Python图像处理之图片拼接和堆叠案例教程

 更新时间:2021年07月26日 08:42:00   作者:Saggitarxm  
这篇文章主要介绍了Python图像处理之图片拼接和堆叠案例教程,本篇文章通过简要的案例,讲解了该项技术的了解与使用,以下就是详细内容,需要的朋友可以参考下

业务说明:

此示例脚本作用,包含方法和逻辑:图像读取,图片尺寸读取,重置图片大小,图片等比缩放,图片拼接,图片覆盖与堆叠(子母图)

图片展示:

单张素材:

origin_image.jpg

result_image.jpg

face_image.jpg

 拼接结果示例图:

拼接和堆叠完成后示例:

拼接和堆叠完成后示例2:

拼接和堆叠完成后示例3: 

代码示例:

import os
import time
from os import listdir
from PIL import Image
from loguru import logger
from PIL import Image
 
 
def image_synthesis(mother_img, son_img, save_img, size_data, coefficient=2.5, coordinate=None):
    """
    mother_img="C:/Users/Administrator/Desktop/QRCode/b.jpg",
    son_img="C:/Users/Administrator/Desktop/QRCode/y.png",
    save_img="C:/Users/Administrator/Desktop/QRCode/newimg.png",
    coordinate=None#如果为None表示直接将子图在母图中居中也可以直接赋值坐标
    # coordinate=(50,50)
    :param mother_img: 母图
    :param son_img: 子图
    :param save_img: 保存图片名
    :param size_data: 母图的高
    :param coefficient: 子图相对于母图高度压缩系数
    :param coordinate: 子图在母图的坐标 (50, 100)- (距离Y轴水平距离, 距离X轴垂直距离)
    :return:
    """
    # 将图片赋值,方便后面的代码调用
    M_Img = Image.open(mother_img)
    S_Img = Image.open(son_img)
 
    # 给图片指定色彩显示格式
    M_Img = M_Img.convert("RGBA")  # CMYK/RGBA 转换颜色格式(CMYK用于打印机的色彩,RGBA用于显示器的色彩)
 
    # 获取图片的尺寸
    M_Img_w, M_Img_h = M_Img.size  # 获取被放图片的大小(母图)
    logger.info(f"母图尺寸:{M_Img.size}")
    S_Img_w, S_Img_h = S_Img.size  # 获取小图的大小(子图)
    logger.info(f"子图尺寸:{S_Img.size}")
 
    son_resize_h = size_data / coefficient
    factor = son_resize_h / S_Img_h if son_resize_h > S_Img_h else S_Img_h / son_resize_h  # 子图缩小的倍数1代表不变,2就代表原来的一半
    logger.info(f"子图重置比例: {factor}")
    size_w = int(S_Img_w / factor)
    size_h = int(S_Img_h / factor)
 
    # 防止子图尺寸大于母图
    if S_Img_w > size_w:
        logger.info(f"防止子图尺寸大于母图")
        S_Img_w = size_w
    if S_Img_h > size_h:
        logger.info(f"防止子图尺寸大于母图")
        S_Img_h = size_h
 
    # 重新设置子图的尺寸
    icon = S_Img.resize((S_Img_w, S_Img_h), Image.ANTIALIAS)
    logger.info(f"重置后子图尺寸:{(S_Img_w, S_Img_h)}")
 
    try:
        if not coordinate or coordinate == "":
            w = int((M_Img_w - S_Img_w) / 2)
            h = int((M_Img_h - S_Img_h))
            coordinate = (w, h)
            # 粘贴子图到母图的指定坐标(当前水平居中,垂直靠下)
            M_Img.paste(icon, coordinate, mask=None)
        else:
            logger.info("已经指定坐标")
            # 粘贴子图到母图的指定坐标(指定坐标)
            M_Img.paste(icon, coordinate, mask=None)
    except:
        logger.info("坐标指定出错 ")
    # 保存图片
    M_Img.save(save_img)
    return save_img
 
 
def image_stitching(origin_img_path, result_img_path, output_img_path, size_data):
    # 获取当前文件夹中所有JPG图像
    # im_list = [Image.open(fn) for fn in listdir() if fn.endswith('.jpg')]
 
    origin_data = Image.open(origin_img_path)
    result_data = Image.open(result_img_path)
 
    M_Img_w, M_Img_h = origin_data.size  # 获取被放图片的大小
    logger.info(f"待拼接图片的原尺寸: {(M_Img_w, M_Img_h)}")
 
