首页 / PYTHON / Python - 批量生成幻影坦克图片

Python - 批量生成幻影坦克图片

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Python - 批量生成幻影坦克图片，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含10322字，纯文字阅读大概需要15分钟。

内容图文

目录

说到幻影坦克，我就想起红色警戒里的……

幻影坦克（Mirage Tank），《红色警戒2》以及《尤里的复仇》中盟军的一款伪装坦克，盟军王牌坦克之一。是爱因斯坦在德国黑森林中研发的一种坦克。虽然它无法隐形，但它却可以利用先进的光线偏折原理可以伪装成树木（岩石或草丛）来隐藏自己。
在一些MOD中，幻影坦克可以选择变换的树木，这样便可以和背景的树木融合，而不会令人生疑。

额！这是从什么百科ctrl+v过来的吗。我跟你说个P~ UBG
不过话说回来，里面有一句说到和背景融合，这大概就是这种图片的原理所在了。
一些聊天软件或网站总是以白色背景和黑色背景（夜间模式）显示图片，你在默认的白色背景下看到一张图（图A），但是点击放大却变成另一张图（图B）。这是因为查看详情使用的背景是黑色背景。

之前在网上看到用PS制作幻影坦克效果图的方法，了解到几个图层混合模式的公式，也录制过PS动作来自动化操作。但总感觉不够效率，作为极客嘛，当然是要用代码来完成这些事情。

Python - 批量生成幻影坦克图片 - 文章图片

一、准备图片

  • 创建一个文件夹Import，将你要处理的所有图片都放到这个文件夹里
  • 图片的命名方式：
    • 白色背景显示图A、黑色背景显示图B这种形式的，图B的文件名字是图A的名字加后缀_d
      例如，图A为1.png，图B则为1_d.png，与之配对成为一组即可
    • 表面是白色图片（图A），点击显示隐藏图片（图B）。这里并不需要你指定一张白色图片，不需要更改图片名字，程序找不到与之配对的后缀_d图片，会自动生成白色图片（图A）
    • 相反的，表面看是图片（图A），点击却消失成纯黑色（图B）。只需要在图片名字加后缀_black

二、Python+PIL代码实现过程

Ⅰ. 初始化

注：脚本文件与 Import文件夹在同一目录

  • 运行，导入模块，定义变量，创建导出目录Export，并将工作目录切换到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. 将所有要处理的图片文件添加到列表

  • 执行all_img2list()
    获取当前目录（Import）所有文件，按名字升序排序。将后缀带_d的图B与图A配对一组，白图到原图，原图到黑图的图片也进行相关标记并存到一个列表。每个元组将生成一张幻影坦克图片

    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. 自动化处理，多进程任务分配

  • 执行AutoMTank()
    不想让cpu满载运行，进程数量为cpu总核心减1，将列表里所有元组分成N等份集合的列表task_assign（N为进程数量）

    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辆幻影坦克制作完成！' % len(IMAGE_FILES))

  • 每个进程对接到的任务列表进行多线程处理：FlashMakeMTank
    因为是图片算法处理，属于计算密集型，线程数量不需要太多。经过测试多线程还是有点效率提升的，线程数就设置为cpu核心数吧。

    def FlashMakeMTank(task):
    pool = ThreadPoolExecutor(cpu_count())
    results = list(pool.map(MakeMTank, task))
    pool.shutdown()


Ⅳ. 盟军战车工厂

  • 每个线程都将它接到的任务 - 图片组丢给我们的盟军战车工厂：MakeMTank 来生产幻影坦克
  • 开头是打开图A和图B文件对象赋值给imgA和imgB，判断到那些想要白图到原图效果的图片，则在内存中生成一张纯白色的图片对象赋值给imgA。原图到黑图则生成纯黑色图片对象赋值给imgB

  • 别以为这战车工厂看起来这么短，实际上算法都是通过调用函数获得返回结果，解释起来可有点费劲

    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(取最大的宽和最大的高) ALIGN2_A(缩放到图A) ALIGN2_B(缩放到图B) 
        # NO_MODIFT(不修改)  STRETCH(拉伸)  CONSTRAINT_RATIO(约束比例)
        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) #图像对齐

        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) #线性减淡（添加）
    imgR = Divide(imgO, imgB) #划分
    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')
  • 图片对象打开完成之后呢，把它们放到一个列表里遍历它进行操作
  • 首先判断到图片模式是否为RGBA，最后的A表示这张图片是带有透明通道的。而我们的幻影坦克原理就是利用的透明通道，怎能让它来胡搅蛮缠呢，速速将它转换为RGB模式

  • 接着将图像对象转为数组，判断这张图片如果不是灰度模式并且还没有去色的情况下，那就要对它进行去色操作了。
    去完色的再将它转为灰度模式。

    有些人可能对灰度和去色有什么误解，灰度 ≠ 去色，这是重点。虽然它们的结果都是灰色的图片，但是算法不一样，呈现的图片对比度也不一样，直接转成灰度的坦克是没有灵魂的。RGB图片直接转灰度会丢失一些细节，所以要对它进行去色操作。下面的操作都是仿照PS的步骤来处理了

