首先让我祭出一张数学王子高斯的照片，这位印在德国马克上的神人有多牛呢"text-align: center">

开始正文之前，让我们再来膜拜一下19岁的高斯如何用一把圆规和没有刻度的尺子画出正十七边形。

下面我就拿高斯这张肖像画作为示例如何用Python将他帽子的颜色换了。

计算机分析图片不可能像人类的肉眼一样进行观察，再用右脑进行思考，它能识别的只有数字，下面我们从计算机的角度来对图片做一个简单的认知。

机器的认知中任何一个图片都是由很多像素排列组成，每个像素点就是图片组成的最小原子，因此图片可以看作是一个二维数组，包含坐标和颜色。

其中坐标可以继续拆成一个二维数组分别是X轴和Y轴，而颜色用RGB来表示则可拆解为红绿蓝三维数组。

我先用python来几行简单代码把数学王子的照片转化为数组看看到底是什么内容。

看看打印结果的输出，这张图的像素有607行(宽度)，474列(高度)，也就是287718个像素组成了这张图片。我再用photoshop打开这张图片看看像素大小，完全匹配。

打印像素

核对像素

接下来再来几行代码把整张图片的矩阵打印出来看看，同时用photoshop框选一下高斯帽子的范围，大概是两个矩形的拼接，在此范围内我也挑几个点(帽子，皮肤，背景)打印出来看看。为何是两个矩形"text-align: center">

采样打印

打印矩阵

简单分析一下规律，其实帽子，背景，皮肤的颜色色差还是比较明显的。为了让帽子从黑色变成红色就把RGB定为(200, 20, 20)先来两个两重循环把两个长方形拼接的范围都替换掉，重新调出图片看看效果，已经成功刷上红色了，接下来就要看如何更精准的上色。

接下来判断一下这个范围内的像素颜色哪些应该替换哪些应该保留。随便根据经验设置一下参数，看看效果再调整几次。

我选择的判断条件是RGB均小于45， 比较保守，因为画多了比较麻烦，画少了还可以修复。运行一下，果然按这个参数上色后覆盖不均匀，于是我加了个简单粗暴的颜色扩散方法，判断一下左右两边或者上下是否有红色，有则替换当前像素为红色。对比间距从大到小(10, 5, 2)修复了三次后效果就差不多了。

到此为止帽子的边缘还比较毛糙，颜色扩散的方式也比较粗暴，下一篇再研究如何用OpenCV的Canny Edge Detection勾画图案边缘，用Gaussian Blurring(看，高斯的名字又出现了)平滑处理交界处。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。