    # 图片转化尺寸(注:此业务中,origin和result均为尺寸比例相同的图片(宽高比相同的图片))
    factor = M_Img_h / size_data if size_data > M_Img_h else size_data / M_Img_h  # 子图缩小的倍数1代表不变,2就代表原来的一半
    size_w = int(M_Img_w / factor)
    logger.info(f"待拼接图片重置尺寸: {(size_w, size_data)}")
 
    origin_img = origin_data.resize((size_w, size_data), Image.BILINEAR)
    result_img = result_data.resize((size_w, size_data), Image.BILINEAR)
 
    image_list = [origin_img, result_img]
 
    # 单幅图像尺寸
    width, height = image_list[0].size
    logger.info(f"--- width = {width}, height = {height}")
 
    # 创建空白长图
    result = Image.new(image_list[0].mode, (width * len(image_list), height))
 
    # # 拼接图片
    for i, im in enumerate(image_list):
        result.paste(im, box=(i * width, 0))
 
    # 保存图片
    result.save(output_img_path)
    return stitching_img_path
 
 
if __name__ == '__main__':
    """图片拼接与堆叠合成脚本"""
 
    # root_path = './1000x966'
    root_path = './500x841'
    # root_path = './1000x667'
 
    size_data = 1280  # 原图重制尺寸值 TODO 实现图片重制大小的时候按比例进行宽高的缩放
    origin_img_path = os.path.join(root_path, 'origin_image.png')
    result_img_path = os.path.join(root_path, 'result_image.png')
    face_img_path = os.path.join(root_path, 'face_image.png')
    stitching_img_path = os.path.join(root_path, 'stitching_.png')
 
    # 两图左右拼接
    last_img_path = image_stitching(origin_img_path, result_img_path, stitching_img_path, size_data)
    logger.info(f"左右拼接完成 ---")
 
    # 覆盖小图片到拼接图居中靠下
    synthesis_img_path = os.path.join(root_path, 'synthesis_.png')
    res = image_synthesis(last_img_path, face_img_path, synthesis_img_path, size_data,
                          # coordinate=(100, 500)
                          )
    logger.info(f"--- end --- res = {res}")

到此这篇关于Python图像处理之图片拼接和堆叠案例教程的文章就介绍到这了,更多相关Python图像处理之图片拼接和堆叠内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • OpenCV黑帽运算(BLACKHAT)的使用

    OpenCV黑帽运算(BLACKHAT)的使用

    本文主要介绍了OpenCV黑帽运算(BLACKHAT)的使用,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2022-08-08
  • 更改Python命令行交互提示符的方法

    更改Python命令行交互提示符的方法

    这篇文章主要介绍了更改Python命令行交互提示符的方法,本文还介绍了一款开源软件iPython和Python的distutils,需要的朋友可以参考下
    2015-01-01
  • Python字符串操作实战之如何提取子字符串

    Python字符串操作实战之如何提取子字符串

    这篇文章主要给大家介绍了关于Python字符串操作实战之如何提取子字符串的相关资料,字符串是Python中最常用的数据类型,大家应该都不陌生,文中通过实例代码介绍的非常详细,需要的朋友可以参考下
    2023-06-06
  • python中求两个向量的夹角方式

    python中求两个向量的夹角方式

    这篇文章主要介绍了python中求两个向量的夹角方式,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2023-06-06
  • Python ArgumentParse的subparser用法说明

    Python ArgumentParse的subparser用法说明

    这篇文章主要介绍了Python ArgumentParse的subparser用法说明,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-04-04
  • python使用邻接矩阵构造图代码示例

    python使用邻接矩阵构造图代码示例

    这篇文章主要介绍了python使用邻接矩阵构造图代码示例,具有一定参考价值,需要的朋友可以了解下。
    2017-11-11
  • Python OpenGL基本配置方式

    Python OpenGL基本配置方式

    这篇文章主要介绍了Python OpenGL基本配置方式,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2022-05-05
  • 如何用Python 实现景区安防系统

    如何用Python 实现景区安防系统

    本设计中,利用YOLO目标检测算法、Openpose姿态识别算法、deepsort跟踪算法、MSCNN人群密度估计算法实现了火灾监测、吸烟监测、行为安全监测、人群密度监测、口罩率监测、人员定位监测六大功能,对Python 实现景区安防系统感兴趣的朋友一起看看吧
    2022-07-07
  • Python删除指定字符之前或之后所有内容的方法

    Python删除指定字符之前或之后所有内容的方法

    本文主要介绍了Python删除指定字符之前或之后所有内容的方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2023-03-03
  • 使用pandas中的DataFrame.rolling方法查看时间序列中的异常值

    使用pandas中的DataFrame.rolling方法查看时间序列中的异常值

    Pandas是Python中最受欢迎的数据分析和处理库之一,提供了许多强大且灵活的数据操作工具,在Pandas中,DataFrame.rolling方法是一个强大的工具,在本文中,我们将深入探讨DataFrame.rolling方法的各种参数和示例,以帮助您更好地理解和应用这个功能
    2023-12-12

最新评论