简陋无比的 Python 抠图方案，好像还挺像回事儿？

Python编程学习点击免费领取

背景介绍

从某APP中截取了我的背单词曲线之后，我敏锐地发现了蕴藏在其中的数学规律。

每六个月达到一次峰值，峰值的高度不断减小。为了在图上画一条线来拟合这个折线，我打开 MATLAB 一通操作猛如虎，画出了一个正弦函数受到一个衰减指数函数的调制的图像。但问题来了，我不知道怎么把这两个图贴在一起，需要把 MATLAB 绘制的曲线从白色背景中抠出来。

联想到曾经我用 Excel 抠二维码的憨批操作（当时不用PS），我觉得还是有必要进化一下我的抠图技能。

纯色背景抠图

从原理上讲，从这么一个简单背景中把图案抠出来，无非就是对每一个像素点检查它的颜色，如果是背景色就把透明度变成0，否则保留。因此，这是非常容易实现的。

from PIL import Imageim = Image.open('SaoMaYouJingXi.jpg') #读取图片
im = im.convert('RGBA') #转化成RGBA（RBG+透明度）格式
pix = im.load()width = im.size[0]
height = im.size[1]for x in range(width):for y in range(height):        r, g, b, a = pix[x, y]        if (r>100)&(g>100): #如果是白色a = 0 #透明度改成0im.putpixel((x,y),(r,g,b,a)) #把四个参数还给这个像素im.save("SaoMaYouJingXi.PNG") #保存# 早期写的东西甚至完全没有代码规范意识
复制代码

小试牛刀：

不愧是精确到像素的抠图，放大了看也这么干净利索。

变色背景抠图

但，从纯色简单背景中抠图就太没意思了。我又联想到曾经用Excel从照片里抠手绘的班徽：

当时也是费了很大功夫，抠出来的效果在浅色背景下还可以，但是放在深色背景中就非常不堪入目了。于是，我打算想办法把班徽重新抠一下。

第一次尝试

既然不是简单的纯黑或纯白背景，没办法直接判断颜色的RGB值大概在什么范围，那么我们首先要让程序去识别并记住背景有哪些颜色，然后再把这些颜色的像素抠掉。

所以我们要分两大步：

手动从背景中采样，截图保存，导入程序，供其识别、记录；
把整个图片导入，处理，导出。

这张班徽的照片里，我在四条边附近分别截取了一张背景样本，后来为了优化效果，又在没抠掉的地方补了一张。

接下来就是让计算机记住这些出现过的颜色。

我们知道，一个像素的颜色可以用R(0-255)、G(0-255)、B(0-255)三个变量来表示，一张图中的颜色总数不超过256^3。

鉴于我们现在只关心某一种颜色有没有出现过，不妨创建一个256x256x256的三维哈希表。

可以想象一个大的正方体，里边有256^3个小格子。初始状态下每个小格子里都是0，当计算机看到出现某一种颜色(m,n,p)，就把第m行、第n列、第p层的那个小格子里的0变成1。等计算机遍历完了所有的像素，这些格子里该填1的都填上了1。

这里，我们为了减小计算机的工作量，可以把相邻的3个R/G/B值简化成一个（如R=0,1,2→R'=0、R=3,4,5→R'=1)，把这个256x256x256的正方体压缩一下，长宽高各变为原来的1/3，列表大小缩小到原来的1/27。

matrix=[]
for i in range(85):matrix.append([])for j in range(85):matrix[i].append([])for k in range(85):matrix[i][j].append(0)
复制代码

然后我们不动这个大盒子，让计算机再去检查第二个样本……等到所有的样本都看完了，盒子就填得差不多了。这时候，背景中出现过的颜色大部分已经被标记了。

我们把这个检查的过程定义为learn：

def learn(str):im = Image.open(str)pix = im.load()width = im.size[0]height = im.size[1]for x in range(width):for y in range(height):r, g, b = pix[x, y]matrix[r][g][b]=1
复制代码

