【教学类-34-11】20240314 动物拼图(Midjounery生成线描图,8*8格拼图块 A4整张)(AI对话大师)

作品展示:——A4整页(一人2张纸)

背景需求:

通过春天拼图的个别化实验,我发现:

【教学类-34-10】20240313 春天拼图(Midjounery生成线描图,4*4格拼图块)(AI对话大师)-CSDN博客文章浏览阅读645次,点赞14次,收藏15次。【教学类-34-10】20240313 春天拼图(Midjounery生成线描图,4*4格拼图块)(AI对话大师)https://blog.csdn.net/reasonsummer/article/details/136674989

1、3位女孩很喜欢动物主题的拼图。

2、无论底图是深色、浅色、曝光色,幼儿都完成了相应的作品(深色底图与深色拼图,容易看不清楚是否已经贴过贴图,而浅色和曝光底图,能比较明显看到贴过与否)

3、3位幼儿已经快速适应3*3、4*4的拼图制作模式。

因此,我将用动物图案设计8*8的a4整张64块拼图。

素材准备:

代码展示:

'''
动物拼图(64格,AI对话大师)
作者:AI对话大师、阿夏
时间:2024年3月14日
'''

print('------第1步 把2424*1859的图片切割成2*2----------')

import os
from PIL import Image

# # 指定123文件夹和234文件夹的路径'
# input_folder = r'C:\Users\jg2yXRZ\OneDrive\桌面\动物拼图64块\00原图'
# output_folder = r'C:\Users\jg2yXRZ\OneDrive\桌面\动物拼图64块\00切图'

# # 检查文件夹是否存在
# if not os.path.exists(output_folder):
#     # 如果文件夹不存在,则新建文件夹
#     os.makedirs(output_folder)

# # 遍历123文件夹中的所有png文件
# for file_name in os.listdir(input_folder):
#     if file_name.endswith('.png'):
#         img = Image.open(os.path.join(input_folder, file_name))
        
#         # 定义切割后每张图片的尺寸
#         width, height = img.size
#         new_width = width // 2
#         new_height = height // 2
        
#         # 切割图片并保存
#         for i in range(2):
#             for j in range(2):
#                 box = (j*new_width, i*new_height, (j+1)*new_width, (i+1)*new_height)
#                 region = img.crop(box)
#                 output_file = os.path.join(output_folder, '{}_{}_{}.png'.format(os.path.splitext(file_name)[0], i, j))
#                 region.save(output_file)

# print('图片批量切割完成并保存在234文件夹中。')


print('------第2步 把00切图增加对比度(线条变黑),制作02贴图深色----------')

from PIL import Image
from PIL import ImageEnhance
import os

# 定义文件夹路径
folder_path = r'C:\Users\jg2yXRZ\OneDrive\桌面\动物拼图64块\00切图'
new_path = r'C:\Users\jg2yXRZ\OneDrive\桌面\动物拼图64块\02贴图深色'
# 检查文件夹是否存在
if not os.path.exists(new_path):
    # 如果文件夹不存在,则新建文件夹
    os.makedirs(new_path)

# 循环处理文件夹下的所有图片文件
for filename in os.listdir(folder_path):
    if filename.endswith(('.png', '.jpg', '.jpeg')):
        # 打开图片文件
        image_path = os.path.join(folder_path, filename)
        image = Image.open(image_path)

        # 转换为黑白色
        bw_image = image.convert('L')

        # 增加对比度
        enhancer = ImageEnhance.Contrast(bw_image)
        bw_image = enhancer.enhance(30.0)  # 这里的2.0可以根据需要调整

        # 保存处理后的图片
        bw_image.save(os.path.join(new_path, filename))

print("图片处理完成!")


print('------第3步 把00切图增加明度(线条变白,浅色),制作01底图浅色----------')

from PIL import Image
from PIL import ImageEnhance
import os

# 定义文件夹路径
folder_path = r'C:\Users\jg2yXRZ\OneDrive\桌面\动物拼图64块\00切图'
new_path = r'C:\Users\jg2yXRZ\OneDrive\桌面\动物拼图64块\01底图浅色'
# 检查文件夹是否存在
if not os.path.exists(new_path):
    # 如果文件夹不存在,则新建文件夹
    os.makedirs(new_path)

# 定义明度增加倍数
brightness_factor = 2

# 循环处理文件夹下的所有图片文件
for filename in os.listdir(folder_path):
    if filename.endswith(('.png', '.jpg', '.jpeg')):
        # 打开图片文件
        image_path = os.path.join(folder_path, filename)
        image = Image.open(image_path)

