這期內(nèi)容當(dāng)中小編將會給大家?guī)碛嘘P(guān)如何用Python幫你打碼，文章內(nèi)容豐富且以專業(yè)的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

10年積累的成都網(wǎng)站設(shè)計(jì)、成都做網(wǎng)站、外貿(mào)網(wǎng)站建設(shè)經(jīng)驗(yàn)，可以快速應(yīng)對客戶對網(wǎng)站的新想法和需求。提供各種問題對應(yīng)的解決方案。讓選擇我們的客戶得到更好、更有力的網(wǎng)絡(luò)服務(wù)。我雖然不認(rèn)識你，你也不認(rèn)識我。但先做網(wǎng)站后付款的網(wǎng)站建設(shè)流程，更有新余免費(fèi)網(wǎng)站建設(shè)讓你可以放心的選擇與我們合作。

引言

所謂的像素圖，就是對圖像做一個顆?；男Ч?，使其產(chǎn)生一種妙不可言的朦朧感。費(fèi)話不多說，先來看一張效果圖。

怎么樣，效果還不錯吧？現(xiàn)在，我們用Python來實(shí)現(xiàn)這種像素化的效果。

1 環(huán)境

• 操作系統(tǒng)：Windows

• Python版本：3.7.3

2 需求分析

一個最簡單的實(shí)現(xiàn)思路，在打開圖片后，把圖片分割成一些像素塊，再對這些像素塊中的圖像信息進(jìn)行處理（修改圖像中的RGB值）即可。

這里我們使用Numpy庫和PIL庫來實(shí)現(xiàn)這個需求，后者用來圖像的讀取與保存，涉及到的所有圖像處理動作均借助Numpy來實(shí)現(xiàn)。

有關(guān)NumPy模塊、PIL模塊的介紹，可參考如下。

NumPy(Numerical Python) 是 Python 語言的一個擴(kuò)展程序庫，支持大量的維度數(shù)組與矩陣運(yùn)算，此外也針對數(shù)組運(yùn)算提供大量的數(shù)學(xué)函數(shù)庫。

PIL（Python Imaging Library）是Python常用的圖像處理庫，而Pillow是PIL的一個友好Fork，提供了了廣泛的文件格式支持，強(qiáng)大的圖像處理能力，主要包括圖像儲存、圖像顯示、格式轉(zhuǎn)換以及基本的圖像處理操作等。

這兩個模塊非Python內(nèi)置，都屬于第三方模塊，可直接采用如下方式進(jìn)行安裝。

pip install numpy
pip install Pillow

注意，要想使用PIL模塊，是需要直接install Pillow模塊的。

3 代碼實(shí)現(xiàn)

首先導(dǎo)入我們要用到的模塊

import numpy as np
from PIL import Image

接下來，我們要處理圖片，首先得打開一張圖片，如下

data = Image.open("P:\Personal\LuoShen.xpg")

然后把圖像轉(zhuǎn)換化Numpy數(shù)組進(jìn)行下一步的處理

im1 = np.array(data)

這里處理的核心思想，也很簡單，主要通過中間值的RGB，對所選范圍塊的RGB進(jìn)行重新賦值。

im1[y:y + pixel, x:x + pixel] = im1[y + (pixel // 2)][x + (pixel // 2)]

這里的x、y是分別指的我們圖像的橫向、縱向像素點(diǎn)的坐標(biāo)值、而pixel指的是我們要以多大的像素塊，來處理這張圖像，我們設(shè)置的單位像素塊(Pixel數(shù)值)越小，生成的像素圖越精確。

當(dāng)然了，若單位像素塊設(shè)置的太小，生成圖像就看不出效果了，至于多大的數(shù)值合適，需要自行嘗試。不同尺寸的圖像，要達(dá)到最佳的像素化的顯示效果，所需要設(shè)置的單位像素塊的大小也是不同的，實(shí)踐出真知。

我們需要圖像的指定一個處理范圍，并對該范圍內(nèi)的每一個坐標(biāo)(像素)點(diǎn)進(jìn)行像素化的處理。

for y in range(Start_coordinate[1], End_coordinate[1], pixel):
 for x in range(Start_coordinate[0], End_coordinate[0], pixel):
 pass

在處理完成之后，我們再把Numpy數(shù)組轉(zhuǎn)換回圖像。

im2 = Image.fromarray(im1.astype(np.uint8))

最后展示出處理后的圖像

im2.show()

4 代碼全景展示

import numpy as np

from PIL import Image

def to_pixelBlock(pixel, Start_coordinate, End_coordinate):

'''

:param pixel: 單位像素塊的元素大小

:param Start_coordinate: 處理的起始坐標(biāo)(像素)點(diǎn)，元組形式

:param End_coordinate: 處理的終止坐標(biāo)(像素)點(diǎn)，元組形式

:return:

通過中間值的RGB，對所選范圍塊的RGB進(jìn)行重新賦值，設(shè)置的單位像素塊(Pixel數(shù)值)越小，生成的像素圖越精確

'''

# 讀取圖片，并由 PIL image 轉(zhuǎn)換為 NumPy array

im1 = np.array(Image.open("P:\Personal\LuoShen.jpg"))

# 遍歷所要處理范圍內(nèi)的所有坐標(biāo)(像素)點(diǎn)

for y in range(Start_coordinate[1], End_coordinate[1], pixel):

for x in range(Start_coordinate[0], End_coordinate[0], pixel):

# 通過中間值的RGB，對所選范圍塊的RGB進(jìn)行重新賦值

im1[y:y + pixel, x:x + pixel] = im1[y + (pixel // 2)][x + (pixel // 2)]

# 將NumPy array 轉(zhuǎn)換為 PIL image

im2 = Image.fromarray(im1.astype(np.uint8))

# 展示處理后的圖像

im2.show()

if __name__ == '__main__':

# 設(shè)置好要處理的像素范圍，并以多大的像素塊來生成最終效果圖

to_pixelBlock(10, (0, 0), (1280, 800)

使用了PIL加上Numpy的配合，短短幾行代碼實(shí)現(xiàn)了圖像像素化的處理。當(dāng)然這只是一種簡單地實(shí)現(xiàn)，要想實(shí)現(xiàn)更豐富的處理效果，還可以借助CV2來實(shí)現(xiàn)。

上述就是小編為大家分享的如何用Python幫你打碼了，如果剛好有類似的疑惑，不妨參照上述分析進(jìn)行理解。如果想知道更多相關(guān)知識，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。