使用python将照片写入心形图案(附源代码)

2023-10-28 16:40

本文主要是介绍使用python将照片写入心形图案(附源代码),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

去年的5月20日前后,刚开始学python的时候,写过一篇关于将照片写入心形图案的文章,这几天后台接到多个需求源代码的信息。

鉴于去年的代码质量实在很差,故重写一篇,使用matplotlib库替代原来的PIL库来处理图片。

零,按照惯例,先放图片:

在这里插入图片描述

一,分析思路:

将多张照片写入一个心形图案,需要几个步骤:

1,获取照片;

2,为了取得更好的效果,须获取照片中的人脸;

3,对获取的人脸做圆形处理(可以处理成多种形状,但显然圆形效果最好);

4,绘制一条心形线,并等距获取线上的点,作为插入图片的目标位置;

5,将圆形图片插入心形线的对应位置。

二,使用到的开源库

1,获取照片:QQ空间和微信朋友圈里的照片爬虫难度比较大,不过网络上资源很多,也有人打包成exe供下载的,在此就不介绍了;

2,对照片中的人脸做识别:使用opencv库(注意opencv的安装名称是opencv-python,import名称为cv2),并下载别人已经训练好的人脸识别模型以供使用;

3,人脸图片圆形处理:使用matplotlib和PIL中的Image类即可完成;

4,绘制心形线:著名的心形公式+numpy库,并等距离取点,使用math来计算,也可以用numpy中对应的函数来计算距离;

5,将图片插入心形线:matplotlib提供了处理图片的函数,导入引用即可。

三,源代码:

因为函数名称已经说明了函数用途,就不详细注释每句代码了。


from PIL import Image
from matplotlib.patches import Circle
from matplotlib.cbook import get_sample_data
import matplotlib.pyplot as plt
from matplotlib.offsetbox import OffsetImage,AnnotationBbox
from math import pi,sqrt
import numpy as np
import os
import cv2
def getFaceFromImage(ptOriginal,ptFace):count=0sz=10for fn in os.listdir(ptOriginal):im=cv2.imread(ptOriginal+fn)gyConvert=cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)faceCascade=cv2.CascadeClassifier('haarcascade_frontalface_alt2.xml')#此xml文件需要事先下载,请自行搜索下载并与本程序放在一起faceData=faceCascade.detectMultiScale(gyConvert,1.3,5)for (x,y,w,h) in faceData:count+=1cv2.imwrite(ptFace+f'{count:03}.jpg',im[y-sz:y+h+sz,x-sz:x+w+sz])cv2.waitKey(0)# getFaceFromImage(r'./originalPic/',r'./facePic/')def CircleImageOnAxes(ptFace,ptCircle):for fn in os.listdir(ptFace):im = Image.open(ptFace+fn).resize((200,200))axx,axy=im.sizeif axx == axy:fig, ax = plt.subplots(figsize=(2,2))img = ax.imshow(im)cp=Circle((axx/2,axy/2),axx/2)img.set_clip_path(cp)plt.subplots_adjust(0,0,1,1)ax.axis('off')#facecolor颜色须与将要粘贴的axes颜色一致plt.savefig(ptCircle+fn, facecolor=(250 / 255, 240 / 255, 230 / 255))plt.close()# CircleImageOnAxes(r'./facePic/',r'./circlePic/')def calculateSameDistanceDotsOnCurve(dr):#dr的长度决定会产生多少个放置照片的点xs = np.sin(np.linspace(0, pi, 4000))ys = np.cos(np.linspace(0, pi, 4000)) + np.power(xs, 3 / 5)ms = list(zip(xs, ys)) + list(zip(-xs, ys))[::-1]k = [0]for j in range(len(ms))[k[-1]:]:#最后一个点可能与第一个重合,故舍去ds1 = sqrt((ms[k[-1]][0] - ms[j][0]) ** 2 + (ms[k[-1]][1] - ms[j][1]) ** 2)if str(dr)[:4] == str(ds1)[:4]:k.append(j)print(len(k))dots=[ms[i] for i in k]return dotsdef drawImageOnAxes(ptCircle):dots=calculateSameDistanceDotsOnCurve(0.17)[:-1]minx,maxx=min([x for x,y in dots]),max([x for x,y in dots])miny,maxy=min([y for x,y in dots]),max([y for x,y in dots])axx,axy=maxx-minx,maxy-minyfig, ax = plt.subplots(figsize=(axx*5,axy*5))#5决定了最终产生照片的尺寸plt.rcParams['font.sans-serif'] = ['simhei']#处理中文字符plt.rcParams['axes.unicode_minus'] = False#处理负号zoomsz=0.2for (xy,xx),fn in zip(dots,os.listdir(ptCircle)*30):#我只有两张样张照片,故使用了*30#get_sample_data函数须使用绝对地址,原因不明。with get_sample_data(r'C:\\Users\\Rawen\\python\\drawHeartOnMatplotlib\\circlePic\\'+fn) as f:ims=plt.imread(f)imb=OffsetImage(ims,zoom=zoomsz)imb.image.axes=axab=AnnotationBbox(imb,(xy,xx),xybox=(zoomsz*200,zoomsz*200),boxcoords='offset points',frameon=False,box_alignment=(1+zoomsz*2,1+zoomsz))ax.add_artist(ab)ax.text((minx+maxx)/2,(miny+maxy)/2,f'妖怪,哪里逃,吃俺老孙一棒\n\n这里可以随便写点你想写的内容',va='center',ha='center',fontsize=24,color='violet')ax.axis([minx,maxx,miny,maxy])ax.axis('off')plt.subplots_adjust(0.05, 0.05*(axx/axy), 0.95, 1-0.05*(axx/axy))plt.savefig(f'123.jpg', facecolor=(250 / 255, 240 / 255, 230 / 255))drawImageOnAxes(r'./circlePic/')

这篇关于使用python将照片写入心形图案(附源代码)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/294555

相关文章

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss