别在@官方加国旗啦,3分钟30行Python代码帮你搞定!还加鸡腿,加IPhone11!

python turtle五星红旗 今天是疯狂写博的一天,望三连!!! import turtle import random turtle.setup(width=0.6,height=0.6) qw=(0.314,0.1428,0.11235) turtle.pencolor('red') we=(0.19,0.68,0) turtle.fillcolor('red') turtle.speed(10) turtle.begin_fill() for i in range(2): a=random.randint(1,360) 阅读详情
最近的一周里,小编的朋友圈被大家刷屏了,大家都在@微信的官方,想让官方为大家的头像上插入一面国旗,为祖国的70大寿祝贺。

小编也凑热闹加入了大军,但是既然咱们会Python,为什么不自己做一个呢,于是小编今天也编写了一个简易的制作“贴画头像”的程序!

该程序不仅仅可以为大家制作不同的头像贴画,而且还可以为大家制作不同位置的头像贴画,例如你想将贴画放在头像的不同的角落里,程序都可以帮你实现。话不多说,开始动手。

程序一共只有短短的30行代码,但是他实现的功能可是不少,部分程序如下图所示。
from scipy.misc import imread, imresize, imsave
import glob

def add_icon():
    head_pic = imread('./pics/head.jpg')
    icon_pic = imread('./pics/{}.jpg'.format(pic_name)) # 读取图标
    # 获取头像和图标的长宽
    head_w, head_h = head_pic.shape[:2]
    icon_w, icon_h = icon_pic.shape[:2]
    # 计算图案缩放比例
    if icon_w > icon_h:
        icon_pic = imresize(icon_pic, (head_w, int(icon_w/icon_h*head_h)))
    else:
        icon_pic = imresize(icon_pic, (head_h, int(icon_h/icon_w*head_w)))
    print(icon_pic.shape)
    # 缩放图案
    icon_w, icon_h = icon_pic.shape[:2]
    icon_pic = imresize(icon_pic, (int(icon_w/ 6), int(icon_h / 6)))

    icon_w, icon_h = icon_pic.shape[:2]
    print(icon_pic.shape[:2])

    if postion_name == "topleft":
        head_pic[:icon_w, :icon_h, :] = icon_pic[:, :] # 左上角
    elif postion_name == "topright":
        head_pic[-icon_w:, :icon_h, :] = icon_pic[:, :] # 右上角
    elif postion_name == "bottomleft":
        head_pic[:icon_w, -icon_h:, :] = icon_pic[:, :] # 左下角
    else:
        head_pic[-icon_w:, -icon_h:, :] = icon_pic[:, :] # 右下角

(代码左右滑动看)

  • 上图程序中,我们首先选择输入要使用哪一种贴画;

  • 然后输入我们要将贴画放置的位置,分别是左上角,左下角,右上角和右下角;

  • 接着设置完成后,我们读入选择的贴画,然后根据贴画的长宽比例进行缩放,目的是为了贴画更加的自然美观;

  • 记得我们调整贴画的尺寸为其大小的六分之一;

  • 最后将其复制到我们的头像图画上,整个程序便得以顺利的完成;

下面我们给出的是成果的展示:

640?wx_fmt=png

我们选择了四个不同的贴画,分别是两部新出的手机,还有大鸡腿以及五星红旗。至于设置的位置,小编统一的选择了左上角,大家如果觉得不喜欢的话,可以选择其他的角落进行放置。同样会有不错的效果。

建议大家修改一下文件的Path,加入下面两行,以方便运行代码:

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=jpeg

640?wx_fmt=jpeg

上面的图标周围没有白边距,我们这次修改一些代码,加上20像素的留边,这样更好看一些。

if postion_name == "topleft":
        head_pic[:icon_w+20, :icon_h+20, :] = np.ones_like(head_pic[:icon_w+20, :icon_h+20, :]) * 255
        head_pic[10:icon_w+10, 10:icon_h+10, :] = icon_pic[:, :] # 左上角
    elif postion_name == "topright":
        head_pic[:icon_w + 20, -icon_h - 20:, :] = np.ones_like(head_pic[:icon_w + 20, -icon_h - 20:, :]) * 255
        head_pic[10:icon_w + 10, -icon_h - 10:-10, :] = icon_pic[:, :] # 右上角
    elif postion_name == "bottomleft":
        head_pic[-icon_w - 20:, :icon_h + 20, :] = np.ones_like(head_pic[-icon_w - 20:, :icon_h + 20, :]) * 255
        head_pic[-icon_w - 10:-10, 10:icon_h + 10, :] = icon_pic[:, :] # 左下角

    else:
        head_pic[-icon_w-20:, -icon_h-20:, :] = np.ones_like(head_pic[-icon_w-20:, -icon_h-20:, :]) * 255
        head_pic[-icon_w-10:-10, -icon_h-10:-10, :] = icon_pic[:, :] # 右下角
   
    plt.imshow(head_pic)
    plt.show()

(代码左右滑动看)

我们以“topleft"为例:
  • 上述的程序中,我们首先以图标的尺寸为基础,长和宽各扩充20个像素,填充为白色;
  • one_like函数的目的就是创造一个数值全部为1的矩阵,矩阵的大小为head_pic[:icon_w+20, :icon_h+20, :];
  • 然后我们再将图标放置到白色的背景上去,图标距离白色背景的边缘为10个像素。
  • 看一些效果:

640?wx_fmt=jpeg

以上的头像设置是不是感觉非常的不错呢,相比于微信官方给出的头像,我们的设计是不是显得更加的灵活呢,大家也赶快动手制作属于自己的头像吧,冲鸭!

后台输入:【国庆】,直接拿走全部源码和素材图片,拿走不谢!

往期热门:

用python制作一个今天吃什么的代码 用python做一个类似MIUI的‘今天吃什么‘的小插件 阅读详情

相关推荐

印尼稻米收成与粮食安全数据集2026年

本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。

鸡腿

入印度餐馆坐定,席:“来九只黑辣椒鸡腿!”Waiter:"对不起,我们只卖偶数只,6只,8只,10只..."席和我:"....."席:"嗯,那来十只鸡腿吧!"

scruffybear的专栏 618

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

爷爷:啥是佩奇?佩奇:Python 10 秒可以画出来

阅读文本大概需要 2 分钟。昨晚开始,朋友圈被一则走心的广告刷屏了。很多伙伴直呼:看哭了。当爷爷电话里听到儿子说「不回来啊」的打击是很沉重的,这位父亲想念自己的儿子和孙子,总想把最...

Python知识圈 199

Delphi 13.2控件之msquic4d.rar

Delphi 13.2控件之msquic4d.rar

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

学Python真香!我用100行代码做了个网站,帮人PS旅行图片,赚个鸡腿吃!

春节假期,受到疫情的影响,想必大家都没有出门游玩,而是都响应国家的号召,待在家里。长期的居家生活,大家肯定会无比的想念美好的自然风光给大家带来的美好体验...

cainiao_python的博客 729

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究了基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同集群三维路径规划中的应用,旨在解决复杂三维环境下的避障与最优路径搜索问题。通过构建包含路径长度、飞行高度、威胁规避和转弯角度的综合成本目标函数,利用MSDBO算法对多无人机系统的飞行轨迹进行全局优化,实现在保证安全性与稳定性的前提下达到最低能耗与最优性能的目标。文中详细阐述了算法的多策略改进机制、三维环境建模方法以及多无人机协同避障策略,并通过Matlab仿真平台验证了该方法相较于传统优化算法在收敛速度、路径质量和鲁棒性方面的优越性能。; 适合人群:具备一定优化算法理论基础和无人机控制系统知识的科研人员及研究生,特别适用于从事智能优化算法、多智能体协同控制、路径规划与自主导航等相关领域的研究人员和技术开发者。; 使用场景及目标:①应用于灾害救援、军事侦察、智能巡检等复杂三维场景中多无人机协同任务的路径规划;②为多目标约束下的路径优化、动态避障与能耗平衡问题提供高效的算法支持与仿真验证工具;③推动智能优化算法在无人系统自主决策与协同控制中的实际应用与工程落地。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法的具体实现过程,重点关注目标函数设计、多策略改进机制(如种群初始化、自适应参数调整、局部搜索增强等)及仿真结果分析部分,同时可尝试将该算法迁移至其他智能优化算法框架中进行对比研究,以深化对路径规划问题本质的理解与实践能力的提升。

【医疗器械制造】基于酸碱腐蚀环境的一次性乳胶手套铝合金手模失效机理分析与量产风险控制

内容概要:本文围绕一次性医用乳胶手套生产中使用的铝合金手模在酸碱环境下的失效风险展开系统性分析,重点探讨其在外表面腐蚀、清洗循环、氯介质侵入及表面粗糙度控制等方面的工程挑战。研究表明,尽管市场上已有带涂层的铝合金手模供应,但其能否在强碱、酸洗、毛刷摩擦、冷热交变和氯共存的复杂工况下长期维持Ra 1.0—2.5 μm的表面质量并实现稳定脱模,仍需经过严格的多阶段验证。常规阳极氧化+PTFE涂层方案已被实测排除,而316L不锈钢筒体在湿氯环境中出现的三个月内腐蚀失效案例提示必须重视内腔隔离设计。文章强调,采购决策应基于“小批量试制—离线加速试验—影子生产验证—条件性放行”的四阶段准入机制,结合表面参数、工艺相容性、手套成品性能与全生命周期成本进行综合评估,避免依赖供应商宣传数据。; 适合人群:从事医疗器械制造、材料工程、设备采购与工艺质量管理的技术人员及决策管理者,尤其是涉及乳胶手套生产线优化与手模选型的相关从业人员。; 使用场景及目标:①评估铝合金手模替代陶瓷手模的技术可行性与风险边界;②建立手模选型的系统验证流程,防范因表面失效导致的脱模异常、手套缺陷与非计划停机;③指导采购合同中技术条款的制定,确保供应商交付具备可验证数据支撑; 阅读建议:此资源以工程实证为导向,建议读者结合自身产线工艺参数,重点关注外表面Ra控制、内腔双密封设计、影子生产验证方法及失效链追溯体系的构建,在试制阶段严格执行多维度联合判定标准,审慎推进规模化替代。

【CEEMDAN-VMD-GRU】完备集合经验模态分解-变分模态分解-门控循环单元预测研究(Python代码实现)

内容概要:本文提出了一种融合完备集合经验模态分解(CEEMDAN)、变分模态分解(VMD)与门控循环单元(GRU)的复合预测模型,旨在提升对复杂非平稳时间序列的预测精度。首先利用CEEMDAN对原始信号进行自适应分解,有效缓解模态混叠问题,获得一组本征模态函数(IMFs);随后引入VMD对关键模态分量作进一步优化分解,增强特征分离能力,降低噪声干扰;最后将处理后的平滑分量分别输入GRU神经网络进行独立训练与预测,并通过加权集成策略融合各分量输出,得到最终高精度预测结果。该方法结合了多尺度信号分解与深度学习的优势,显著提升了模型在处理强噪声、非线性、非平稳序列(如电力负荷、风速、光伏发电功率等)时的泛化能力和预测稳定性,文中提供了完整的Python代码实现,便于复现与应用。; 适合人群:具备一定Python编程基础和机器学习理论知识,从事科研或工程应用的硕士、博士研究生及科研人员,尤其适用于能源系统预测、智能电网调度、可再生能源管理、信号处理与时间序列分析等相关领域的研究人员和技术开发者。; 使用场景及目标:①解决传统单一预测模型在面对复杂非平稳时间序列时存在的过拟合、收敛慢、精度低等问题;②通过多阶段信号分解降低原始序列的复杂度与不确定性,提升GRU模型的训练效率与预测鲁棒性;③为电力系统负荷预测、新能源出力预报、设备运行状态预警及市场交易策略制定等关键任务提供高精度数据支撑。; 阅读建议:建议读者结合提供的Python代码逐模块理解算法实现流程,重点关注CEEMDAN与VMD的参数配置对信号分解效果的影响,尝试在不同数据集上进行实验对比,并通过可视化手段分析各模态分量的物理意义,进一步掌握模型调优与性能评估的方法。

