Python批量生成幻影坦克圖片實(shí)例代碼
前言
說到幻影坦克，我就想起紅色警戒里的……
幻影坦克（Mirage Tank），《紅色警戒2》以及《尤里的復(fù)仇》中盟軍的一款偽裝坦克，盟軍王牌坦克之一。是愛因斯坦在德國黑森林中研發(fā)的一種坦克。雖然它無法隱形，但它卻可以利用先進(jìn)的光線偏折原理可以偽裝成樹木（巖石或草叢）來隱藏自己。
在一些MOD中，幻影坦克可以選擇變換的樹木，這樣便可以和背景的樹木融合，而不會令人生疑。
額！這是從什么百科ctrl+v過來的嗎。我跟你說個P~ UBG
不過話說回來，里面有一句說到和背景融合，這大概就是這種圖片的原理所在了。
一些聊天軟件或網(wǎng)站總是以白色背景和黑色背景（夜間模式）顯示圖片，你在默認(rèn)的白色背景下看到一張圖（圖A），但是點(diǎn)擊放大卻變成另一張圖（圖B）。這是因?yàn)椴榭丛斍槭褂玫谋尘笆呛谏尘啊?/p>
之前在網(wǎng)上看到用PS制作幻影坦克效果圖的方法，了解到幾個圖層混合模式的公式，也錄制過PS動作來自動化操作。但總感覺不夠效率，作為極客嘛，當(dāng)然是要用代碼來完成這些事情。
一、準(zhǔn)備圖片
創(chuàng)建一個文件夾Import，將你要處理的所有圖片都放到這個文件夾里
圖片的命名方式：
- 白色背景顯示圖A、黑色背景顯示圖B這種形式的，圖B的文件名字是圖A的名字加后綴_d
例如，圖A為1.png，圖B則為1_d.png，與之配對成為一組即可 - 表面是白色圖片（圖A），點(diǎn)擊顯示隱藏圖片（圖B）。這里并不需要你指定一張白色圖片，不需要更改圖片名字，程序找不到與之配對的后綴_d圖片，會自動生成白色圖片（圖A）
- 相反的，表面看是圖片（圖A），點(diǎn)擊卻消失成純黑色（圖B）。只需要在圖片名字加后綴_black
二、Python+PIL代碼實(shí)現(xiàn)過程
Ⅰ. 初始化
注：腳本文件與 Import文件夾在同一目錄
運(yùn)行，導(dǎo)入模塊，定義變量，創(chuàng)建導(dǎo)出目錄Export，并將工作目錄切換到Import
# -*- coding: utf-8 -*- # python 3.7.2 # 2019/04/21 by sryml. import os import math from timeit import timeit from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor from multiprocessing import cpu_count # import numba as nb import numpy as np from PIL import Image # --- IMPORT_FOLDER = 'Import' EXPORT_FOLDER = 'Export' IMAGE_FILES = [] # ALIGN2_A = 0 ALIGN2_B = 1 ALIGN2_MAX = 'max' NO_MODIFT = 0 STRETCH = 1 CONSTRAINT_RATIO = 2 # --- if __name__ == '__main__': if not os.path.exists(EXPORT_FOLDER): os.makedirs(EXPORT_FOLDER) os.chdir(IMPORT_FOLDER)
Ⅱ. 將所有要處理的圖片文件添加到列表
執(zhí)行all_img2list()
獲取當(dāng)前目錄（Import）所有文件，按名字升序排序。將后綴帶_d的圖B與圖A配對一組，白圖到原圖，原圖到黑圖的圖片也進(jìn)行相關(guān)標(biāo)記并存到一個列表。每個元組將生成一張幻影坦克圖片
def all_img2list():
global IMAGE_FILES
IMAGE_FILES= []
Imgs = os.listdir('./')
Imgs.sort(key= lambda i: os.path.splitext(i)[0])
for i in Imgs:
name = os.path.splitext(i)
imgB= name[0]+'_d' + name[1]
if imgB in Imgs:
Imgs.remove(imgB)
img_group= (i,imgB)
elif name[0][-6:].lower() == '_black':
img_group= (i,'_black')
else:
img_group= (i,None)
IMAGE_FILES.append(img_group)
Ⅲ. 自動化處理，多進(jìn)程任務(wù)分配
執(zhí)行AutoMTank()
不想讓cpu滿載運(yùn)行，進(jìn)程數(shù)量為cpu總核心減1，將列表里所有元組分成N等份集合的列表task_assign（N為進(jìn)程數(shù)量）
