


Wie erstelle ich ein Mosaikgemälde in Python? Methode zum Generieren von Mosaiken (detaillierte Code-Erklärung)
Der Inhalt dieses Artikels besteht darin, vorzustellen, wie man Mosaike in Python generiert. Methode zum Generieren von Mosaiken (detaillierte Code-Erklärung). Es hat einen gewissen Referenzwert. Freunde in Not können sich darauf beziehen. Ich hoffe, es wird Ihnen hilfreich sein.
Ein Mosaik ist ein großes Bild, das aus kleinen Bildern besteht. Zoomen Sie hinein, um die Details zu sehen. Wenn es zu einem großen Bild zusammengesetzt wird, fühlt es sich an von Mosaiken, daher nennt man es Mosaikmalerei. Ich habe einige Mosaike im Internet gesehen und fand sie cool, also habe ich Python verwendet, um ein Originalbild in ein Mosaik umzuwandeln.
Unsere Darstellung sieht so aus:
Das Originalbild sieht so aus:
Das Die konkrete Umsetzungsidee lautet wie folgt:
Schritt 1: Sammeln Sie zunächst eine Reihe von Bildern, die als kleine quadratische Bilder im Gesamtbild verwendet werden. Je mehr Bilder vorhanden sind, desto ähnlicher ist die Farbe des endgültig generierten Bildes.
Schritt 2: Teilen Sie das zu konvertierende Bild wie folgt in kleine quadratische Bilder auf
Schritt 3: Ersetzen Sie jedes kleine quadratische Rasterbild mit dem nächstgelegenen Bild im Bildersatz. Nachdem alle kleinen Quadrate ersetzt wurden, wird unser endgültiges Mosaik erstellt.
Klingt das nicht einfach?
Werfen wir einen Blick auf die spezifischen Implementierungsschritte. Nachfolgend finden Sie einige Kerncodes.
Unsere Bildersammlung wird im Bilderverzeichnis gespeichert. Der folgende Code lädt alle Bilder im Verzeichnis und skaliert sie auf eine einheitliche Größe
import re import os import cv2 import numpy as np from tqdm import tqdm IMG_DIR = "images" def load_all_images(tile_row, tile_col): img_dir = IMG_DIR filenames = os.listdir(img_dir) result = [] print(len(filenames)) for filename in tqdm(filenames): if not re.search(".jpg", filename, re.I): continue try: filepath = os.path.join(img_dir, filename) im = cv2.imread(filepath) row = im.shape[0] col = im.shape[1] im = resize(im, tile_row, tile_col) result.append(np.array(im)) except Exception as e: msg = "error with {} - {}".format(filepath, str(e)) print(msg) return np.array(result, dtype=np.uint8)
Der Parameter der Funktion „load_all_images“ ist hier „unified“. size, Tile_row und Tile_col entsprechen der Höhe bzw. der Breite.
Der folgende Code teilt das zu konvertierende Bild in kleine Quadrate auf. Tile_row und Tile_col geben die Höhe und Breite der kleinen Quadrate an Bilddaten im kleinen Quadrat.
Das Folgende ist eine Funktion zur Berechnung der Ähnlichkeit zweier Bilder
img = cv2.imread(infile) tile_row, tile_col = get_tile_row_col(img.shape) for row in range(0, img_shape[0], tile_row): for col in range(0, img_shape[1], tile_col): roi = img[row:row+tile_row,col:col+tile_col,:]
im1 und im2 sind die Daten zweier Bilder. Die Bilddaten sind ein dreidimensionales Numpy-Array dreidimensionales Array in eindimensionales Array vergleichen. Vergleichen Sie nach dem Array den euklidischen Abstand zwischen den beiden. Um das ähnlichste Bild zu finden, müssen Sie nur alle Bilder im Bildsatz durchlaufen, das Bild mit dem kürzesten Abstand finden und die kleinen Quadrate im Originalbild ersetzen.
Werfen wir einen Blick auf den Endeffekt:
Die lokalen Details im vergrößerten Bild sind wie folgt:
Wenn Sie mit der Bildqualität nicht zufrieden sind und eine detailliertere Bildqualität wünschen, können Sie erwägen, das Bild bei der Segmentierung in kleinere Quadrate zu unterteilen, was jedoch auch die Laufzeit des Programms erhöht.
Das obige ist der detaillierte Inhalt vonWie erstelle ich ein Mosaikgemälde in Python? Methode zum Generieren von Mosaiken (detaillierte Code-Erklärung). Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Python eignet sich für Datenwissenschafts-, Webentwicklungs- und Automatisierungsaufgaben, während C für Systemprogrammierung, Spieleentwicklung und eingebettete Systeme geeignet ist. Python ist bekannt für seine Einfachheit und sein starkes Ökosystem, während C für seine hohen Leistung und die zugrunde liegenden Kontrollfunktionen bekannt ist.

Sie können grundlegende Programmierkonzepte und Fähigkeiten von Python innerhalb von 2 Stunden lernen. 1. Lernen Sie Variablen und Datentypen, 2. Master Control Flow (bedingte Anweisungen und Schleifen), 3.. Verstehen Sie die Definition und Verwendung von Funktionen, 4. Beginnen Sie schnell mit der Python -Programmierung durch einfache Beispiele und Code -Snippets.

Python wird in den Bereichen Webentwicklung, Datenwissenschaft, maschinelles Lernen, Automatisierung und Skripten häufig verwendet. 1) In der Webentwicklung vereinfachen Django und Flask Frameworks den Entwicklungsprozess. 2) In den Bereichen Datenwissenschaft und maschinelles Lernen bieten Numpy-, Pandas-, Scikit-Learn- und TensorFlow-Bibliotheken eine starke Unterstützung. 3) In Bezug auf Automatisierung und Skript ist Python für Aufgaben wie automatisiertes Test und Systemmanagement geeignet.

Sie können die Grundlagen von Python innerhalb von zwei Stunden lernen. 1. Lernen Sie Variablen und Datentypen, 2. Master -Steuerungsstrukturen wie wenn Aussagen und Schleifen, 3. Verstehen Sie die Definition und Verwendung von Funktionen. Diese werden Ihnen helfen, einfache Python -Programme zu schreiben.

Wie lehre ich innerhalb von 10 Stunden die Grundlagen für Computer -Anfänger für Programmierungen? Wenn Sie nur 10 Stunden Zeit haben, um Computer -Anfänger zu unterrichten, was Sie mit Programmierkenntnissen unterrichten möchten, was würden Sie dann beibringen ...

Wie kann man nicht erkannt werden, wenn Sie Fiddlereverywhere für Man-in-the-Middle-Lesungen verwenden, wenn Sie FiddLereverywhere verwenden ...

Laden Sie Gurkendateien in Python 3.6 Umgebungsbericht Fehler: ModulenotFoundError: Nomodulennamen ...

Wie löste ich das Problem der Jiebeba -Wortsegmentierung in der malerischen Spot -Kommentaranalyse? Wenn wir malerische Spot -Kommentare und -analysen durchführen, verwenden wir häufig das Jieba -Word -Segmentierungstool, um den Text zu verarbeiten ...


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

WebStorm-Mac-Version
Nützliche JavaScript-Entwicklungstools

MantisBT
Mantis ist ein einfach zu implementierendes webbasiertes Tool zur Fehlerverfolgung, das die Fehlerverfolgung von Produkten unterstützen soll. Es erfordert PHP, MySQL und einen Webserver. Schauen Sie sich unsere Demo- und Hosting-Services an.

SublimeText3 Linux neue Version
SublimeText3 Linux neueste Version

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor