用python制作马赛克式/蒙太奇拼图(小图片作为像素拼成大图片）

最新推荐文章于 2022-08-11 10:48:52 发布

tanarctan

最新推荐文章于 2022-08-11 10:48:52 发布

阅读量3.3k

点赞数 7

分类专栏： python学习记录自学算法文章标签：马赛克式/蒙太奇拼图

本文链接：https://blog.youkuaiyun.com/tanarctan/article/details/95087261

版权

本文介绍如何使用Python制作马赛克式拼图，通过将大图片分割并寻找相似小图片进行替换，实现独特的图像效果。作者分享了自己的代码实现，并讨论了不同相似度算法的选择与优缺点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

小时候看见课本上有用人的照片作为基本元素拼出来的人脸，感觉特别有趣，后来学了ps发现ps做不出来这个效果（其实可以，但是人工很重，效果也不好。具体见：https://www.zhihu.com/question/23820935）后来学了算法后接触了一下图像处理，感觉其实这个东西不难做，把图片当作像素处理就好了，然后就想做一个玩玩。

原理其实很简单，把目标图像划分成许多区域，然后从给定的图库里寻找一张和本区域最相似的图片，将找到的图片贴到对应区域上，重复这一过程，然后就得到了目标图片。寻找相似图片的算法有很多，我这里直接套用了我以前的代码--计算图片三个通道的平均值，和目标做差，在图库中比较差的大小。寻找相似图片的算法还有很多，具体可以参考https://blog.youkuaiyun.com/u011397539/article/details/82982499哈希类算法和https://blog.youkuaiyun.com/weixin_39121325/article/details/84187453

选取不同算法有不同的考虑，虽然在相似度的比较上平均值法不好用，但取平均值只需计算一次，而直方图和余弦算法需要一次次计算和对比。（我的代码里算平均值没有对图片缩放，导致第一次算耗时特别长。）其次我觉得当图片缩小到一个接近于像素的小区域内时，直接对通道取平均值也许更接近原来像素的通道水平。

接下来就是代码了，第一部分是我之前写的相似度算法：

import os, sys
from PIL import Image
from PIL import ImageFilter
import numpy as np
import logging
import json

def act(di):
    for i in di.keys():
        di[i]=di[i][0]
    return None



def CalWeight(str):
    """
    what is the differ?
    well, it is the index of this function is filename rather not the file pointer
    """
    pos=0.0
    temp=[]
    img=Image.open(str)
    #r, g, b = img.split()
    for m in img.split():
        total=0
        m=np.array(m)
        for n in m:
            for i in n:
                total+=i
        pos=total/m.size
        temp.append(pos)
    return temp


class similar:
    """
self.input=args[1]
self.TargetFolder=args[2]
    """


    def __init__(self, *args, **kwargs):
        if len(args)==3:    #or 3?
            self.log=None
            self.out={}  #nmae:[weight_point]
            self.standard=[]
            self.Best_Match=  ""
            self.input=args[0]
            self.TargetFolder=args[1]
            self.log=args[2]
        elif len(args)==2 and args[0]=="load":
            self.load()
            self.log=args[1]
        else:
            self.out={}  #nmae:[weight_point]
            self.input=""
            self.TargetFolder=""
            self.Best_Match=""   #name
            self.standard=[]
            self.log=args[0]
        return None

    def _CalWeight(self,img):
        pos=0.0
        temp=[]
        #r, g, b = img.split()
        for m in img.split():

最低0.47元/天解锁文章