def AutoMTank():
cpu = cpu_count()-1
pool = ProcessPoolExecutor(cpu) #max_workers=4
L = IMAGE_FILES
F = int(len(L)/cpu)
task_assign = [L[n*F:] if (n+1)==cpu else L[n*F:(n+1)*F] for n in range(cpu)]
results = list(pool.map(FlashMakeMTank, task_assign))
pool.shutdown()
print ('\n%d輛幻影坦克制作完成！' % len(IMAGE_FILES))
每個進(jìn)程對接到的任務(wù)列表進(jìn)行多線程處理：FlashMakeMTank
因?yàn)槭菆D片算法處理，屬于計(jì)算密集型，線程數(shù)量不需要太多。經(jīng)過測試多線程還是有點(diǎn)效率提升的，線程數(shù)就設(shè)置為cpu核心數(shù)吧。
def FlashMakeMTank(task): pool = ThreadPoolExecutor(cpu_count()) results = list(pool.map(MakeMTank, task)) pool.shutdown()
Ⅳ. 盟軍戰(zhàn)車工廠
每個線程都將它接到的任務(wù) - 圖片組丟給我們的盟軍戰(zhàn)車工廠：MakeMTank 來生產(chǎn)幻影坦克
開頭是打開圖A和圖B文件對象賦值給imgA和imgB，判斷到那些想要白圖到原圖效果的圖片，則在內(nèi)存中生成一張純白色的圖片對象賦值給imgA。原圖到黑圖則生成純黑色圖片對象賦值給imgB
別以為這戰(zhàn)車工廠看起來這么短，實(shí)際上算法都是通過調(diào)用函數(shù)獲得返回結(jié)果，解釋起來可有點(diǎn)費(fèi)勁
def MakeMTank(i_group):
ratios= [0,0]
align= []
if not i_group[1]:
imgB= Image.open(i_group[0])
imgA= Image.new('L',imgB.size,(255,))
elif i_group[1]=='_black':
imgA= Image.open(i_group[0])
imgB= Image.new('L',imgA.size,(0,))
else:
imgA= Image.open(i_group[0])
imgB= Image.open(i_group[1])
ratios= [0.5,-0.5] #明度比值
# ALIGN2_MAX(取最大的寬和最大的高) ALIGN2_A(縮放到圖A) ALIGN2_B(縮放到圖B)
# NO_MODIFT(不修改) STRETCH(拉伸) CONSTRAINT_RATIO(約束比例)
align= [ALIGN2_B, CONSTRAINT_RATIO]
A_Size,B_Size= imgA.size,imgB.size
img_objs= [imgA,imgB]
for n,img in enumerate(img_objs):
if img.mode== 'RGBA':
img= img.convert('RGB')
img_array= np.array(img)
if img.mode != 'L' and ( [(img_array[:,:,i]==img_array[:,:,2]).all() for i in range(2)]!= [True,True] ):
img= Desaturate(img_array) #去色
else:
img= img.convert('L')
if align and (A_Size!=B_Size):
img= ImgAlign(n,img,A_Size,B_Size,align) #圖像對齊
if ratios[n]:
img= Lightness(img,ratios[n]) #明度
img_objs[n]= img
imgA,imgB = img_objs
imgA = Invert(imgA) #反相
imgO = LinearDodge(imgA, imgB) #線性減淡（添加）
imgR = Divide(imgO, imgB) #劃分
imgR_mask = AddMask(imgR, imgO) #添加透明蒙版
name= os.path.splitext(i_group[0])[0]
imgR_mask.save('../'+EXPORT_FOLDER+'/' + name+'.png')
圖片對象打開完成之后呢，把它們放到一個列表里遍歷它進(jìn)行操作
