千图成像！祝可爱的小伙伴们圣诞快乐_axure画圣诞树，2024年最新小红书java面试题

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新HarmonyOS鸿蒙全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上鸿蒙开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip204888 （备注鸿蒙）

正文

‘Accept-Language’: ‘zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2’,
‘Referer’: ‘https://i.csdn.net/’,
‘Origin’: ‘https://i.csdn.net’,
‘Connection’: ‘keep-alive’,
‘TE’: ‘Trailers’,
}

获取粉丝总数

res = requests.get(url%(1,10),headers=headers,cookies=cookies)
res_json = res.json()
N_fans = res_json[‘data’][‘data_all’]
print(‘一共有%d个粉丝’%N_fans)

获取全部粉丝数据

res = requests.get(url%(1,N_fans),headers=headers,cookies=cookies)
res_json = res.json()
return res_json

def download_avatar(username,url):
‘’’
下载用户头像
‘’’
savePath = ‘./avatars’ # 头像存储目录
res = requests.get(url)
with open(‘%s/%s.jpg’%(savePath,username),‘wb’) as f:
f.write(res.content)

if name == ‘__main__’:
fans = get_fansInfo()
for f in fans[‘data’][‘list’]:
username = f[‘fans’] # 用户名
url = f[‘avatar’] # 头像地址
download_avatar(username,url)
print(‘用户"%s"头像下载完成!’%username)

将头像下载完毕并去重，结果如下：

一共有2796张非重复图片，有了它们，我们便可以开始——搞事情！

2.千图成像

所谓千图成像就是用很多张图片拼接成一张完整的图片，它需要两个部分：一张背景图，一个图片库。根据背景图的结构用图片库中的图片来进行拼接，最终形成新的图片。

一种最简单直观的思路便是：遍历背景图中的每个像素点，并用图库中与之颜色最相近的图片粘贴在这个位置。

因此，我们首先需要计算每个图片的“平均颜色”，即图片像素点（R,G,B）的平均值，代码如下：

def compute_mean(imgPath):
‘’’
计算平均（R,G,B）
‘’’
img = Image.open(imgPath)
img = img.convert(‘RGB’)
imgArray = np.array(img)
R = np.mean(imgArray[:,:,0])
G = np.mean(imgArray[:,:,1])
B = np.mean(imgArray[:,:,2])
return (R,G,B)

遍历图片库中的每张图片，并得到它们的平均距离，生成一个图片列表，以便后续的使用：

def get_imgList(imgDir):
‘’’
获取图片列表（图片目录及平均颜色）
‘’’
imgList = []
for imgName in os.listdir(imgDir):
path = imgDir+imgName
color = compute_mean(path)
imgList.append({‘path’:path,‘RGB’:color})
return imgList

该列表的每个元素是一个字典，包括了path和RGB，分别表示图片的路径以及图片的平均颜色，如下：

在得到了图片的“平均颜色”后，便是比较背景图的像素点与它的相似性，这里采用了欧式距离：

def compute_distance(color1, color2):
‘’’
计算两张图的颜色差
‘’’
dis = 0
for i in range(len(color1)):
dis += (color1[i]-color2[i])**2
dis = dis**0.5
return dis

剩下的便是遍历背景图，并进行比较填充，代码如下：

def create_image(bgImg,imgDir,N=10,M=50):
‘’’
根据背景图，用头像填充出新图
bgImg：背景图地址
imgDir：头像目录
N：背景图缩放的倍率
M：头像的大小（MxM）
‘’’

获取图片列表

imgList = get_imgList(imgDir)

读取背景图

bg = Image.open(bgImg)
bg = bg.resize((bg.size[0]//N,bg.size[1]//N)) # 缩放
bgArray = np.array(bg)
width = bg.size[0]*M # 新生成图片的宽度
height = bg.size[1]*M # 新生成图片的高度

创建空白的新图

newImg = Image.new(‘RGB’,(width,height))

循环填充图

for x in range(bgArray.shape[0]):
for y in range(bgArray.shape[1]):

找到距离最小的图片

minDis = 10000
index = 0
for img in imgList:
dis = compute_distance(img[‘RGB’],bgArray[x][y])
if dis < minDis:
index = img[‘path’]
minDis = dis

填充

tempImg = Image.open(index)
tempImg = tempImg.resize((M,M))
newImg.paste(tempImg,(y*M,x*M))
print(‘(%d, %d)’%(x,y))

保存图片

newImg.save(‘千图成像.jpg’)

调用它：

create_image(‘bg.jpg’,‘./avatars(dr)/’,5,50)

函数的输入有bgImg、imgDir、N、M，它们分别表示：

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注鸿蒙）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注鸿蒙）
[外链图片转存中…(img-R0vymizY-1713382186360)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！