一、前言

Python中有许多用于图像处理的库，像是Pillow，或者是OpenCV。而很多时候感觉学完了这些图像处理模块没有什么用，其实只是你不知道怎么用罢了。今天就给大家带了一些美图技巧，让你的图美翻全场，朋友圈赞不绝口，女朋友也夸你，富贵你好厉害啊！

很多人学习python，不知道从何学起。
很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。
很多已经做案例的人，却不知道如何去学习更加高深的知识。
那么针对这三类人，我给大家提供一个好的学习平台，免费领取视频教程，电子书籍，以及课程的源代码！
QQ群：101677771

二、模块安装

我们主要使用到OpenCV和Pillow，另外我们还会使用到wordcloud和paddlehub，我们先安装一下：

pip install opencv-python
pip install pillow
python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
pip install -i https://mirror.baidu.com/pypi/simple paddlehub
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ myqr

另外我使用的Python环境是3.7，知道这些我们就可以开始进行我们的美图之旅了。

三、图片美化

1、祛痘

还在为痘痘犯难，不敢拍照吗？有了这个你就不用怕了（虽然有p图软件，但是大家不要揭穿我）：

import cv2
level = 22    # 降噪等级
img = cv2.imread('girl.jpg')    # 读取原图
img = cv2.bilateralFilter(img, level, level*2, level/2)    # 美颜
cv2.imwrite('result.jpg', img)

实际上，在光滑的脸蛋上，痘痘就可以视为一个噪点，而我们可以通过降噪的方式达到祛痘祛斑的效果，在OpenCV中就提供了相应的滤镜，我们只需要调用即可。原图和实现效果图对比如下：

可以看到脸上的斑明显是变少了。绅士们应该可以注意到，脖子下面的皮肤光滑了许多。不过头发细节被抹除了不少。我们可以通过调节level参数，调节效果。如果想效果更好，可以结合人脸识别，进行局部的祛痘处理。

2、词云——我不只是一张图

其实词云已经是老生常谈了，但是作美图中的姣姣者，还是有必要列出来的，因为一张词云所能包含的信息太多了：

from PIL import Image
import numpy as np
from wordcloud import WordCloud, ImageColorGenerator# 读取背景图片
mask = np.array(Image.open('rose.png'))# 定义词云对象
wc = WordCloud(# 设置词云背景为白色background_color='white',# 设置词云最大的字体max_font_size=30,# 设置词云轮廓mask=mask,# 字体路径，如果需要生成中文词云，需要设置该属性，设置的字体需要支持中文#font_path='msyh.ttc'
)
# 读取文本
text = open('article.txt', 'r', encoding='utf-8').read()
# 生成词云
wc.generate(text)
# 给词云上色
wc = wc.recolor(color_func=ImageColorGenerator(mask))
# 保存词云
wc.to_file('result.png')

其中article.txt为我们的词云的文本素材，而rose.png则是词云轮廓（该图片背景应该为严格的白色或者透明），原图和实现效果如下：

还是非常美的。更多详细内容可以参考https://blog.csdn.net/ZackSock/article/details/103517841。

3、风格迁移——努力变成你喜欢的样子

风格迁移，顾名思义就是将某一张图片的风格迁移到另一张图片上。比如我拍了一张白天的图片，但是我想要一张夜景的图片，那我们该怎么做呢？当然是等到晚上再拍了，不过除了这个方法，我们还可以下载一张夜景图片，将夜景效果迁移到我们的原图上。

风格迁移的实现需要使用深度学习才能实现，但是像我这样的菜鸡肯定是不会深度学习的啦，所以我们直接使用paddlehub中已经实现好的模型库：

import cv2
import paddlehub as hub
# 加载模型库
stylepro_artistic = hub.Module(name="stylepro_artistic")
# 进行风格迁移
im = stylepro_artistic.style_transfer(images=[{# 原图'content': cv2.imread("origin.jpg"),# 风格图'styles': [cv2.imread("style.jpg")]}],# 透明度alpha = 0.1
)
# 从返回的数据中获取图片的ndarray对象
im = im[0]['data']
# 保存结果图片
cv2.imwrite('result.jpg', im)

