Python中存在许多图像处理库，然而很多人却感觉这些图像处理模块没啥用，其实这只是你不懂罢了。今天这里就使用OpenCV和Pillow来为大家带来一些美图技巧，让你的女朋友再也不说你是直男癌了。

模块安装

我们使用的Python环境是3.7版本，这里分别安装OpenCV和Pillow，以及wordcloud和paddlehub模块。

pip install opencv-python

pip install pillow

python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

pip install -i https://mirror.baidu.com/pypi/simple paddlehub

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ myqr

美化技巧

1、祛痘

在这个照骗横行的年代，各种P图软件层出不穷，在这里我们就介绍一下如何用图像处理技术祛痘。

import cv2

level = 22 # 降噪等级

img = cv2.imread('girl.jpg') # 读取原图

img = cv2.bilateralFilter(img, level, level*2, level/2) # 美颜

cv2.imwrite('result.jpg', img)

它的实现原理是将痘痘作为光滑的脸蛋上一个噪点，从而通过降噪的方式达到祛痘祛斑的效果，在OpenCV中就提供了相应的滤镜，我们只需要调用即可。原图和实现效果图对比如下：

对比图可以看出脸上的雀斑明显减少了，当然仔细观察的话会发现，皮肤和头发的细节也同时被抹除了不少，这里我们可以通过调节level参数，调节效果。

2、词云

作为美图中的佼佼者，词云是一个老生常谈的话题，但是不得不说，一张词云所包含的信息太多了。

from PIL import Image

import numpy as np

from wordcloud import WordCloud, ImageColorGenerator

# 读取背景图片

mask = np.array(Image.open('rose.png'))

# 定义词云对象

wc = WordCloud(

# 设置词云背景为白色

background_color='white',

# 设置词云最大的字体

max_font_size=30,

# 设置词云轮廓

mask=mask,

# 字体路径，如果需要生成中文词云，需要设置该属性，设置的字体需要支持中文

#font_path='msyh.ttc'

)

# 读取文本

text = open('article.txt', 'r', encoding='utf-8').read()

# 生成词云

wc.generate(text)

# 给词云上色

wc = wc.recolor(color_func=ImageColorGenerator(mask))

# 保存词云

wc.to_file('result.png')

原图和实现效果如下：

3、风格迁移

风格迁移就是讲一张图的风格迁移到你想要的那张图上去。当然实现风格迁移的功能需要深度学习才行，这里我们直接使用paddlehub中已经实现好的模型库来完成：

import cv2

import paddlehub as hub

# 加载模型库

stylepro_artistic = hub.Module(name="stylepro_artistic")

# 进行风格迁移

im = stylepro_artistic.style_transfer(

images=[{

# 原图

'content': cv2.imread("origin.jpg"),

# 风格图

'styles': [cv2.imread("style.jpg")]

}],

# 透明度

alpha = 0.1

)

# 从返回的数据中获取图片的ndarray对象

im = im[0]['data']

# 保存结果图片

cv2.imwrite('result.jpg', im)

4、图中图

图中图相比上面的功能要复杂的多，我们需要将图片某些区域的主色调进行适当的替换。

import os

import cv2

import numpy as np

def getDominant(im):

"""获取主色调"""

b = int(round(np.mean(im[:, :, 0])))

g = int(round(np.mean(im[:, :, 1])))

r = int(round(np.mean(im[:, :, 2])))

return (b, g, r)

def getColors(path):

"""获取图片列表的色调表"""

colors = []

filelist = [path + i for i in os.listdir(path)]

for file in filelist:

im = cv2.imdecode(np.fromfile(file, dtype=np.uint8), -1)

dominant = getDominant(im)

colors.append(dominant)

return colors

def fitColor(color1, color2):

"""返回两个颜色之间的差异大小"""

b = color1[0] - color2[0]

g = color1[1] - color2[1]

r = color1[2] - color2[2]

return abs(b) + abs(g) + abs(r)

def generate(im_path, imgs_path, box_size, multiple=1):

