肖像 on 红旗下的蛋

色子肖像--Python程序

Thu, 28 Dec 2017 15:49:14 +0800

上一篇色子肖像介绍了把图像变成色子点阵图的基本思路，用python语言采用PIL库写了一个程序，后来发现opencv更加简便合适，就采用numpy以及opencv库，进行了优化。这是我第一次开始用python语言编写稍微复杂些的程序。对于有一定编程经验的人，采用实现一个功能的方式编程能够很快熟悉该语言，是一种很好的学习方式。

以下是我编写的程序以及简单的注释。

由于要对图像进行数值处理，所以采用opencv以及numpy库。首先是加载库，datetime是用于计算程序运行时间，os是用于获得文件路径，sys是用于获得命令行参数，cv2是opencv库，numpy是python的数组库。

1
2
3
4
5


import datetime
import os
import sys
import cv2
import numpy as np

保证程序本身直接执行，而不是被调用，如果直接执行，则调用main()函数。

1
2


if __name__ == "__main__":
 main()

一个python文件就可以看作是一个python的模块，这个python模块（.py文件）有两种使用方式：直接运行使用和作为模块被其他模块调用。每一个模块都有一个内置属性__name__。而__name__的值取决与python模块（.py文件）的使用方式。如果是直接运行使用，那么这个模块的__name__值就是“main”；如果是作为模块被其他模块调用，那么这个模块（.py文件）的__name__值就是该模块（.py文件）的文件名且不带路径和文件扩展名，如果dice_portrait_cv.py被其他python程序import dice_portrait_cv，则__name__为dice_portrait_cv。 main()函数，主要功能流程的执行，分别是：

1.初始化文件路径

1
2
3
4
5
6
7
8


def main():
 start_time = datetime.datetime.now() #设置程序运行开始时间
 #初始化文件路径
 EXEC_PATH = os.getcwd()
 DICEPATH = EXEC_PATH + '\\dice_image\\'
 OUTPUTPATH = EXEC_PATH + '\\output\\'
 if not (os.path.exists(OUTPUTPATH)):
 os.mkdir(OUTPUTPATH)

2.获得命令行参数，调用自定义函数getvalue()，返回输入图片文件名，色子列数，是否旋转

1

 imagefile, DICE_WIDTH, ROTATE = getvalue()

3.读取要渲染的图片及色子图片

1
2


 im = cv2.imread(imagefile, 0)
 dice = getDice(DICEPATH)

4.调用自定义函数，调整图片大小，返回图片数组

1

 im = AjustImage(DICE_WIDTH, im)

5.定义灰色度数值对应色子1-6点的分组，用了list，也可以用numpy的数组

1
2
3


 p = [60, 80, 110, 150, 190, 220]
 #使用numpy数组
 p = np.array([60, 80, 110, 150, 190, 220])

6.对图像进行16x16图块分割，并计算灰度，对应色子1-6，并将图片转换成色子点阵图，调用自定义函数，获得处理后的图像以及色子点数文件。

1

 im, dice_data = calculateDice(im, imagefile, p, dice, ROTATE)

7.保存图片及色子点数文件

1

 write_Dice(im, OUTPUTPATH, imagefile, dice_data)

8.打印运行时间以及色子图片，按任意键退出

1
2
3
4


 end_time = datetime.datetime.now()
 print('程序运行时间:', end_time - start_time,'秒')
 cv2.imshow(imagefile, im)
 cv2.waitKey(0)

下面是自定义函数。 1.获得命令行变量，返回变量：imagefile（输入文件名）, DICE_WIDTH（色子列数）, ROTATE（色子2，3，6是否旋转） def getvalue():

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26


 if (len(sys.argv) < 2 or len(sys.argv) > 4):
 print("Error, invalid arguments!")
 print("Call with " + sys.argv[0] + " inputimage [tile-size] ")
 sys.exit(1)
 ROTATE = False
 DICE_WIDTH = 50
 if len(sys.argv) == 2:
 imagefile = sys.argv[1]
 elif len(sys.argv) == 3:
 imagefile = sys.argv[1]
 DICE_WIDTH = int(sys.argv[2])
 if (DICE_WIDTH > 150 or DICE_WIDTH < 30):
 print("色子列数不正确，应在30-150之间")
 sys.exit(1)
 else:
 imagefile = sys.argv[1]
 DICE_WIDTH = int(sys.argv[2])
 if (DICE_WIDTH > 150 or DICE_WIDTH < 30):
 print("Dice quality not avialiabe. It betweet 30 and 150")
 sys.exit(1)
 if (sys.argv[3] == '0' or sys.argv[3] == '1'):
 ROTATE = bool(int(sys.argv[3]))
 else:
 print("1:色子旋转, 0:色子不旋转")
 sys.exit(1)
 return imagefile, DICE_WIDTH, ROTATE