原图风格图和效果图如下：

左边是原图，中间是风格图，右边为效果图。上面的效果还算可以，但是不是每次都怎么成功，还是要多试试。

4、图中图——每一个像素都是你

这个相比上面的要复杂一些，我们需要准备图库，将这些图作素材，然后根据图片某个区域的主色调进行最适当的替换，代码如下：

import os
import cv2
import numpy as npdef getDominant(im):"""获取主色调"""b = int(round(np.mean(im[:, :, 0])))g = int(round(np.mean(im[:, :, 1])))r = int(round(np.mean(im[:, :, 2])))return (b, g, r)def getColors(path):"""获取图片列表的色调表"""colors = []filelist = [path + i for i in os.listdir(path)]for file in filelist:im = cv2.imdecode(np.fromfile(file, dtype=np.uint8), -1)dominant = getDominant(im)colors.append(dominant)return colorsdef fitColor(color1, color2):"""返回两个颜色之间的差异大小"""b = color1[0] - color2[0]g = color1[1] - color2[1]r = color1[2] - color2[2]return abs(b) + abs(g) + abs(r)def generate(im_path, imgs_path, box_size, multiple=1):"""生成图片"""# 读取图片列表img_list = [imgs_path + i for i in os.listdir(imgs_path)]# 读取图片im = cv2.imread(im_path)im = cv2.resize(im, (im.shape[1]*multiple, im.shape[0]*multiple))# 获取图片宽高width, height = im.shape[1], im.shape[0]# 遍历图片像素for i in range(height // box_size+1):for j in range(width // box_size+1):# 图块起点坐标start_x, start_y = j * box_size, i * box_size# 初始化图片块的宽高box_w, box_h = box_size, box_sizebox_im = im[start_y:, start_x:]if i == height // box_size:box_h = box_im.shape[0]if j == width // box_size:box_w = box_im.shape[1]if box_h == 0 or box_w == 0:continue# 获取主色调dominant = getDominant(im[start_y:start_y+box_h, start_x:start_x+box_w])img_loc = 0# 差异，同主色调最大差异为255*3dif = 255 * 3# 遍历色调表，查找差异最小的图片for index in range(colors.__len__()):if fitColor(dominant, colors[index]) < dif:dif = fitColor(dominant, colors[index])img_loc = index# 读取差异最小的图片box_im = cv2.imdecode(np.fromfile(img_list[img_loc], dtype=np.uint8), -1)# 转换成合适的大小box_im = cv2.resize(box_im, (box_w, box_h))# 铺垫色块im[start_y:start_y+box_h, start_x:start_x+box_w] = box_imj += box_wi += box_hreturn imif __name__ == '__main__':# 获取色调列表colors = getColors('表情包/')result_im = generate('main.jpg', '表情包/', 50, multiple=5)cv2.imwrite('C:/Users/zaxwz/Desktop/result.jpg', result_im)

关于实现，我后续会写文章详细分析。我们看看效果图：

图片我们还是可以看出人物的，但是某些地方颜色不太对，这就是根据我们图库来的了。我们放大图片就能看到上面几百张小图片。（当然你放大上面的图是看不到的，因为分辨率太低）

5、切换背景——带你去旅行

最近大家都宅家里，照片拍了不少，可惜背景全是沙发。遇到我就是你女朋友的福气，看我如何10行代码换图片背景：

from PIL import Image
import paddlehub as hub
# 加载模型
humanseg = hub.Module(name='deeplabv3p_xception65_humanseg')
# 抠图
results = humanseg.segmentation(data={'image':['xscn.jpeg']})
# 读取背景图片
bg = Image.open('bg.jpg')
# 读取原图
im = Image.open('humanseg_output/xscn.png').convert('RGBA')
im.thumbnail((bg.size[1], bg.size[1]))
# 分离通道
r, g, b, a = im.split()
# 将抠好的图片粘贴到背景上
bg.paste(im, (bg.size[0]-bg.size[1], 0), mask=a)
bg.save('xscn.jpg')

下面看看我们的效果：

6、九宫格——一张照片装不下你的美

很多人发照片都喜欢发九宫格，但是一般又没那么多照片，这个时候就需要用表情包占位了。对于技术宅，这种不合理的方式是绝不容许的，于是我们写下如下代码：

from PIL import Image
# 读取图片
im = Image.open('xscn.jpeg')
# 宽高各除 3，获取裁剪后的单张图片大小
width = im.size[0]//3
height = im.size[1]//3
# 裁剪图片的左上角坐标
start_x = 0
start_y = 0
# 用于给图片命名
im_name = 1
# 循环裁剪图片
for i in range(3):for j in range(3):# 裁剪图片并保存crop = im.crop((start_x, start_y, start_x+width, start_y+height))crop.save(str(im_name) + '.jpg')# 将左上角坐标的 x 轴向右移动start_x += widthim_name += 1# 当第一行裁剪完后 x 继续从 0 开始裁剪start_x = 0# 裁剪第二行start_y += height

我们执行上面的代码后，就能生成名为1~9的图片，这些图片就是我们的九宫格图片，下面看看测试效果：

在这里插入图片描述

不得不说，小松菜奈是真的美。

7、图片二维码——冰冷的图里也饱含深情

有话想说又不敢说？来试试二维码吧，小小的图饱含深情：

from MyQR import myqr
myqr.run(words='http://www.baidu.com',    # 包含信息picture='lbxx.jpg',            # 背景图片colorized=True,            # 是否有颜色，如果为False则为黑白save_name='code.png'    # 输出文件名
)

效果图如下：