首先判斷到圖片模式是否為RGBA，最后的A表示這張圖片是帶有透明通道的。而我們的幻影坦克原理就是利用的透明通道，怎能讓它來胡攪蠻纏呢，速速將它轉(zhuǎn)換為RGB模式
接著將圖像對象轉(zhuǎn)為數(shù)組，判斷這張圖片如果不是灰度模式并且還沒有去色的情況下，那就要對它進(jìn)行去色操作了。
去完色的再將它轉(zhuǎn)為灰度模式。
有些人可能對灰度和去色有什么誤解，灰度 ≠ 去色，這是重點(diǎn)。雖然它們的結(jié)果都是灰色的圖片，但是算法不一樣，呈現(xiàn)的圖片對比度也不一樣，直接轉(zhuǎn)成灰度的坦克是沒有靈魂的。RGB圖片直接轉(zhuǎn)灰度會丟失一些細(xì)節(jié)，所以要對它進(jìn)行去色操作。下面的操作都是仿照PS的步驟來處理了
(1) 去色函數(shù)：Desaturate
公式：( max(r,g,b) + min(r,g,b) ) / 2
每個像素取其RGB顏色中最大與最小值的均數(shù)
這個函數(shù)接受一個數(shù)組參數(shù)
例如某個像素RGB值(233,50,23)，計(jì)算得出 (233+23) / 2 = 128，這時候此像素點(diǎn)三個通道都是同一個值(128,128,128)
這個算法過程消耗的性能較多，像一張1000*1000的圖片就得進(jìn)行一百萬次計(jì)算，因此我使用了numba.jit加速。
對圖片數(shù)組進(jìn)行操作，使用argsort()將所有像素的RGB值從小到大排序并返回一個索引數(shù)組。
uint8類型的值的范圍在0~255，若計(jì)算出的值不在這范圍則會拋出溢出錯誤，因此使用了int。
我創(chuàng)建了一個灰度圖片數(shù)組data，將每一個對應(yīng)像素的均值賦值給它，相當(dāng)于去色后再轉(zhuǎn)為灰度模式。
最后返回由數(shù)組轉(zhuǎn)換成的圖片對象
@nb.jit def Desaturate(img_array): idx_array = img_array.argsort() width = img_array.shape[1] height = img_array.shape[0] data = np.zeros((height,width),dtype=np.uint8) for x in range(height): for y in range(width): idx= idx_array[x,y] color_min= img_array[x,y, idx[0]] color_max= img_array[x,y, idx[2]] data[x,y]= round( (int(color_min) + int(color_max)) / 2 ) return Image.fromarray(data)
(2) 圖像對齊：ImgAlign
對齊方式（列表類型兩個值）
| 對齊目標(biāo) | 縮放圖像 | ||
|---|---|---|---|
| ALIGN2_MAX | 取最大的寬和最大的高 | NO_MODIFT | 不修改（縮小或僅畫布） |
| ALIGN2_A | 圖A | STRETCH | 拉伸 |
| ALIGN2_B | 圖B | CONSTRAINT_RATIO | 約束比例 |
例如我要把圖A對齊到圖B且按比例縮放：mode = [ALIGN2_B, CONSTRAINT_RATIO]
這個函數(shù)接受5個參數(shù)
①當(dāng)前圖片序號（0代表圖A，1代表圖B）
②當(dāng)前圖片對象
③ - ④圖A和圖B的尺寸
⑤對齊方式
def ImgAlign(idx,img,A_Size,B_Size,mode):
size= img.size
old_size= (A_Size,B_Size)
if mode[0]== ALIGN2_MAX:
total_size= max(A_Size[0], B_Size[0]), max(A_Size[1], B_Size[1])
if size != total_size:
if mode[1]== STRETCH:
img= img.resize(total_size, Image.ANTIALIAS)
else:
new_img= Image.new('L',total_size, (255 if idx==0 else 0,))
diff= (total_size[0]-size[0],total_size[1]-size[1])
min_diff= min(diff[0],diff[1])
if min_diff != 0 and mode[1]:
idx= diff.index(min_diff)
scale= total_size[idx] / size[idx]
