Python批量生成幻影坦克图片实例代码

(3) 明度函数：Lightness

公式：255 * ratio + img * (1-ratio)

       0 * ratio + img * (1-ratio)

为什么是两条公式呢，可以看到只有 255和 0的区别，一个是提高明度，一个是降低

注意，明度 ≠ 亮度，用亮度做出来的坦克是畸形的。亮度对颜色0和255不会起任何作用，任你怎么加亮度，我白是白，黑仍然是黑。这又涉及到幻影坦克效果的原理了，图A每个像素值必须大于图B对应的像素值，否则将没有透明度效果。

所以，最好的效果就是图A明度提高50%，图B降低50%

这个函数接受2个参数

①图片对象

②明度比值（-1~1）

尽量仿照PS的算法结果，提高明度的值为向下取整，降低明度为向上取整

def Lightness(img,ratio):
if ratio>0:
return img.point(lambda i: int(i*(1-ratio) + 255*ratio))
return img.point(lambda i: math.ceil(i*(1+ratio)))

实际上这是图层的不透明度混合公式，PS中，明度的实现就是在当前图层的上方创建一个白色或黑色图层，然后调整其透明度即可。所以，

明度调  100% 相当于白色图层的不透明度为100%，显示纯白

明度调 -100% 相当于黑色图层的不透明度为100%，显示纯黑。

看到这里，要暂停一下了。是不是感觉说了这么多都没有提到幻影坦克的详细原理，是的，只有当你理解了PS的不透明度混合公式，你才能理解后面的步骤。

(3-x) 重点！！推导幻影坦克的原理……

这里需要用到PS的几个图层混合模式

不透明度混合公式：Img输出 = Img上 * o + Img下 * (1 - o)

小字母o代表不透明度。想一想，把两张图片导入到PS，上面的图层命名为imgA，下面的图层为imgB。

当imgA的不透明度为100%（o=1）时，根据图层混合公式得到img输出=imgA，也就是完全显示上层图像。

当imgA的不透明度为0%（o=0）时，得到img输出=imgB，完全显示下层图像。

当不透明度为50%，自然就看到了A与B的混合图像。

但是我们要将这两张图给整进一张图里，然后在类似手机QQ这种只有白色背景和黑色背景的环境下，分别显示出imgA和imgB。听起来有点抽象，不要慌，我们来列方程。假设这张最终成果图为imgR

这时候ImgR充当上图层（Img上）。它有一个固定不透明度o，或者说是它的图层蒙版（ImgO表示ImgR的蒙版），蒙版的像素值为0~255的单通道灰度色值。填充为黑色0相当于图层的不透明度为0%，填充为白色相当于图层不透明度为100%。那么这个固定不透明度 o 实际上就是 ⑨ o = ImgO / 255

而Img下就是聊天软件中的白色背景和黑色背景两种可能了。

现在来解一下方程，由②得：

ImgR = ImgB / o

将⑨ o = ImgO / 255 代入得

③ ImgR = ImgB / ImgO * 255

将③和⑨代入①得：

ImgA = (ImgB / ImgO * 255) * (ImgO / 255) + 255 * (1 - ImgO / 255)

ImgA = ImgB / ImgO * ImgO / 255 * 255 + 255 * (1 - ImgO / 255)

ImgA = ImgB + 2551 - 255(ImgO / 255)

ImgA = ImgB + 255 - ImgO

④ ImgO = (255 - ImgA) + ImgB

那么现在，ImgB是我们已知的要在黑色背景下显示的图像，只要拿到ImgO就可以得出成品图ImgR了。

(255 - ImgA) 这个是什么意思，就是PS中的反相操作啦。让我们回到代码操作

(4) 反相函数：Invert

公式：255 - Img

即对每个像素进行 255-像素值

def Invert(img):
return img.point(lambda i: 255-i)

反ImgA = Invert(ImgA )

然后这个反相后的ImgA（反ImgA）与ImgB相加，即PS中的线性减淡模式

(5) 线性减淡（添加）：LinearDodge

公式：Img上 + Img下

def LinearDodge(imgA, imgB):
size = imgA.size
imgO = Image.new('L',size,(0,))
pxA= imgA.load()
pxB= imgB.load()
pxO= imgO.load()
for x in range(size[0]):
for y in range(size[1]):
pxO[x,y] = (pxA[x,y]+pxB[x,y],)
return imgO

至此得到 ImgO = LinearDodge(反ImgA, ImgB)

注：之前我们说过ImgA的所有像素值必须大于ImgB。如果小于或等于，那么反相后加自身（或加比自身大的值）就是255了。因为ImgO是成果图ImgR的透明蒙版，ImgO=255意味着不透明度为100%，就没有透明效果了。

