在本篇博客中,我们将实现两个功能:
- 将所有头像合并为大图
- 将所有头像以某个模板合成大图
同样,先给上所有运行效果图:
代码实现
1、代码所需库
import requests,codecs,re,urllib,os,random,math from PIL import Image import numpy as np import cv2 as cv
2、代码讲解
本篇博客就不再讲解如何获取好友头像了,需要的可以参考这篇博文:
python爬虫-从QQ邮箱获取好友信息并爬取头像
现在,我们已经有了所有的好友头像,接下来我们先实现对所有头像的集合咯
2.1、将小头像合并为大图
对于这个,就是直接将每个小头像贴在大图上就行了,这个利用Image的paste函数就可以解决。对于贴的顺序就可以直接按照下面图示一个个贴:
所以,直接给出代码:
def simple_split(filepackage,size,littlesize): #简单拼接,参数为图片文件名,每行每列的size,小头像图片的大小 row = size[0] col = size[1] bigimg = Image.new('RGBA',(littlesize*row,littlesize*col)) #结果图 number = 0 for i in range(row): #行 for j in range(col): #列 randpic = random.randint(1,friends_count) img = Image.open(filepackage+str(randpic)+'.png').convert('RGBA') img = img.resize((littlesize,littlesize)) loc = (i*littlesize,j*littlesize,(i+1)*littlesize,(j+1)*littlesize) print(loc,number) number+=1 bigimg.paste(img,loc) bigimg.save(resultSavePath)
由于好友不多,所以我们每次就随机选择一个好友头像贴上去,所以如果你的密度大的话最后出现的头像有很多重复的头像。
给大家展示下最后我的图片吧:
2.2、以某个图片为模板拼接图片
由于不清楚有没有能够直接做出来的第三方库,所有我就自己造了个小轮子。
思路:
将模板分为A x B的小图,就将它的位置形容为 pic[i][j] 吧,然后获取每个小图的平均RGB值,将 pic[i][j] 的平均RGB值和好友头像的RGB值做对比,找出最接近的头像,然后将该头像插入在图像的 pic[i][j] 处。
思路还是比较简单吧"htmlcode">
import requests,codecs,re,urllib,os,random,math from PIL import Image import numpy as np import cv2 as cv txtpath = 'C:/Users/11037/Desktop/test/qqfriends.txt' #你从QQ邮箱中粘贴的文件 savepath = 'C:/Users/11037/Desktop/touxiang/' #头像存储位置 resultSavePath = 'C:/Users/11037/Desktop/result2.png' #结果存储位置 modePath = 'C:/Users/11037/Desktop/leno.jpg' #模板存储位置 friends_count = 0 #好友数量 all_mean_rgbs = [] #存储计算出的所有平均rgb值 def meanrbg(img): #计算图片平均rgb rgb = np.array(img) r = int(round(np.mean(rgb[:, :, 0]))) g = int(round(np.mean(rgb[:, :, 1]))) b = int(round(np.mean(rgb[:, :, 2]))) return (r,g,b) def gettouxiang(txtpath):#输入你的txt文件存储位置 file = codecs.open(txtpath,'rb','utf-8') s = file.read() pattern = re.compile(r'\d+@qq.com') all_mail = pattern.findall(s) #正则表达式匹配所有的qq号 all_link = [] #用于存储需要访问的链接 url = 'http://qlogo.store.qq.com/qzone/' for mail in all_mail: qq = mail.replace('@qq.com','') l = url + qq +'/'+qq+'/100' all_link.append(l) i = 1 for link in all_link: #遍历链接,下载头像 saveurl = savepath+str(i)+'.png' savaImg(link,saveurl) i +=1 print('已下载',i) friends_count = len(all_link) #获取朋友头像数量 return True def savaImg(picurl,saveurl): #存储图片函数,picurl是图片的URL,saveurl是本地存储位置 try: bytes = urllib.request.urlopen(picurl) file = open(saveurl,'wb') file.write(bytes.read()) file.flush() file.close() return