resize= [total_size[idx], round(size[1-idx]*scale)]
if idx:
resize.reverse()
img= img.resize(resize, Image.ANTIALIAS)
new_img.paste(img, [(total_size[i]-img.size[i])//2 for i in range(2)])
img= new_img
elif idx != mode[0]:
total_size= old_size[mode[0]]
if mode[1]== STRETCH:
img= img.resize(total_size, Image.ANTIALIAS)
else:
new_img= Image.new('L',total_size, (255 if idx==0 else 0,))
diff= (total_size[0]-size[0],total_size[1]-size[1])
min_diff= min(diff[0],diff[1])
if (min_diff > 0 and mode[1]) or (min_diff < 0):
idx= diff.index(min_diff)
scale= total_size[idx] / size[idx]
resize= [total_size[idx], round(size[1-idx]*scale)]
if idx:
resize.reverse()
img= img.resize(resize, Image.ANTIALIAS)
new_img.paste(img, [(total_size[i]-img.size[i])//2 for i in range(2)])
img= new_img
return img
(3) 明度函數(shù)：Lightness
公式：255 * ratio + img * (1-ratio)
0 * ratio + img * (1-ratio)
為什么是兩條公式呢，可以看到只有 255和 0的區(qū)別，一個是提高明度，一個是降低
注意，明度 ≠ 亮度，用亮度做出來的坦克是畸形的。亮度對顏色0和255不會起任何作用，任你怎么加亮度，我白是白，黑仍然是黑。這又涉及到幻影坦克效果的原理了，圖A每個像素值必須大于圖B對應(yīng)的像素值，否則將沒有透明度效果。
所以，最好的效果就是圖A明度提高50%，圖B降低50%
這個函數(shù)接受2個參數(shù)
①圖片對象
②明度比值（-1~1）
盡量仿照PS的算法結(jié)果，提高明度的值為向下取整，降低明度為向上取整
def Lightness(img,ratio): if ratio>0: return img.point(lambda i: int(i*(1-ratio) + 255*ratio)) return img.point(lambda i: math.ceil(i*(1+ratio)))
實(shí)際上這是圖層的不透明度混合公式，PS中，明度的實(shí)現(xiàn)就是在當(dāng)前圖層的上方創(chuàng)建一個白色或黑色圖層，然后調(diào)整其透明度即可。所以，
明度調(diào) 100% 相當(dāng)于白色圖層的不透明度為100%，顯示純白
明度調(diào) -100% 相當(dāng)于黑色圖層的不透明度為100%，顯示純黑。
看到這里，要暫停一下了。是不是感覺說了這么多都沒有提到幻影坦克的詳細(xì)原理，是的，只有當(dāng)你理解了PS的不透明度混合公式，你才能理解后面的步驟。
(3-x) 重點(diǎn)?。⊥茖?dǎo)幻影坦克的原理……
這里需要用到PS的幾個圖層混合模式
不透明度混合公式：Img輸出 = Img上 * o + Img下 * (1 - o)
小字母o代表不透明度。想一想，把兩張圖片導(dǎo)入到PS，上面的圖層命名為imgA，下面的圖層為imgB。
當(dāng)imgA的不透明度為100%（o=1）時，根據(jù)圖層混合公式得到img輸出=imgA，也就是完全顯示上層圖像。
當(dāng)imgA的不透明度為0%（o=0）時，得到img輸出=imgB，完全顯示下層圖像。
當(dāng)不透明度為50%，自然就看到了A與B的混合圖像。
但是我們要將這兩張圖給整進(jìn)一張圖里，然后在類似手機(jī)QQ這種只有白色背景和黑色背景的環(huán)境下，分別顯示出imgA和imgB。聽起來有點(diǎn)抽象，不要慌，我們來列方程。假設(shè)這張最終成果圖為imgR
| ① ImgA = ImgR * o + 255 * (1 - o) | 白色背景下 |
| ② ImgB = ImgR * o + 0 * (1 - o) | 黑色背景下（點(diǎn)擊放大后） |