2.调整图片，图片宽度为色子列数*16，返回调整后的图像数组，自定义函数输入变量为DICE_WIDTH（色子列数），image（输入的图像数组）

1
2
3
4
5
6
7


def AjustImage(DICE_WIDTH, image): # 调整图片
 hight, width = image.shape[:2]
 ratio = DICE_WIDTH * 16 / width
 width = int(width * ratio)
 hight = int(hight * ratio)
 image = cv2.resize(image, (width, hight))
 return image

3.读入色子图形

1
2
3
4
5


def getDice(DICEPATH): # 读入色子图形文件
 dice = np.zeros((9, 16, 16),dtype='u8')
 for i in range(9):
 dice[i] = cv2.imread('./dice_image/' + str(i + 1) + 'w.png', 0)
 return dice

4.对图像进行处理，输入参数：im（图像数组）, imagefile（图片文件名）, p（灰色度分组数组）, dice（色子图片数组）, ROTATE（色子2，3，6是否旋转），返回处理后的图片数组im，以及色子点数数组image_data

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45


def calculateDice(im, imagefile, p, dice, ROTATE): # 处理图片
 x_max = int((im.shape[1]/16))
 y_max = int((im.shape[0]/16))
 dice_data = np.arange(y_max * x_max, dtype="u8").reshape(y_max, x_max)
 dice2_rotate = False
 dice3_rotate = False
 dice6_rotate = False
 cv2.namedWindow(imagefile, 0)
 cv2.resizeWindow(imagefile, 640, int(640 * y_max / x_max))
 for j in range(y_max):
 for i in range(x_max):
 # 获得16x16图片的色度平均值mean或中位数median
 image_data = int(np.mean(im[j * 16:(j + 1) * 16, i * 16:(i + 1) * 16]))
 # 根据色度值确定色子点数
 if (image_data < p[0]):
 n = 5
 if (ROTATE):
 dice6_rotate = not (dice6_rotate)
 if (dice6_rotate):
 n = 8
 elif (image_data >= p[0]) and (image_data < p[1]):
 n = 4
 elif (image_data >= p[1]) and (image_data < p[2]):
 n = 3
 elif (image_data >= p[2]) and (image_data < p[3]):
 n = 2
 if (ROTATE):
 dice3_rotate = not (dice3_rotate)
 if (dice3_rotate):
 n = 7
 elif (image_data >= p[3]) and (image_data < p[4]):
 n = 1
 if (ROTATE):
 dice2_rotate = not (dice2_rotate)
 if (dice2_rotate):
 n = 6
 else:
 n = 0
 #将色子图片写入原图片
 im[j * 16:(j + 1) * 16, i * 16:(i + 1) * 16] = dice[n]
 dice_data[j, i] = n + 1
 #显示色子覆盖原图片步骤
 cv2.imshow(imagefile, im)
 cv2.waitKey(1)
 return im, dice_data

5.保存图片及色子点数文件

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14


def write_Dice(im, OUTPUTPATH, imagefile, dice_data): # 将色子点数写入文件
 y_max, x_max = np.shape(dice_data)
 DICE_WIDTH = x_max
 print("色子数量", y_max, '*', x_max, '=', x_max * y_max)
 cv2.imwrite(OUTPUTPATH + str(DICE_WIDTH) + '_hist_' + imagefile, im)
 f = open(OUTPUTPATH + str(DICE_WIDTH) + '_hist_' + imagefile + '.txt', 'wt')
 for y in range(y_max):
 f.write((str(y + 1) + ':'))
 for x in range(x_max):
 f.write(str(dice_data[y, x]) + ',')
 f.write('\n')
 f.close()
 print('文件保存完毕!')
 return

