

Python优雅地生成拼图效果

AI算法之道

2021-09-15

导读：本文介绍了利用Python生成图像拼接效果的原理和相应的代码实现,并给出了完整的代码供参考学习.

引言

最近无意中看到有同学对图像进行分割后,形成拼图效果,如上图所示.猛然一看,感觉很酷炫有木有.

既然我们是专门搞图像的,那我们就来研究下如何使用Python-OpenCV来实现上述效果吧.

分析

上述问题,主要目的就是将图像切成一块一块的正方形,考虑相邻正方形之间是否留有空白,以及是否对不能整除的图像进行空白填充,我们可以得到四种切分方式.

不考虑间隔,忽略不能整除部分

这种模式下,相邻正方形之间没有间隔,同时高度不能整除的部分直接被忽略掉.

不考虑间隔,对不能整除部分进行空白填充

这种模式下,相邻正方形之间没有间隔,同时对高度不能整除的部分进行白色填充.样例图如下:

考虑间隔,忽略不能整除部分

这种模式下,相邻正方形之间存在间隙,间隔距离为3pixel,同时高度不能整除的部分直接被忽略掉.

考虑间隔,对不能整除部分进行空白填充

这种模式下,相邻正方形之间存在间隙,间隔距离为3pixel,同时对高度不能整除的部分进行白色填充.样例图如下:

通用配置

为了统一上述代码,我们设置通用配置项如下:

config = {    "cell_num":7,    "whether_crop_image_height": True,    "whether_with_gap": True,    "gap_width":3}

上述配置中,各项含义如下:

cell_num: 表示每行划分格子个数
whether_crop_image_height: 表示是否对高度不能整除部分进行空白填充
whether_with_gap: 表示相邻正方形之间是否存在间隔
gap_width: 表示相邻正方形间间隔的大小

不考虑间隔代码实现

1). 获取每行格子数目和输入图像信息

w_count = config['cell_num']src_height = img.shape[0]src_width = img.shape[1]

2).计算每个格子的长度以及结果图像的宽度

sub_length = int(src_width / w_count)new_width = sub_length * w_count

3).根据是否需要对高度进行空白填充,计算结果图像的高度

if config['whether_crop_image_height']:    h_count = int(src_height / sub_length)else:    h_count = math.ceil(src_height / sub_length)new_height = sub_length * h_count

4).对结果图进行赋值

img_t = np.zeros(shape=(new_height,new_width,3),dtype=np.uint8) + 255if config['whether_crop_image_height']:    img_t = img[:new_height,:new_width,:]else:    img_t[:src_height, :new_width, :] = img[:src_height, :new_width, :]

5).画格子

 for x_i in range(1, w_count):    cv2.line(img_t,(x_i*sub_length,0),(x_i*sub_length,new_height-1),color=(205,205,74),thickness=1)for y_i in range(1, h_count):    cv2.line(img_t,(0,y_i*sub_length),(new_width-1,y_i*sub_length), color=(205,205,74), thickness=1)

不带填充的结果如下:

带填充的结果如下:

考虑间隔代码实现

1). 获取每行格子数目和输入图像信息

w_count = config['cell_num']src_height = img.shape[0]src_width = img.shape[1]

2).计算每个格子的长度,间隔长度以及结果图像的宽度

sub_length = int(src_width / w_count)gap_length = int(config["gap_width"])new_width = sub_length * w_count + gap_length * (w_count -1)

3).根据是否需要对高度进行空白填充,计算结果图像的高度

if config['whether_crop_image_height']:    h_count = int( (src_height + gap_length) / (sub_length+gap_length))else:    h_count = math.ceil((src_height + gap_length) / (sub_length+gap_length))new_height = sub_length * h_count + gap_length * (h_count-1)

4).对结果图进行赋值

img_t = np.zeros(shape=(new_height,new_width,3),dtype=np.uint8) + 255if config['whether_crop_image_height']:    for i in range(h_count):          for j in range(w_count):             begin_x = sub_length * j            begin_y = sub_length * i            src_x = gap_length * j + begin_x            src_y = gap_length * i + begin_y            img_t[src_y:src_y+sub_length,src_x:src_x + sub_length,:] = img[begin_y:begin_y + sub_length,begin_x:begin_x + sub_length,  :]else:    for i in range(h_count):          for j in range(w_count):             begin_x = sub_length * j            begin_y = sub_length * i            src_x = gap_length * j + begin_x            src_y = gap_length * i + begin_y            if i<h_count-1:                img_t[src_y:src_y+sub_length,src_x:src_x + sub_length,:] = img[begin_y:begin_y + sub_length,begin_x:begin_x + sub_length,  :]            else:                diff_height = src_height - sub_length * (h_count-1)                img_t[src_y:src_y + diff_height, src_x:src_x + sub_length, :] = img[begin_y:begin_y + diff_height,begin_x:begin_x + sub_length, :]