接着看方程式子③ ImgR = ImgB / ImgO * 255，这便是PS的一种图层混合模式划分了

(6) 划分：Divide

公式：Img下 / Img上 * 255

几个注意的条件

①若混合色为黑色，基色非黑结果为白色、基色为黑结果为黑色（混合色是Img上，基色是Img下）

②若混合色为白色则结果为基色

③若混合色与基色相同则结果为白色

不妨可以在PS中一试便知真假

def Divide(imgO, imgB):
size = imgB.size
imgR = Image.new('L',size,(0,))
pxB= imgB.load()
pxO= imgO.load()
pxR= imgR.load()
for x in range(size[0]):
for y in range(size[1]):
o=pxO[x,y]
b=pxB[x,y]
if o==0:
#如混合色为黑色，基色非黑结果为白色、基色为黑结果为黑色
color= (b and 255 or 0,)
elif o==255:
#混合色为白色则结果为基色
color=(b,)
elif o==b:
#混合色与基色相同则结果为白色
color=(255,)
else:
color=(round((b/o)*255),)
pxR[x,y] = color
return imgR

调用划分函数ImgR = Divide(ImgO, ImgB)，终于，我们得到了梦寐以求的成果图ImgR

但不要忘了它的不透明度，把ImgO添加为它的图层蒙版

(6) 最后：添加透明蒙版并保存

def AddMask(imgR,imgO):
img = imgR.convert("RGBA")
img.putalpha(imgO)
return img

imgR_mask = AddMask(imgR, imgO)

name= os.path.splitext(i_group[0])[0]
imgR_mask.save('../'+EXPORT_FOLDER+'/' + name+'.png')

保存在导出文件夹。。。

个人感觉

这个脚本生成的幻影坦克与PS做的相比就犹如真假美猴王一般，说到美猴王，我就想起……

三、完整代码文件

MirageTank.py

# -*- coding: utf-8 -*-
# python 3.7.2
# 2019/04/21 by sryml.

import os
import math

from timeit import timeit
from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor
from multiprocessing import cpu_count

#
import numba as nb
import numpy as np

from PIL import Image

# ---
IMPORT_FOLDER = 'Import'
EXPORT_FOLDER = 'Export'
IMAGE_FILES = []

#
ALIGN2_A = 0
ALIGN2_B = 1
ALIGN2_MAX = 'max'

NO_MODIFT = 0
STRETCH = 1
CONSTRAINT_RATIO = 2

# ---

### 图像对齐
def ImgAlign(idx,img,A_Size,B_Size,mode):
size= img.size
old_size= (A_Size,B_Size)

if mode[0]== ALIGN2_MAX:
total_size= max(A_Size[0], B_Size[0]), max(A_Size[1], B_Size[1])
if size != total_size:
if mode[1]== STRETCH:
img= img.resize(total_size, Image.ANTIALIAS)
else:
new_img= Image.new('L',total_size, (255 if idx==0 else 0,))
diff= (total_size[0]-size[0],total_size[1]-size[1])
min_diff= min(diff[0],diff[1])
if min_diff != 0 and mode[1]:
idx= diff.index(min_diff)
scale= total_size[idx] / size[idx]
resize= [total_size[idx], round(size[1-idx]*scale)]
if idx:
resize.reverse()
img= img.resize(resize, Image.ANTIALIAS)
new_img.paste(img, [(total_size[i]-img.size[i])//2 for i in range(2)])
img= new_img
elif idx != mode[0]:
total_size= old_size[mode[0]]
if mode[1]== STRETCH:
img= img.resize(total_size, Image.ANTIALIAS)
else:
new_img= Image.new('L',total_size, (255 if idx==0 else 0,))
diff= (total_size[0]-size[0],total_size[1]-size[1])
min_diff= min(diff[0],diff[1])
if (min_diff > 0 and mode[1]) or (min_diff < 0):
idx= diff.index(min_diff)
scale= total_size[idx] / size[idx]
resize= [total_size[idx], round(size[1-idx]*scale)]
if idx:
resize.reverse()
img= img.resize(resize, Image.ANTIALIAS)
new_img.paste(img, [(total_size[i]-img.size[i])//2 for i in range(2)])
img= new_img

return img

### 去色@nb.jit
def Desaturate(img_array):
idx_array = img_array.argsort()
width = img_array.shape[1]
height = img_array.shape[0]
data = np.zeros((height,width),dtype=np.uint8)
for x in range(height):
for y in range(width):
idx= idx_array[x,y]
color_min= img_array[x,y, idx[0]]
color_max= img_array[x,y, idx[2]]
data[x,y]= round( (int(color_min) + int(color_max)) / 2 )
return Image.fromarray(data)

### 明度def Lightness(img,ratio):
if ratio>0:
return img.point(lambda i: int(i*(1-ratio) + 255*ratio))
return img.point(lambda i: math.ceil(i*(1+ratio)))

### 反相def Invert(img):
return img.point(lambda i: 255-i)

### 线性减淡（添加）def LinearDodge(imgA, imgB):
size = imgA.size
imgO = Image.new('L',size,(0,))
pxA= imgA.load()
pxB= imgB.load()
pxO= imgO.load()
for x in range(size[0]):
for y in range(size[1]):
pxO[x,y] = (pxA[x,y]+pxB[x,y],)
return imgO

