前言

看了一篇c++通过opencv中sift算子寻找相似点然后拼接全景图片的一张文章，有点意思。寻找图片的相似特征，我好想在以前写过一篇文章吧，快速指路=>O.

想起来b站何同学做过600万粉丝名称合照的视频，属于360度全景拼接，也比较有意思，给个链接，感兴趣的看。
有点意思之后就是，我要做什么了。出门的世界经典海报，浅模仿一下吧。

思路

前面是图像特征点相似匹配，后者是图像色彩特征匹配。本篇文章说说后者：将目标图片划分为m * n的特征点，每张特征点足够小就可以得到一个像素单元的色彩特征，多个m * n的特征点可以构成一幅图片。

再将目标图片色彩平均特征点用其他图片的平均色彩特征点去替换：

实现

环境

每次都得先对环境呀，安装还是没安装，先对齐一下版本，这样可以避免无谓的摔跤。

mac os + jupyter notebook + python3.9.12 + opencv 4.6.0

pip install opencv-python
pip install opencv-contrib-python

源码

相关python运行示例：https://gitee.com/cungudafa/Python-notes

方便学习，从百度根据关键词下载图片（如果有下载的图片imread读不出来，那就删掉就好了，图片格式存的有可能不支持读取）

import requests
# 从网络获取图片（保存图片路径，图片名称，数量）
def getPicFromBaidu(imgPath,name,count):
    #进行UA伪装
    header = {
        'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 11_1_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36'
    }
    url = 'https://image.baidu.com/search/acjson?'
    param = {
        'tn': 'resultjson_com',
        'logid': '11941270206720072198',
        'ipn': 'rj',
        'ct': '201326592',
        'is': '',
        'fp': 'result',
        'queryWord': '猫',
        'cl': '2',
        'lm': '-1',
        'ie': 'utf-8',
        'oe': 'utf-8',
        'adpicid': '',
        'st': '',
        'z':'',
        'ic':'',
        'hd': '',
        'latest': '',
        'copyright': '',
        'word': '猫',
        's':'',
        'se':'',
        'tab': '',
        'width': '',
        'height': '',
        'face': '',
        'istype': '',
        'qc': '',
        'nc': '1',
        'fr': '',
        'expermode': '',
        'force': '',
        'pn': str(count),
        'rn': str(count),
        'gsm': '1e',
    }
    #将编码形式转换为utf-8
    page_text = requests.get(url=url,headers=header,params=param)
    page_text.encoding = 'utf-8'
    page_text = page_text.json()

    # 先取出所有链接所在的字典，并将其存储在一个列表当中
    info_list = page_text['data']
    # 由于利用此方式取出的字典最后一个为空，所以删除列表中最后一个元素
    del info_list[-1]
    # 定义一个存储图片地址的列表
    img_path_list = []
    for info in info_list:
        img_path_list.append(info['thumbURL'])

    #再将所有的图片地址取出，进行下载
    #n将作为图片的名字
    for i, img_path in enumerate(img_path_list):
        img_data = requests.get(url=img_path,headers=header).content        # .content获取真正的图片内容
        img_path = str(imgPath)+'cat_' + str(i+120) + '.jpg'
        with open(img_path,'wb') as fp:
            print(img_path)
            fp.write(img_data)
    print('ok')
    
folder_name = '/Users/admin/Desktop/project/python/pic/'
name = "猫猫"
count = 50
getPicFromBaidu(folder_name,name,count)

根据图片色彩内容匹配相关联的图片并拼接：

import cv2
import glob
import argparse
import matplotlib.pyplot as plt
import numpy as np
from tqdm import tqdm  # 进度条
from itertools import product  # 迭代器
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']#mac 中文


def parseArgs(tagetImg, showImg, filePath):
    parser = argparse.ArgumentParser('拼接马赛克图片')
    parser.add_argument('--targetpath', type=str,
                        default=tagetImg, help='目标图像路径')
    parser.add_argument('--outputpath', type=str,
                        default=showImg, help='输出图像的路径')
    parser.add_argument('--sourcepath', type=str,
                        default=filePath, help='用来拼接图像的所有源图像文件路径')
    parser.add_argument('--blocksize', type=int, default=40, help='马赛克快的大小')

#     args = parser.parse_args() # 其他编译器
    args = parser.parse_known_args()[0]  # jupyter 编译器

    return args


def readSourceImages(sourcepath, blocksize):
    print('开始读取图像')
    sourceimages = []  # 图像
    avgcolors = []  # 平均颜色列表
    files = []#图片路径
    for path in tqdm(glob.glob("{}/*.jpg".format(sourcepath))):
#         print(path)
        image = cv2.imread(path, cv2.IMREAD_COLOR)
        if image.shape[-1] != 3:
            continue
        # 缩放尺寸
        image = cv2.resize(image, (blocksize, blocksize))
        # 图像颜色平均值
        avgcolor = np.sum(np.sum(image, axis=0), axis=0) / \
            (blocksize * blocksize)
        sourceimages.append(image)
        avgcolors.append(avgcolor)
        files.append(path)
        
    print('结束读取')
    return sourceimages, np.array(avgcolors) ,files


def getLists(args):
    targetimage = cv2.imread(args.targetpath)
    targetimage = cv2.resize(targetimage, (1000, 1000))# 原始画布尺寸越大，渲染时间越长
    # int8 int16 int32 int64
    outputimage = np.zeros(targetimage.shape, np.uint8)
    sourceimages, avgcolors, files = readSourceImages(args.sourcepath, args.blocksize)
    
    print('开始制作')
    for i, j in tqdm(product(range(int(targetimage.shape[1]/args.blocksize)), range(int(targetimage.shape[0]/args.blocksize)))):
        block = targetimage[j * args.blocksize: (
            j + 1) * args.blocksize, i * args.blocksize: (i + 1) * args.blocksize, :]#目标单cell
        avgcolor = np.sum(np.sum(block, axis=0), axis=0) / \
            (args.blocksize * args.blocksize)#目标单cell的平均颜色
        distances = np.linalg.norm(avgcolor - avgcolors, axis=1)
        idx = np.argmin(distances)#取平均颜色最接近的值
        outputimage[j * args.blocksize: (j + 1) * args.blocksize, i * args.blocksize: (i + 1) * args.blocksize, :] = \
            sourceimages[idx]#取出符合此cell的图片
        
    cv2.imwrite(args.outputpath, outputimage)#所有cell替换原图

    plt.figure(num=1, figsize=(200, 200))
    plt.subplot(1,2,1)
    plt.xlabel("原始图片")
    plt.imshow(cv2.cvtColor(targetimage, cv2.COLOR_BGR2RGB))  # BGR转RGB
    plt.subplot(1,2,2)
    plt.xlabel("target")
    image = cv2.imread(args.outputpath, cv2.IMREAD_COLOR)
    plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))  # BGR转RGB
    plt.show()
    
    
if __name__ == '__main__':
    tagetImg = 'pic/cat_55.jpg'
    showImg = '1.jpg'
    filePath = 'pic'
    getLists(parseArgs(tagetImg, showImg, filePath))
    
    getLists(parseArgs('pic/cat_30.jpg', '2.jpg', filePath))