明度）

我们会常用下图的圆柱体来表示 HSV 色彩空间，其中：

• H 用极坐标的极角表示；

• S 用极坐标的轴的长度表示；

• V 用圆柱的高度表示。

计算图片 HSV 值的代码如下：

class mosaic(object):
    """定义计算图片的平均hsv值
    """
    def __init__(self, IN_DIR: str, OUT_DIR: str, SLICE_SIZE: int, REPATE: int,
                 OUT_SIZE: int) -> None:
        self.IN_DIR = IN_DIR  # 原始的图像素材所在文件夹
        self.OUT_DIR = OUT_DIR  # 输出素材的文件夹, 这些都是计算过hsv和经过resize之后的图像
        self.SLICE_SIZE = SLICE_SIZE  # 图像放缩后的大小
        self.REPATE = REPATE  # 同一张图片可以重复使用的次数
        self.OUT_SIZE = OUT_SIZE  # 最终图片输出的大小

    def resize_pic(self, in_name: str, size: int) -> Image:
        """转换图像大小
        """
        img = Image.open(in_name)
        img = ImageOps.fit(img, (size, size), Image.ANTIALIAS)
        return img

    def get_avg_color(self, img: Image) -> Tuple[float, float, float]:
        """计算图像的平均hsv
        """
        width, height = img.size
        pixels = img.load()
        if type(pixels) is not int:
            data = []  # 存储图像像素的值
            for x in range(width):
                for y in range(height):
                    cpixel = pixels[x, y]  # 获得每一个像素的值
                    data.append(cpixel)
            h = 0
            s = 0
            v = 0
            count = 0
            for x in range(len(data)):
                r = data[x][0]
                g = data[x][1]
                b = data[x][2]  # 得到一个点的GRB三色
                count += 1
                hsv = rgb_to_hsv(r / 255.0, g / 255.0, b / 255.0)
                h += hsv[0]
                s += hsv[1]
                v += hsv[2]

            hAvg = round(h / count, 3)
            sAvg = round(s / count, 3)
            vAvg = round(v / count, 3)

            if count > 0:  # 像素点的个数大于0
                return (hAvg, sAvg, vAvg)
            else:
                raise IOError("读取图片数据失败")
        else:
            raise IOError("PIL 读取图片数据失败")

以上内容出自蓝桥云课免费课程—— Python 制作马赛克拼合图像，但由于篇幅有限，无法一一呈现。如果你有任何代码问题，欢迎大家随时通过文末方式和我交流。

戳戳“阅读原文”直达课程页面!