"""生成图片"""

# 读取图片列表

img_list = [imgs_path + i for i in os.listdir(imgs_path)]

# 读取图片

im = cv2.imread(im_path)

im = cv2.resize(im, (im.shape[1]*multiple, im.shape[0]*multiple))

# 获取图片宽高

width, height = im.shape[1], im.shape[0]

# 遍历图片像素

for i in range(height // box_size+1):

for j in range(width // box_size+1):

# 图块起点坐标

start_x, start_y = j * box_size, i * box_size

# 初始化图片块的宽高

box_w, box_h = box_size, box_size

box_im = im[start_y:, start_x:]

if i == height // box_size:

box_h = box_im.shape[0]

if j == width // box_size:

box_w = box_im.shape[1]

if box_h == 0 or box_w == 0:

continue

# 获取主色调

dominant = getDominant(im[start_y:start_y+box_h, start_x:start_x+box_w])

img_loc = 0

# 差异，同主色调最大差异为255*3

dif = 255 * 3

# 遍历色调表，查找差异最小的图片

for index in range(colors.__len__()):

if fitColor(dominant, colors[index]) < dif:

dif = fitColor(dominant, colors[index])

img_loc = index

# 读取差异最小的图片

box_im = cv2.imdecode(np.fromfile(img_list[img_loc], dtype=np.uint8), -1)

# 转换成合适的大小

box_im = cv2.resize(box_im, (box_w, box_h))

# 铺垫色块

im[start_y:start_y+box_h, start_x:start_x+box_w] = box_im

j += box_w

i += box_h

return im

if __name__ == '__main__':

# 获取色调列表

colors = getColors('表情包/')

result_im = generate('main.jpg', '表情包/', 50, multiple=5)

cv2.imwrite('C:/Users/zaxwz/Desktop/result.jpg', result_im)

效果如下图：

从图片中我们能看到，小新还是那个小新，但是放大图片就能看出上面几百张小图片。

切换背景

在家就能拍出世界各地的场景，背景替换，让你旅行世界各地。

from PIL import Image

import paddlehub as hub

# 加载模型

humanseg = hub.Module(name='deeplabv3p_xception65_humanseg')

# 抠图

results = humanseg.segmentation(data={'image':['xscn.jpeg']})

# 读取背景图片

bg = Image.open('bg.jpg')

# 读取原图

im = Image.open('humanseg_output/xscn.png').convert('RGBA')

im.thumbnail((bg.size[1], bg.size[1]))

# 分离通道

r, g, b, a = im.split()

# 将抠好的图片粘贴到背景上

bg.paste(im, (bg.size[0]-bg.size[1], 0), mask=a)

bg.save('xscn.jpg')

九宫格

很多人发照片都喜欢组成九宫格，但是又没有那么多照片就用表情包代替。这种行为是不能容忍的，下面代码就能完美的解决：

from PIL import Image

# 读取图片

im = Image.open('xscn.jpeg')

# 宽高各除 3，获取裁剪后的单张图片大小

width = im.size[0]//3

height = im.size[1]//3

# 裁剪图片的左上角坐标

start_x = 0

start_y = 0

# 用于给图片命名

im_name = 1

# 循环裁剪图片

for i in range(3):

for j in range(3):

# 裁剪图片并保存

crop = im.crop((start_x, start_y, start_x+width, start_y+height))

crop.save(str(im_name) + '.jpg')

# 将左上角坐标的 x 轴向右移动

start_x += width

im_name += 1

# 当第一行裁剪完后 x 继续从 0 开始裁剪

start_x = 0

# 裁剪第二行

start_y += height

执行上面的代码后，就能讲一张照片生成9张以九宫格的形式分布成的一张图片。

图片二维码

二维码，有啥想说又不好说的话，懂得都懂。

from MyQR import myqr

myqr.run(

words='http://www.baidu.com', # 包含信息

picture='lbxx.jpg', # 背景图片

colorized=True, # 是否有颜色，如果为False则为黑白

save_name='code.png' # 输出文件名

)