采用numpy，对数组进行运算非常方便。

程序放到了GitHub上，也可以直接用

git clone https://github.com/fallleaf/dice_portrait.git

图框和色子都准备好了，这将是18年的第一个项目。

色子肖像

Tue, 12 Dec 2017 10:02:27 +0800

2008年Scott MacDonald发表了一篇Blog，用骰子为她制作一副肖像画,他把一幅肖像画量化成不同点数的色子，用色子摆放成了一幅肖像画。如下图：

他用了2560（40x60）个16mm的色子，制作了一个64cmx96cm的色子肖像，如下图：

他用的是Prossing语言编写的程序。近期正在学习Python，就尝试用Python来实现这一功能。

思路是先对图像进行灰度处理，然后把图片分割成16x16像素的单元图块，再对图块中256个点的灰度取平均值，对平均值分组用1-6数值代替。色度值范围0-255，亮度从深到浅，颜色从黑到白。数值1-6对应色子的点数，对于黑底白点的色子，色度值和点数正比例关系，对于白底黑点的色子，色度值和点数反比例关系。最后按色子点数做出图。

我用了三种16x16的图块，如下：

灰度色块：

黑底白点色子：

白底黑点色子：

利用Python的PIL库（Python Image Library）以及numpy数组库，能够很容易的完成功能。

首先是加载库文件，打开图片，对图片灰度处理，并计算要分割图块的数量

#加载库文件

from PIL import Image, ImageDraw import numpy as np #载入色子图片，1.png-6.png，代表色子点数 dice =[] for i in range(6): dice.append(Image.open(str(i+1)+’.png’)) #载入肖像图片 im = Image.open(“cecilia.png”) im=im.convert(“L”) width,hight =im.size x_max = int (width/16) y_max = int(hight/16)

分割图片为16x16图块，并计算点的色度平均值

image_data = np.ones(y_maxx_max).reshape(y_max,x_max) block_data = np.ones(1616).reshape(16,16) dice_data = np.ones(y_maxx_max).reshape(y_max,x_max) for j in range(y_max): for i in range(x_max): b=im.crop( (i16,j*16,(i+1)*16,(j+1)*16))#获得16x16图片 sum_x=0 for ii in range(16): for jj in range(16): block_data[jj,ii]=b.getpixel((ii,jj)) image_data[j,i]=int(np.mean(block_data))

根据色块的平均值分配色子图块：

#定义色度分组值

p = [45,65,80,95,130,155] if (image_data[j,i]<p[0]): n = 5 elif (image_data[j,i]>=p[0]) and (image_data[j,i]<p[1]): n = 4 elif (image_data[j,i]>=p[1]) and (image_data[j,i]<p[2]): n = 3 elif (image_data[j,i]>=p[2]) and (image_data[j,i]<p[3]): n = 2 elif(image_data[j,i]>=p[3]) and (image_data[j,i]<p[4]): n = 1 else: n = 0 im.paste(dice[n],(i16,j16)) dice_data[j,i] = n+1

这里p1p6是对0255的色度值划分到1-6的分组值。生成处理后的图片，及显示图片

im.save(‘small_ceciliaw.png’) im.show()

将色子点数写入文件

f = open(‘cecilia_dice_data.txt’,‘wt’) for y in range(y_max): f.write((str(y+1)+’:’)) for x in range(x_max): f.write(str(dice_data[y,x])+’,’) f.write(’\n’) f.close()

按以上方法生成了三种处理后的图片，第一个是原图，第二个是灰度色块，第三个是黑底白点，第四个是白底黑点。如下图：

所用原始图片的大小为1120x1584，一共生成色子数量为70x99=6930块,若用8mm的色子制作，大小为56cmx79.2cm。亚洲人的面部没有欧洲人立体感强，选择照片时需挑选立体感强，色差比较鲜明的图片，这样，分辨率可以低一些，色子的数量可以减少一些。另外，1-6的分组值也需要进一步优化。下图是分辨率变化的情况。

这个项目正在进行中，等色子及图框到后再把制作的全过程展示一下。

续：

购买了2000个色子，用纸盒盖子做框，摆成一个肖像，远看效果好些

源代码放到了GitHub上，做了些改动，采用opencv做图像处理。