這時候ImgR充當(dāng)上圖層（Img上）。它有一個固定不透明度o，或者說是它的圖層蒙版（ImgO表示ImgR的蒙版），蒙版的像素值為0~255的單通道灰度色值。填充為黑色0相當(dāng)于圖層的不透明度為0%，填充為白色相當(dāng)于圖層不透明度為100%。那么這個固定不透明度 o 實(shí)際上就是 ⑨ o = ImgO / 255
而Img下就是聊天軟件中的白色背景和黑色背景兩種可能了。
現(xiàn)在來解一下方程，由②得：
ImgR = ImgB / o
將⑨ o = ImgO / 255 代入得
③ ImgR = ImgB / ImgO * 255
將③和⑨代入①得：
ImgA = (ImgB / ImgO * 255) * (ImgO / 255) + 255 * (1 - ImgO / 255)
ImgA = ImgB / ImgO * ImgO / 255 * 255 + 255 * (1 - ImgO / 255)
ImgA = ImgB + 2551 - 255(ImgO / 255)ImgA = ImgB + 255 - ImgO
④ ImgO = (255 - ImgA) + ImgB
那么現(xiàn)在，ImgB是我們已知的要在黑色背景下顯示的圖像，只要拿到ImgO就可以得出成品圖ImgR了。
(255 - ImgA) 這個是什么意思，就是PS中的反相操作啦。讓我們回到代碼操作
(4) 反相函數(shù)：Invert
公式：255 - Img
即對每個像素進(jìn)行 255-像素值
def Invert(img): return img.point(lambda i: 255-i)
反ImgA = Invert(ImgA )
然后這個反相后的ImgA（反ImgA）與ImgB相加，即PS中的線性減淡模式
(5) 線性減淡（添加）：LinearDodge
公式：Img上 + Img下
def LinearDodge(imgA, imgB):
size = imgA.size
imgO = Image.new('L',size,(0,))
pxA= imgA.load()
pxB= imgB.load()
pxO= imgO.load()
for x in range(size[0]):
for y in range(size[1]):
pxO[x,y] = (pxA[x,y]+pxB[x,y],)
return imgO
至此得到 ImgO = LinearDodge(反ImgA, ImgB)
注：之前我們說過ImgA的所有像素值必須大于ImgB。如果小于或等于，那么反相后加自身（或加比自身大的值）就是255了。因?yàn)镮mgO是成果圖ImgR的透明蒙版，ImgO=255意味著不透明度為100%，就沒有透明效果了。
接著看方程式子③ ImgR = ImgB / ImgO * 255，這便是PS的一種圖層混合模式劃分了
(6) 劃分：Divide
公式：Img下 / Img上 * 255
幾個注意的條件
①若混合色為黑色，基色非黑結(jié)果為白色、基色為黑結(jié)果為黑色（混合色是Img上，基色是Img下）
②若混合色為白色則結(jié)果為基色
③若混合色與基色相同則結(jié)果為白色
不妨可以在PS中一試便知真假
def Divide(imgO, imgB):
size = imgB.size
imgR = Image.new('L',size,(0,))
pxB= imgB.load()
pxO= imgO.load()
pxR= imgR.load()
for x in range(size[0]):
for y in range(size[1]):
o=pxO[x,y]
b=pxB[x,y]
if o==0:
#如混合色為黑色，基色非黑結(jié)果為白色、基色為黑結(jié)果為黑色
color= (b and 255 or 0,)
elif o==255:
#混合色為白色則結(jié)果為基色
color=(b,)
elif o==b:
#混合色與基色相同則結(jié)果為白色
color=(255,)
else:
color=(round((b/o)*255),)
pxR[x,y] = color
return imgR
調(diào)用劃分函數(shù)ImgR = Divide(ImgO, ImgB)，終于，我們得到了夢寐以求的成果圖ImgR
但不要忘了它的不透明度，把ImgO添加為它的圖層蒙版
(6) 最后：添加透明蒙版并保存
def AddMask(imgR,imgO):
img = imgR.convert("RGBA")
img.putalpha(imgO)
return img
imgR_mask = AddMask(imgR, imgO)
name= os.path.splitext(i_group[0])[0]
imgR_mask.save('../'+EXPORT_FOLDER+'/' + name+'.png')