True except: print('worry') savaImg(picurl,saveurl) def simple_split(filepackage,size,littlesize): #简单拼接,参数为图片文件名,每行每列的size,小头像图片的大小 row = size[0] col = size[1] bigimg = Image.new('RGBA',(littlesize*row,littlesize*col)) number = 0 for i in range(row): for j in range(col): randpic = random.randint(1,friends_count) img = Image.open(filepackage+str(randpic)+'.png').convert('RGBA') img = img.resize((littlesize,littlesize)) loc = (i*littlesize,j*littlesize,(i+1)*littlesize,(j+1)*littlesize) print(loc,number) number+=1 bigimg.paste(img,loc) bigimg.save(resultSavePath) def mode_split(filepackage,modepath,bigsize,littlesize): #以模板存储头像 row = bigsize[0] #大图每行多少个小头像 col = bigsize[1] #每列 suitSize = (littlesize*row,littlesize*col) #大图最终的像素size bigImg = Image.open(modepath) bigImg = bigImg.resize(suitSize) resultImg = Image.new('RGBA',suitSize) for i in range(row): for j in range(col): cutbox = (i*littlesize,j*littlesize,(i+1)*littlesize,(j+1)*littlesize) #模板剪切用于对比的某个区域 cutImg = bigImg.crop(cutbox) #复制到cutImg中 tmprgb = meanrbg(cutImg) suitOne = mostSuitImg(tmprgb) + 1 #对比出最合适的头像 img = Image.open(filepackage + str(suitOne) + '.png').convert('RGBA') img = img.resize((littlesize,littlesize)) resultImg.paste(img,cutbox) print('已粘贴',cutbox) resultImg.save(resultSavePath) #存储 def mostSuitImg(tmprgb): #进行对比,找出最合适的头像 global all_mean_rgbs minRange = 200000 id = 0 for rgb in all_mean_rgbs: tmp = (rgb[1][0]-tmprgb[2])**2+(rgb[1][1]-tmprgb[1])**2+(rgb[1][2]-tmprgb[1])**2 if tmp<minRange: minRange = tmp id = rgb[0] return id if __name__ == '__main__': # gettouxiang(txtpath) #获取头像,如果已经获取就可以给注释掉了 # simple_split(savepath,(20,20),30) #简单拼接 #模板拼接 for i in range(1,friends_count+1): img = cv.imread(savepath+str(i)+'.png') rgb = meanrbg(img) all_mean_rgbs.append(rgb) all_mean_rgbs = list(enumerate(all_mean_rgbs)) #给列表增加一个索引 mode_split(savepath,modePath,(50,80),20) #模板拼接
给大家看看最终的效果:
这样一看还是都不错是吧。哈哈。
再给出里昂的模板和最终成果:
我默认将每个头像以数字命名,可以便于后续的操作。
同时,以上代码都进行了封装,很多函数都可以独立使用,用于满足不同的功能。可以自己读完代码进行改写实现自己需要的功能,比如说以上我默认头像图片都是正方形,你如果图片有长方形的改变下代码也可以满足。
理论上来说,你的好友头像越多,制作出来的图片与模板的差异也就越小。以mode_split这个函数为例,你设置的bigsize越大,你的图片也就越清晰。
稳了!魔兽国服回归的3条重磅消息!官宣时间再确认!
昨天有一位朋友在大神群里分享,自己亚服账号被封号之后居然弹出了国服的封号信息对话框。
这里面让他访问的是一个国服的战网网址,com.cn和后面的zh都非常明白地表明这就是国服战网。
而他在复制这个网址并且进行登录之后,确实是网易的网址,也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情,因为以前都没有出现这样的情况,现在突然提示跳转到国服战网的网址,是不是说明了简体中文客户端已经开始进行更新了呢?
更新日志
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]