### 划分def Divide(imgO, imgB):
size = imgB.size
imgR = Image.new('L',size,(0,))
pxB= imgB.load()
pxO= imgO.load()
pxR= imgR.load()
for x in range(size[0]):
for y in range(size[1]):
o=pxO[x,y]
b=pxB[x,y]
if o==0:
#如混合色为黑色，基色非黑结果为白色、基色为黑结果为黑色
color= (b and 255 or 0,)
elif o==255:
#混合色为白色则结果为基色
color=(b,)
elif o==b:
#混合色与基色相同则结果为白色
color=(255,)
else:
color=(round((b/o)*255),)
pxR[x,y] = color
return imgR
def AddMask(imgR,imgO):
img = imgR.convert("RGBA")
img.putalpha(imgO)
return img

####
#### 将所有要处理的图片文件添加到列表def all_img2list():
global IMAGE_FILES
IMAGE_FILES= []
Imgs = os.listdir('./')
Imgs.sort(key= lambda i: os.path.splitext(i)[0])

for i in Imgs:
name = os.path.splitext(i)
imgB= name[0]+'_d' + name[1]

if imgB in Imgs:
Imgs.remove(imgB)
img_group= (i,imgB)
elif name[0][-6:].lower() == '_black':
img_group= (i,'_black')
else:
img_group= (i,None)

IMAGE_FILES.append(img_group)
def MakeMTank(i_group):
ratios= [0,0]
align= []
if not i_group[1]:
imgB= Image.open(i_group[0])
imgA= Image.new('L',imgB.size,(255,))
elif i_group[1]=='_black':
imgA= Image.open(i_group[0])
imgB= Image.new('L',imgA.size,(0,))
else:
imgA= Image.open(i_group[0])
imgB= Image.open(i_group[1])
ratios= [0.5,-0.5] #明度比值

# ALIGN2_MAX(取最大的宽和最大的高) ALIGN2_A(缩放到图A) ALIGN2_B(缩放到图B)
# NO_MODIFT(不修改) STRETCH(拉伸) CONSTRAINT_RATIO(约束比例)
align= [ALIGN2_B, CONSTRAINT_RATIO]

A_Size,B_Size= imgA.size,imgB.size
img_objs= [imgA,imgB]
for n,img in enumerate(img_objs):
if img.mode== 'RGBA':
img= img.convert('RGB')
img_array= np.array(img)
if img.mode != 'L' and ( [(img_array[:,:,i]==img_array[:,:,2]).all() for i in range(2)]!= [True,True] ):
img= Desaturate(img_array) #去色
else:
img= img.convert('L')

if align and (A_Size!=B_Size):
img= ImgAlign(n,img,A_Size,B_Size,align) #图像对齐

if ratios
:
img= Lightness(img,ratios
) #明度
img_objs
= img

imgA,imgB = img_objs

imgA = Invert(imgA) #反相
imgO = LinearDodge(imgA, imgB) #线性减淡（添加）
imgR = Divide(imgO, imgB) #划分
imgR_mask = AddMask(imgR, imgO) #添加透明蒙版
name= os.path.splitext(i_group[0])[0]
imgR_mask.save('../'+EXPORT_FOLDER+'/' + name+'.png')
def FlashMakeMTank(task):
pool = ThreadPoolExecutor(cpu_count())
results = list(pool.map(MakeMTank, task))
pool.shutdown()
def AutoMTank():
cpu = cpu_count()-1
pool = ProcessPoolExecutor(cpu) #max_workers=4
L = IMAGE_FILES
F = int(len(L)/cpu)
task_assign = [L[n*F:] if (n+1)==cpu else L[n*F:(n+1)*F] for n in range(cpu)]
results = list(pool.map(FlashMakeMTank, task_assign))

pool.shutdown()

print ('\n%d辆幻影坦克制作完成！' % len(IMAGE_FILES))

# ---

def Fire():
all_img2list()
sec = timeit(lambda:AutoMTank(),number=1)
print ('Time used: {} sec'.format(sec))
s= input('\n按回车键退出...\n')

if __name__ == '__main__':
if not os.path.exists(EXPORT_FOLDER):
os.makedirs(EXPORT_FOLDER)
os.chdir(IMPORT_FOLDER)

while True:
s= input('>>> 按F进入坦克：')
if s.upper()== 'F':
print ('少女祈祷中...')
Fire() #开炮
break
elif not s:
break

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对脚本之家的支持。

您可能感兴趣的文章:

• 利用Python批量生成任意尺寸的图片
• python实现linux服务器批量修改密码并生成execl
• Python操作Word批量生成文章的方法
• python批量生成本地ip地址的方法
• 使用Python生成Shell命令，批量执行程序代码解析
• Python批量生成特定尺寸图片及图画任意文字的实例