保存在導(dǎo)出文件夾。。。
個人感覺
這個腳本生成的幻影坦克與PS做的相比就猶如真假美猴王一般，說到美猴王，我就想起……
三、完整代碼文件
MirageTank.py
# -*- coding: utf-8 -*-
# python 3.7.2
# 2019/04/21 by sryml.
import os
import math
from timeit import timeit
from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor
from multiprocessing import cpu_count
#
import numba as nb
import numpy as np
from PIL import Image
# ---
IMPORT_FOLDER = 'Import'
EXPORT_FOLDER = 'Export'
IMAGE_FILES = []
#
ALIGN2_A = 0
ALIGN2_B = 1
ALIGN2_MAX = 'max'
NO_MODIFT = 0
STRETCH = 1
CONSTRAINT_RATIO = 2
# ---
### 圖像對齊
def ImgAlign(idx,img,A_Size,B_Size,mode):
size= img.size
old_size= (A_Size,B_Size)
if mode[0]== ALIGN2_MAX:
total_size= max(A_Size[0], B_Size[0]), max(A_Size[1], B_Size[1])
if size != total_size:
if mode[1]== STRETCH:
img= img.resize(total_size, Image.ANTIALIAS)
else:
new_img= Image.new('L',total_size, (255 if idx==0 else 0,))
diff= (total_size[0]-size[0],total_size[1]-size[1])
min_diff= min(diff[0],diff[1])
if min_diff != 0 and mode[1]:
idx= diff.index(min_diff)
scale= total_size[idx] / size[idx]
resize= [total_size[idx], round(size[1-idx]*scale)]
if idx:
resize.reverse()
img= img.resize(resize, Image.ANTIALIAS)
new_img.paste(img, [(total_size[i]-img.size[i])//2 for i in range(2)])
img= new_img
elif idx != mode[0]:
total_size= old_size[mode[0]]
if mode[1]== STRETCH:
img= img.resize(total_size, Image.ANTIALIAS)
else:
new_img= Image.new('L',total_size, (255 if idx==0 else 0,))
diff= (total_size[0]-size[0],total_size[1]-size[1])
min_diff= min(diff[0],diff[1])
if (min_diff > 0 and mode[1]) or (min_diff < 0):
idx= diff.index(min_diff)
scale= total_size[idx] / size[idx]
resize= [total_size[idx], round(size[1-idx]*scale)]
if idx:
resize.reverse()
img= img.resize(resize, Image.ANTIALIAS)
new_img.paste(img, [(total_size[i]-img.size[i])//2 for i in range(2)])
img= new_img
return img
### 去色
@nb.jit
def Desaturate(img_array):
idx_array = img_array.argsort()
width = img_array.shape[1]
height = img_array.shape[0]
data = np.zeros((height,width),dtype=np.uint8)
for x in range(height):
for y in range(width):
idx= idx_array[x,y]
color_min= img_array[x,y, idx[0]]
color_max= img_array[x,y, idx[2]]
data[x,y]= round( (int(color_min) + int(color_max)) / 2 )
return Image.fromarray(data)
### 明度
def Lightness(img,ratio):
if ratio>0:
return img.point(lambda i: int(i*(1-ratio) + 255*ratio))
return img.point(lambda i: math.ceil(i*(1+ratio)))
### 反相
def Invert(img):
return img.point(lambda i: 255-i)
### 線性減淡（添加）
def LinearDodge(imgA, imgB):
size = imgA.size
imgO = Image.new('L',size,(0,))
pxA= imgA.load()
pxB= imgB.load()
pxO= imgO.load()
for x in range(size[0]):
for y in range(size[1]):
pxO[x,y] = (pxA[x,y]+pxB[x,y],)
return imgO
### 劃分
def Divide(imgO, imgB):
size = imgB.size
imgR = Image.new('L',size,(0,))