【新能源电力系统】项目介绍 MATLAB实现基于GWO-VMD-SSA-LSTM灰狼优化算法(GWO)结合变分模态分解(VMD)、麻雀搜索算法(SSA)及长短期记忆网络(LSTM)进行辐照度-温度驱动

内容概要:本文提出了一种融合灰狼优化算法(GWO)、变分模态分解(VMD)、麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的复合模型(GWO-VMD-SSA-LSTM),用于实现高精度的辐照度-温度驱动短期光伏功率预测。该模型首先通过GWO优化VMD的关键参数(模态数K和惩罚因子α),实现对非平稳光伏功率序列的高效多尺度分解,降低信号复杂性;随后利用SSA对LSTM的超参数(如隐藏层单元数、Dropout率、学习率等)进行智能寻优,提升网络训练效率与泛化能力;最后通过独立LSTM网络对各VMD模态进行预测并重构输出。模型结合了信号分解、智能优化与深度学习优势,显著提升了在多云、阴雨等复杂天气下的预测精度与稳定性,并通过MAE、RMSE、MAPE和R²等指标验证了有效性。文中还提供了完整的MATLAB实现流程,涵盖数据清洗、归一化、滑动窗口构建、参数优化与结果可视化等环节。; 适合人群:具备一定机器学习与时间序列预测基础,从事新能源发电预测、智能电网调度、电力系统自动化等相关领域的科研人员、工程师及研究生。; 使用场景及目标:①解决光伏功率受辐照度、温度等因素影响而导致的强随机性、非平稳性预测难题;②提升短期(15分钟至1小时)光伏出力预测精度,支撑电网经济调度、储能协同控制与电力现货市场申报;③为多源气象数据驱动的可再生能源预测提供可扩展的技术框架。; 阅读建议:建议结合提供的MATLAB代码逐步实践,重点关注GWO与SSA的优化机制、VMD分解效果及其与LSTM的集成方式,注意避免时间泄漏问题,推荐在实际数据上复现实验以深入理解模型性能。

T12_eVTOL低空经济低空公共航线网络规划设计方案_可研报告版.pptx

T12_eVTOL低空经济低空公共航线网络规划设计方案_可研报告版.pptx

T07_低空经济与智能网联汽车融合的城市空地一体出行服务平台建设方案_决策评审版.pptx

T07_低空经济与智能网联汽车融合的城市空地一体出行服务平台建设方案_决策评审版.pptx

4D毫米波雷达与激光雷达融合评测:3种主流融合框架在极端天气下的性能对比

本文深度评测了4D毫米波雷达与激光雷达在极端天气下的三大融合框架性能,包括前融合、特征级融合和后融合。通过实测数据对比,揭示了多传感器融合在暴雨、浓雾等恶劣环境中的显著优势,为自动驾驶感知系统提供了关键的技术参考和工程实践指南。

weixin_28677005的博客 332
上一篇: 推荐几个美团,阿里,百度,饿了么的大佬的公众号
下一篇: 我最佩服的一位大佬!他在腾讯工作十年!
菜鸟学Python
博客等级 码龄9年 8097粉丝 571原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值