        # 增加明度
        enhancer = ImageEnhance.Brightness(image)
        bright_image = enhancer.enhance(brightness_factor)

        # 保存处理后的图片
        bright_image.save(os.path.join(new_path, filename))

print("图片处理完成!")


print('------第4步 把浅灰色底纹图片、深黑色贴图图片,学号图片切割成16张 03底图浅色小块+04贴图深色小块----------')

from PIL import Image, ImageDraw, ImageFont

path=r'C:\Users\jg2yXRZ\OneDrive\桌面\动物拼图64块'

# 新建两个文件夹
t=['01底图浅色','02贴图深色','03底图浅色小块','04贴图深色小块']

import os
for tt in t:
    folder_path_file = path+r"\{}".format(tt)
    # 检查文件夹是否存在
    if not os.path.exists(folder_path_file):
        # 如果文件夹不存在,则新建文件夹
        os.makedirs(folder_path_file)

# 把浅灰色底纹图片、深黑色贴图图片,学号图片切割成16张
from PIL import Image, ImageOps
import os
import glob
import random
# 8*8图片切割
w=8
l=8

for vv in range(int(len(t)/2)):
    # 指定文件夹路径
    folder_path = path + r"\{}".format(t[vv])  # 打开01\02文件夹
    # print(folder_path)

    # 获取文件夹中所有PNG图片的路径
    png_files = glob.glob(os.path.join(folder_path, '*.png'))
    print(png_files)

    # 逐个打开PNG图片并切割成9块小图
    for png_file in png_files:
        image = Image.open(png_file)

        # 获取图片大小
        width, height = image.size

        # 切割成64块拼图小块并保存
        count = 1
        block_width = width // w
        block_height = height // l
        for i in range(w):
            for j in range(l):
                box = (j*block_width, i*block_height, (j+1)*block_width, (i+1)*block_height)
                region = image.crop(box)
                #生成9张*30份=261图  ,生成在03 、04文件夹里。   因为切成16张,所以序号是01-16,
                region.save(path + r'\{}\{}_{}.png'.format(t[vv+2], os.path.splitext(os.path.basename(png_file))[0], '%02d'%count))
                count += 1


print('------第5步 把02按序填入上面16个格子,把深灰色学号图片打乱填入组成16+16一组,一页2组 64个路径----------')
# 坐标,两个表格连在一起,但是先写左侧上下的18个坐标,再写右侧上下的18个坐标
bg = []
# 8*16行表格
for x in range(0, w):
    for y in range(0, w):       
            bg.append('{:02d}{:02d}'.format(x, y))

for x in range(w, w*2):
    for y in range(0, w):
            bg.append('{:02d}{:02d}'.format(x, y))

print(bg) # 36
print(len(bg))


# 切割成多少份,261个元素,18个在一页上,03文件夹浅灰:前9个按顺序写入,04文件夹的深灰色:后9个打乱写入
t2=['03底图浅色小块','04贴图深色小块']
pic=[]
for t3 in t2:
    folder_path = path + r"\{}".format(t3)  # 打开01\02文件夹
    # print(folder_path)    # C:\Users\jg2yXRZ\OneDrive\桌面\学号数字拼图\03底图浅色小块  C:\Users\jg2yXRZ\OneDrive\桌面\学号数字拼图\04贴图深色小块
    # 获取文件夹中所有PNG图片的路径
    png_files = glob.glob(os.path.join(folder_path, '*.png'))
    print(len(png_files))# 272
    pic.append(png_files)
print(pic)
print(len(pic))# 2组 浅色一组 深色一组[['','','浅色261张'],['','','深色261张']]

print('---拆成16个一组-------')
smaillpic=[]
for o in range(len(pic)):    # 0,1
    g=w*w
#     # 假设你有一个包含261个元素的列表list1
    list1 = [i for i in range(len(pic[o]))]  # 这里只是举例,实际情况根据你的实际数据来创建列表
    # 将列表按照18个一组分割
    grouped_list = [pic[o][i:i+g] for i in range(0, len(pic[o]), g)]
    smaillpic.append(grouped_list)
print(smaillpic)
# [[[9张],[9张],[9张],[],[],[]]]]
print(len(smaillpic))# 2组
print(len(smaillpic[0]))# 每组3张
print(len(smaillpic[0][0]))# 每张64图

print('---16个浅灰路径+16个深灰路径【【9个浅灰】【9个深灰】】-------')# 
path1=[]
for n in range(len(smaillpic[0])):  # 读取30组9个路径   
    #  【9个浅灰】按顺序写入
    path1.append(smaillpic[0][n])
    # 【9个深灰】打乱写入
    c=random.sample(smaillpic[1][n],w*w)
    path1.append(c)  
print(path1)
print(len(path1))
# 6组
print(len(path1[0]))
# 每组64个

