2024年最新把你的朋友变成表情包？Python：So easy，2024年最新想搞定大厂面试官怎么说

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

五、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

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。

需要这份系统化学习资料的朋友，可以戳这里获取

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！

def plt_show(img):

imageRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

plt.imshow(imageRGB)

plt.show()

3、导入前景照片

---

image = cv2.imread(‘SXC.jpg’, 0) # 导入灰度图即可

plt_show(image)

4、等比例缩放前景照片

---

因为我们发现前景照片的尺寸比背景尺寸还要大，这显然是不合适的，所以要先对其进行等比例（0.3）缩放。

image_resize = cv2.resize(image, None, fx=0.3, fy=0.3, interpolation = cv2.INTER_CUBIC)

plt_show(image_resize)

5、对前景照片进行二值化处理

---

在这里，我们将像素值大于 80 的区域设置为 255；小于 80 的区域设置成 0。

ret, image_binary = cv2.threshold(image_resize, 80, 255, cv2.THRESH_BINARY)

plt_show(image_binary)

6、提取出感兴趣区域

---

image_roi = image_binary[74: 185, 0: 150]

plt_show(image_roi)

7、旋转图片

---

因为我们的背景图片（熊猫头）是正的，而前景图片有些向右倾斜，所以要先对其进行旋转操作（大概逆时针旋转 15 度即可）。

rows, cols = image_roi.shape

M = cv2.getRotationMatrix2D(((cols-1)/2.0, (rows-1)/2.0), 15, 1) # （旋转中心，逆时针旋转角度，各个方向同等扩大比例）

image_rotate = cv2.warpAffine(image_roi, M, (140, 130)) # (140, 130) 是指旋转后的画布大小

plt_show(image_rotate)

8、将一些不需要的黑色区域删除掉

---

在这里我们使用 cv2.fillPoly 函数对不需要的区域用白色进行填充。

h, w = image_rotate.shape

image_rotate_copy = image_rotate.copy()

pts1 = np.array([[0, 20], [64, 0], [0, 0]], np.int32)

pts2 = np.array([[0, 18], [0, h], [80, h]], np.int32)

pts3 = np.array([[0, 100], [0, h], [w, h], [w, 100]], np.int32)

pts4 = np.array([[111, 0], [w, 0], [w, 30]], np.int32)

pts5 = np.array([[124, 0], [115, h], [w, h]], np.int32)

pts6 = np.array([[120, 40], [95, 100], [120, 100]], np.int32)

foreground = cv2.fillPoly(image_rotate_copy, [pts1], (255, 255, 255)) # (图片，填充区域，填充颜色)

foreground = cv2.fillPoly(image_rotate_copy, [pts2], (255, 255, 255))

foreground = cv2.fillPoly(image_rotate_copy, [pts3], (255, 255, 255))

foreground = cv2.fillPoly(image_rotate_copy, [pts4], (255, 255, 255))

foreground = cv2.fillPoly(image_rotate_copy, [pts5], (255, 255, 255))

foreground = cv2.fillPoly(image_rotate_copy, [pts6], (255, 255, 255))

plt_show(foreground)

9、再次提取感兴趣区域并缩放

---

foreground_roi = foreground[0: 93, 0: 125]

plt_show(foreground_roi)

foreground_roi_resize = cv2.resize(foreground_roi, None, fx=2.5, fy=2.5, interpolation = cv2.INTER_CUBIC)

plt_show(foreground_roi_resize)

10、导入背景图片

---

background = cv2.imread(‘back.jpg’, 0)

plt_show(background)

11、组合两张图片成表情包

---

h_f, w_f = foreground.shape

h_b, w_b = background.shape

left = (w_b - w_f)//2 # 前景图片在背景图片中的左边的横坐标

right = left + w_f # 前景图片在背景图片中的右边的横坐标

top = 100 # 前景图片在背景图片中的上边的纵坐标

bottom = top + h_f # 前景图片在背景图片中的下边的纵坐标

emoji = background

emoji[top: bottom, left: right] = foreground

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。

需要这份系统化学习资料的朋友，可以戳这里获取

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！