在本例中，让程序learn完五张采样得到的背景图，再执行抠图的主程序，保存图片。

接下来我们看下效果：

失望，非常失望。无论我再怎么给它查漏补缺，补充新的背景来learn，抠出来还是会有大量残留。

不过没关系，我们可以再模糊一点。宁可错抠一千，不放过一个。

第二次尝试

接下来，我们增设一个模糊度dim，意思是在抠图的判断条件中，只要这个点的RGB坐标出现在被标记坐标的附近，三个坐标分量都在某被标记点对应坐标分量±dim的范围内，即该点的RGB坐标在以某被标记点为中心、棱长为2*dim的正方体内，我们就把它抠掉。

具体操作不再赘述。随着我不断增大dim的值，残留的区域确实越来越少，但是结果总是不尽人意。

第三次尝试

于是，我不再满足于小立方体级别的模糊，决定大手一挥，激进一点。

这次，我打算计算出背景中所有像素点的R、G、B各自的最大值和最小值，然后把所有R、G、B都在最大值之下、最小值之上（包含最值）的像素全部抠掉。

为了判断方案的可行性，我把图片信息按颜色展开，在坐标系中呈现出来。

这里，X、Y、Z轴分别是压缩之后的RGB值，范围是[0,85]中的整数。

每个点的颜色就是它的坐标对应的RGB值所对应的颜色。

在三维坐标系中，引入透明度，可以刻画第四个维度的信息。我们选取该坐标处像素的数量（也就是在原图中有多少个点同为这个颜色）作为透明度的自变量。

为了控制因变量，也就是透明度的范围在[0,1]，我们需要知道最多有多少个像素是同一个颜色，把这个最大值作为分母。

同时，为了避免这个最大值过大，导致大部分点的透明度都非常高（透明度越接近0，记为越高），我们换一种映射，把通过比值求出来的相对透明度开四次根号。

最终，我们画出来的图像是这样的：

越不透明的点表示对应颜色的像素越多。

下面我们回到抠图。

分析一下刚刚费了不少力气画的这个图，我们发现，三种主色还是相对来说界限分明的。如果你不信，我可以随便找一张图给你展开一下：

我们来看一下背景样本中所有颜色的R、G、B的最大值和最小值。

这个结果其实非常符合预期，因为从刚才那个坐标系中可以看到，跟背景相近的颜色都集中在R、G、B都非常大的地方。

我们把R、G、B都在对应区间里的点抠掉，然后看一下效果：

AMAZING！

简直完美。尽管我事实上并不认可这个原理，毕竟本质上这属于莽夫行为。但是不得不说，这个效果确实是非常不错的。

对比一下Excel抠图、learn抠图和莽夫抠图：

简直是一部愈演愈烈的革命乐章！

总结

至此，我已经完成了我最初的目标，并且积累了一套极其简陋但却好像还挺像回事儿的抠图方案。

在我看来，代码抠图的魅力不仅在于它精确到像素的精准打击，也在于它可以让你随心所欲定制需求的可塑性，还在于它只需要你更改一两个参数、点一下编译运行，就能自动输出成果的便捷。

此外，我还顺便做了一些同样没什么用的小功能，比如马赛克：

不论是抠图也好，打码也好，逻辑上不难理解，代码上也不难实现。在日常生活中，有时候手边就是缺乏处理简单任务的专业工具，比如 PhotoShop 。这时候与其安装 Ps ，倒不如自己写一个程序，根据自己的需求编码实现功能，看似麻烦，实则不失为一条捷径。

①3000多本Python电子书有
②Python开发环境安装教程有
③Python400集自学视频有
④软件开发常用词汇有
⑤Python学习路线图有
⑥项目源码案例分享有

如果你用得到的话可以直接拿走，在我的QQ技术交流群里（技术交流和资源共享，广告勿入）可以自助拿走，群号是895937462。