pxB= imgB.load()
pxO= imgO.load()
pxR= imgR.load()
for x in range(size[0]):
for y in range(size[1]):
o=pxO[x,y]
b=pxB[x,y]
if o==0:
#如混合色為黑色，基色非黑結(jié)果為白色、基色為黑結(jié)果為黑色
color= (b and 255 or 0,)
elif o==255:
#混合色為白色則結(jié)果為基色
color=(b,)
elif o==b:
#混合色與基色相同則結(jié)果為白色
color=(255,)
else:
color=(round((b/o)*255),)
pxR[x,y] = color
return imgR
def AddMask(imgR,imgO):
img = imgR.convert("RGBA")
img.putalpha(imgO)
return img
####
#### 將所有要處理的圖片文件添加到列表
def all_img2list():
global IMAGE_FILES
IMAGE_FILES= []
Imgs = os.listdir('./')
Imgs.sort(key= lambda i: os.path.splitext(i)[0])
for i in Imgs:
name = os.path.splitext(i)
imgB= name[0]+'_d' + name[1]
if imgB in Imgs:
Imgs.remove(imgB)
img_group= (i,imgB)
elif name[0][-6:].lower() == '_black':
img_group= (i,'_black')
else:
img_group= (i,None)
IMAGE_FILES.append(img_group)
def MakeMTank(i_group):
ratios= [0,0]
align= []
if not i_group[1]:
imgB= Image.open(i_group[0])
imgA= Image.new('L',imgB.size,(255,))
elif i_group[1]=='_black':
imgA= Image.open(i_group[0])
imgB= Image.new('L',imgA.size,(0,))
else:
imgA= Image.open(i_group[0])
imgB= Image.open(i_group[1])
ratios= [0.5,-0.5] #明度比值
# ALIGN2_MAX(取最大的寬和最大的高) ALIGN2_A(縮放到圖A) ALIGN2_B(縮放到圖B)
# NO_MODIFT(不修改) STRETCH(拉伸) CONSTRAINT_RATIO(約束比例)
align= [ALIGN2_B, CONSTRAINT_RATIO]
A_Size,B_Size= imgA.size,imgB.size
img_objs= [imgA,imgB]
for n,img in enumerate(img_objs):
if img.mode== 'RGBA':
img= img.convert('RGB')
img_array= np.array(img)
if img.mode != 'L' and ( [(img_array[:,:,i]==img_array[:,:,2]).all() for i in range(2)]!= [True,True] ):
img= Desaturate(img_array) #去色
else:
img= img.convert('L')
if align and (A_Size!=B_Size):
img= ImgAlign(n,img,A_Size,B_Size,align) #圖像對齊
if ratios[n]:
img= Lightness(img,ratios[n]) #明度
img_objs[n]= img
imgA,imgB = img_objs
imgA = Invert(imgA) #反相
imgO = LinearDodge(imgA, imgB) #線性減淡（添加）
imgR = Divide(imgO, imgB) #劃分
imgR_mask = AddMask(imgR, imgO) #添加透明蒙版
name= os.path.splitext(i_group[0])[0]
imgR_mask.save('../'+EXPORT_FOLDER+'/' + name+'.png')
def FlashMakeMTank(task):
pool = ThreadPoolExecutor(cpu_count())
results = list(pool.map(MakeMTank, task))
pool.shutdown()
def AutoMTank():
cpu = cpu_count()-1
pool = ProcessPoolExecutor(cpu) #max_workers=4
L = IMAGE_FILES
F = int(len(L)/cpu)
task_assign = [L[n*F:] if (n+1)==cpu else L[n*F:(n+1)*F] for n in range(cpu)]
results = list(pool.map(FlashMakeMTank, task_assign))
pool.shutdown()
print ('\n%d輛幻影坦克制作完成！' % len(IMAGE_FILES))
# ---
def Fire():
all_img2list()
sec = timeit(lambda:AutoMTank(),number=1)
print ('Time used: {} sec'.format(sec))
s= input('\n按回車鍵退出...\n')
if __name__ == '__main__':
if not os.path.exists(EXPORT_FOLDER):
os.makedirs(EXPORT_FOLDER)
os.chdir(IMPORT_FOLDER)
while True:
s= input('>>> 按F進(jìn)入坦克：')
if s.upper()== 'F':
print ('少女祈禱中...')