# 提取所有元素放在一起
all_paths = [path for sublist in path1 for path in sublist]
# # print(all_paths)
# print(len(all_paths))# 540

# 把所有内容变成36个一组
nested_paths = [all_paths[i:i+w*w*2] for i in range(0, len(all_paths), w*w*2)]
print(nested_paths)
print(len(nested_paths))
# 15组 每组里面是2个(9个浅色+9个深色)

from docx import Document
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT
from docx.shared import Cm
from docx2pdf import convert
from PyPDF2 import PdfMerger
import os,time
import shutil

print('------第6步 36个路径写入单元格----------')

# 指定新建文件夹路径
d = path + r"\零时文件夹"

# 检查文件夹是否存在,如果不存在则新建
if not os.path.exists(d):
    os.makedirs(d)

merged_pdf = PdfMerger()

for nn in range(0, len(nested_paths)):
    doc = Document(path + r'\动物拼图.docx')
    table = doc.tables[0]

    for t, bg_value in enumerate(bg):
        pp = int(bg_value[0:2])
        qq = int(bg_value[2:4])

        k = nested_paths[nn][t]
        print(pp, qq, k)

        run = doc.tables[0].cell(pp, qq).paragraphs[0].add_run()
        run.add_picture('{}'.format(k), width=Cm(3.7), height=Cm(2.55))
        table.cell(pp, qq).paragraphs[0].alignment = WD_PARAGRAPH_ALIGNMENT.CENTER

    doc.save(path + r'\零时文件夹\{}.docx'.format('%02d' % nn))
    time.sleep(2)
    # docx转PDF
    inputFile = path + r"\零时文件夹\{}.docx".format('%02d' % nn)
    outputFile = path + r"\零时文件夹\{}.pdf".format('%02d' % nn)
    with open(outputFile, 'w'):
        pass
    convert(inputFile, outputFile)
    time.sleep(2)
    merged_pdf.append(outputFile)
# 合并PDF、
merged_pdf.write(path + r"\有底图的动物拼图{}块({}人共{}份{}张).pdf".format(w*w,int(len(nested_paths)), len(nested_paths),len(nested_paths)*2))
merged_pdf.close()

print('----------第7步:把都有PDF合并为一个打印用PDF------------')

# 删除临时文件夹    
shutil.rmtree(path + r"\零时文件夹")

作品展示:

一人一份2张图预览

A4一页底图64块

A4一页贴图64块

对贴图的筛选

如果有白色块(多块)就尽量不要打印了

底色与贴图的颜色都很深,也不打印(因为容易看不清楚,到底贴过没有贴过)

3月15日是隔离最后一天,我打印几份适合的64块拼图,,观察:

1、3位女孩会选什么图案

2、3位女孩是否能完成64块拼贴(可辨认的细节少了)

3、3位女孩最快、最慢多久完成64块拼图。

后续:

1、根据幼儿需求,在MJ里继续生成有“角色”主体的图片(可惜MJ账号不多了,必须省着点用o(╥﹏╥)o,真希望一次生成4张图都能用上,但是这个随机性太强)

打印图片展示(A4整张,一套有两张A4)

  • 11
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Two-stage(两阶段)模型是指在目标检测中,通过两个阶段来完成检测任务。首先,第一阶段会生成一系列候选区域,这些候选区域可能包含目标物体。然后,第二阶段会对这些候选区域进行分和定位,最终确定目标物体的别和位置信息。这种模型的典型代表有OverFeat、SSD(Single Shot multibox-Detector)和YOLO(You Only Look Once)等。 相比于单步模型,两阶段模型可以通过显示地提取候选区域来更准确地定位和分目标物体。然而,由于需要进行两个独立的阶段,两阶段模型在计算效率上可能会有一些劣势。 如果你有兴趣了解两阶段模型的实现,可以参考Pacific Graphics 2020论文“通过线描的两阶段照片卡通化”的pytorch实现,其中使用了两阶段的方法来实现照片卡通化的效果。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [物体检测中的单步模型(one-stage)和两步模型(two-stage)](https://blog.csdn.net/qq_41251963/article/details/108723528)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [Two-stage-Photograph-Cartoonization-via-Line-Tracing:通过线迹进行两阶段照片卡通化的源代码和数据...](https://download.csdn.net/download/weixin_42139252/16086363)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

阿夏reasonsummer

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值