作者| blddr
序
Python有很多图像处理的库，比如Pillow或者OpenCV。很多时候，我觉得学习这些图像处理模块是没有用的。事实上，你只是不知道如何使用它们。今天就给大家带来一些美图技巧，让你的美图能够让观众为之倾倒。朋友圈赞不绝口，女朋友也夸你。你这么有钱有势！
模块安装
我们主要使用OpenCV和抱枕，也使用wordcloud和paddlehub。让我们先安装它们：
pip install opencv-python pip install pilopython-m pip install paddlepaddle-I https://mirror.baidu.com/pypi/Simpleinstall-I https://mirror.baidu.com/pypi/simple paddlehubbpip install-I https://pypi.tuna.tsinghua.edu.cn/simple/myqr另外，我使用的Python环境是3.7。知道了这一点，我们就可以开始我们美丽的旅行了。
图片美化
1.祛痘
还在为痘痘烦恼，不敢拍照？有了这个，你就不用怕了(虽然有P图软件，但别揭穿我):
Import cv2level=22 #降噪等级img=cv2.imread('girl.jpg') #读取原始图像img=cv2 .双边滤波器(img，level，level * 2，level/2)# beauty cv2 . imwrite(' result . jpg ')，img)其实在光滑的脸上，痘痘可以看作是一种噪声，我们通过降噪可以达到祛痘祛斑的效果。OpenCV中提供了相应的过滤器，我们只需要调用它。原图与实施效果图对比如下：
你可以看到你脸上的斑点明显少了。先生们应该注意到脖子下面的皮肤光滑多了。但是头发的细节被抹去了很多。我们可以通过调整级别参数来调整效果。想要更好的效果，可以把人脸识别和局部痤疮治疗结合起来。
2、字云——我不只是一幅画。
其实，字云是老生常谈，但还是有必要在美图中列出最优秀的人，因为一个字云可以包含太多的信息：
从PIL导入Imageimport numpy as npfrom wordwood导入wordwood，ImageColorGenerator #读取背景图片蒙版=NP . array(image . open(' rose . png '))#定义字云对象WC=wordwood(#将字云背景设置为白色背景_color='white '，#设置最大字体max_font_size=30，#设置字云的轮廓蒙版=蒙版，#字体路径。如果需要生成中文词云，需要设置这个属性。设置的字体需要支持中文#font_path='msyh.ttc')#读取文本文本=打开(' article.txt '，' r' Encoding='utf-8 ')。read # generate word cloud WC . generate(text)# color word cloud WC=WC . recorer(color _ func=imagecolor generator(mask))# save word cloud WC . to _ file(' result . png ')article . txt是我们word cloud的文字素材，而result.png是word cloud的轮廓(这张图片的背景应该是严格的白色或透明的)。原图及实现效果如下：
它仍然非常漂亮。更多详情，请参考https://blog.csdn.net/blddr/article/details/103517841.
3.风格迁移——努力成为自己喜欢的样子。
风格转移，顾名思义，就是把一幅画的风格转移到另一幅上。例如，我拍了一张白天的照片，但我想要一张夜景的照片。我们做什么呢当然，我们会等到晚上，但是除了这个方法，我们还可以下载一张夜景图片，并将夜景效果转移到我们的原始图片上。
风格转移的实现需要深度学习，但像我这样的菜鸡愿意去做。
定是不会深度学习的啦，所以我们直接使用paddlehub中已经实现好的模型库：import cv2import 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)原图风格图和效果图如下：
左边是原图，中间是风格图，右边为效果图。上面的效果还算可以，但是不是每次都怎么成功，还是要多试试。
4、图中图——每一个像素都是你
这个相比上面的要复杂一些，我们需要准备图库，将这些图作素材，然后根据图片某个区域的主色调进行最适当的替换，代码如下：
import osimport cv2import numpy as npdef 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 colorsdef 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 imif __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)关于实现，我后续会写文章详细分析。我们看看效果图：
图片我们还是可以看出人物的，但是某些地方颜色不太对，这就是根据我们图库来的了。我们方法图片就能看到上面几百张小图片。（当然你放大上面的图是看不到的，因为分辨率太低）
5、切换背景——带你去旅行
最近大家都宅家里，照片拍了不少，可惜背景全是沙发。遇到我就是你女朋友的福气，看我如何10行代码换图片背景：
from PIL import Imageimport 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')下面看看我们的效果：
6、九宫格——一张照片装不下你的美
很多人发照片都喜欢发九宫格，但是一般又没那么多照片，这个时候就需要用表情包占位了。对于技术宅，这种不合理的方式是绝不容许的，于是我们写下如下代码：
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]//3height = im.size[1]//3# 裁剪图片的左上角坐标start_x = 0start_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我们执行上面的代码后，就能生成名为1~9的图片，这些图片就是我们的九宫格图片，下面看看测试效果：
不得不说，小松菜奈是真的美。
7、图片二维码——冰冷的图里也饱含深情
有话想说又不敢说？来试试二维码吧，小小的图饱含深情：
from MyQR import myqrmyqr.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' # 输出文件名效果图如下：
原文链接：
https://blog.csdn.net/blddr/article/details/105833676
☞写了Bug，误执行 rm -fr /*，我删删删删库了，要跑路吗？| 原力计划
☞比 TensorFlow Lite 快 15.6 倍！业界首个移动 GPU BNN 加速引擎 PhoneBit 开源
☞视频 | 你不知道的"开源"60年秘史
☞GitHub标星10,000+，Apache项目ShardingSphere的开源之路
☞阿里技术专家告诉你，如何画出优秀的架构图？
☞加拿大API平台如何做到30%为中国明星项目？创业老兵这样说……