Fire() #開炮
break
elif not s:
break
總結(jié)
以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，謝謝大家對腳本之家的支持。
- python基于opencv批量生成驗(yàn)證碼的示例
- python用faker庫批量生成假數(shù)據(jù)
- python批量生成身份證號到Excel的兩種方法實(shí)例
- 如何使用python-opencv批量生成帶噪點(diǎn)噪線的數(shù)字驗(yàn)證碼
- Python如何批量生成和調(diào)用變量
- python利用faker庫批量生成測試數(shù)據(jù)
- python批量生成條形碼的示例
- Python操作Word批量生成合同的實(shí)現(xiàn)示例
- 利用Python腳本批量生成SQL語句
- 基于Python批量生成指定尺寸縮略圖代碼實(shí)例
- Python3批量生成帶logo的二維碼方法
- 利用Python批量生成任意尺寸的圖片
- python批量生成本地ip地址的方法
- 教你使用Python根據(jù)模板批量生成docx文檔
相關(guān)文章
Python?Melt函數(shù)將寬格式的數(shù)據(jù)表轉(zhuǎn)換為長格式
在數(shù)據(jù)處理和清洗中,melt函數(shù)是Pandas庫中一個強(qiáng)大而靈活的工具,它的主要功能是將寬格式的數(shù)據(jù)表轉(zhuǎn)換為長格式,從而更方便進(jìn)行分析和可視化,本文將深入探討melt函數(shù)的用法、參數(shù)解析以及實(shí)際應(yīng)用場景2023-12-12
字典本身是無序的,所以它每次輸出都是不一樣的,順序都是亂的,那么字典如何排序,本文主要介紹了Python中dict排序的兩種方法,感興趣的可以了解一下2024-01-01
Python+PyQt5來實(shí)現(xiàn)文件高速查找
這篇文章主要為大家詳細(xì)介紹了如何模擬Everything，即通過python+PyQt5來實(shí)現(xiàn)可視化文件的高速查找，文中的示例代碼講解詳細(xì)，需要的可以參考一下2023-07-07
Queue隊(duì)列中join()與task_done()的關(guān)系及說明
這篇文章主要介紹了Queue隊(duì)列中join()與task_done()的關(guān)系及說明，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-02-02
python 實(shí)現(xiàn)百度網(wǎng)盤非會員上傳超過500個文件的方法
這篇文章主要介紹了python 實(shí)現(xiàn)百度網(wǎng)盤非會員上傳超過500個文件的方法，幫助大家更好的利用python解決問題，感興趣的朋友可以了解下2021-01-01
這篇文章主要介紹了fastcgi文件讀取漏洞之python掃描腳本,需要的朋友可以參考下2017-04-04
使用Python實(shí)現(xiàn)廣告點(diǎn)擊率預(yù)測
廣告點(diǎn)擊率是指有多少用戶點(diǎn)擊了您的廣告與有多少用戶查看了您的廣告的比率,本文主要為大家介紹了如何使用Python實(shí)現(xiàn)廣告點(diǎn)擊率預(yù)測,感興趣的小伙伴可以了解下2023-10-10
opencv鎖定鼠標(biāo)定位的實(shí)現(xiàn)
本文主要介紹了opencv鎖定鼠標(biāo)定位的實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-02-02
這篇文章主要介紹了python列表的構(gòu)造方法list()，python中沒有數(shù)組這個概念，與之相應(yīng)的是列表，本篇文章就來說說列表這個語法，下面文章詳細(xì)內(nèi)容，需要的小伙伴可以參考一下2022-03-03
這篇文章主要介紹了python的幾種矩陣相乘的公式詳解,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-07-07