  • (1) 去色函数：Desaturate
    • 公式：( max(r,g,b) + min(r,g,b) ) / 2
      每个像素取其RGB颜色中最大与最小值的均数
    • 这个函数接受一个数组参数

    例如某个像素RGB值(233,50,23)，计算得出 (233+23) / 2 = 128，这时候此像素点三个通道都是同一个值(128,128,128)
    这个算法过程消耗的性能较多，像一张1000*1000的图片就得进行一百万次计算，因此我使用了numba.jit加速。
    对图片数组进行操作，使用argsort()将所有像素的RGB值从小到大排序并返回一个索引数组。
    uint8类型的值的范围在0~255，若计算出的值不在这范围则会抛出溢出错误，因此使用了int。
    我创建了一个灰度图片数组data，将每一个对应像素的均值赋值给它，相当于去色后再转为灰度模式。
    最后返回由数组转换成的图片对象

    @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) 图像对齐：ImgAlign

    • 对齐方式（列表类型两个值）

      对齐目标 缩放图像
      ALIGN2_MAX 取最大的宽和最大的高 NO_MODIFT 不修改（缩小或仅画布）
      ALIGN2_A 图A STRETCH 拉伸
      ALIGN2_B 图B CONSTRAINT_RATIO 约束比例
      例如我要把图A对齐到图B且按比例缩放：mode = [ALIGN2_B, CONSTRAINT_RATIO]

    • 这个函数接受5个参数
      ①当前图片序号（0代表图A，1代表图B）
      ②当前图片对象
      ③ - ④图A和图B的尺寸
      ⑤对齐方式

    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) 明度函数：Lightness
    • 公式：255 * ratio + img * (1-ratio)
      ???    0 * ratio + img * (1-ratio)
      为什么是两条公式呢，可以看到只有 255和 0的区别，一个是提高明度，一个是降低
    • 注意，明度 ≠ 亮度，用亮度做出来的坦克是畸形的。亮度对颜色0和255不会起任何作用，任你怎么加亮度，我白是白，黑仍然是黑。这又涉及到幻影坦克效果的原理了，图A每个像素值必须大于图B对应的像素值，否则将没有透明度效果。
    • 所以，最好的效果就是图A明度提高50%，图B降低50%

    • 这个函数接受2个参数
      ①图片对象
      ②明度比值（-1~1）
      尽量仿照PS的算法结果，提高明度的值为向下取整，降低明度为向上取整

      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)))

    • 实际上这是图层的不透明度混合公式，PS中，明度的实现就是在当前图层的上方创建一个白色或黑色图层，然后调整其透明度即可。所以，
      明度调  100% 相当于白色图层的不透明度为100%，显示纯白
      明度调 -100% 相当于黑色图层的不透明度为100%，显示纯黑。

看到这里，要暂停一下了。是不是感觉说了这么多都没有提到幻影坦克的详细原理，是的，只有当你理解了PS的不透明度混合公式，你才能理解后面的步骤。

  • (3-x) 重点！！推导幻影坦克的原理……
    • 这里需要用到PS的几个图层混合模式

    • 不透明度混合公式：Img输出 = Img上 * o + Img下 * (1 - o)
      小字母o代表不透明度。想一想，把两张图片导入到PS，上面的图层命名为imgA，下面的图层为imgB。
      当imgA的不透明度为100%（o=1）时，根据图层混合公式得到img输出=imgA，也就是完全显示上层图像。
      当imgA的不透明度为0%（o=0）时，得到img输出=imgB，完全显示下层图像。
      当不透明度为50%，自然就看到了A与B的混合图像。

      但是我们要将这两张图给整进一张图里，然后在类似手机QQ这种只有白色背景和黑色背景的环境下，分别显示出imgA和imgB。听起来有点抽象，不要慌，我们来列方程。假设这张最终成果图为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（点击放大后）

      这时候ImgR充当上图层（Img上）。它有一个固定不透明度o，或者说是它的图层蒙版（ImgO表示ImgR的蒙版），蒙版的像素值为0~255的单通道灰度色值。填充为黑色0相当于图层的不透明度为0%，填充为白色相当于图层不透明度为100%。那么这个固定不透明度 o 实际上就是 ⑨ o = ImgO / 255
      而Img下就是聊天软件中的白色背景和黑色背景两种可能了。

    现在来解一下方程，由②得：




    ImgR = ImgB / o

    将⑨ o = ImgO / 255 代入得

    ③ ImgR = ImgB / ImgO * 255

内容总结

以上是互联网集市为您收集整理的Python - 批量生成幻影坦克图片全部内容，希望文章能够帮你解决Python - 批量生成幻影坦克图片所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/812749.html

来源：【匿名】