用Python生成马赛克画

马赛克画是一张由小图拼成的大图，本文的封面就是我们的效果图，放大看细节，每一块都是一张独立的图片，拼在一起组成一张大图，感觉像是用马赛克拼出来的画，所以叫马赛克画。看到网上的一些马赛克画觉得很酷，于是自己用Python实现了一下将一张原图转换成马赛克画。

我们的效果图是这样的

原图是这样的

实现的具体思路是这样

第一步：首先收集一组图片，这些图片会作为大图中的小方格图片。图片越多，最后生成的图片颜色越接近。

第二步：将要转换的图片分割成一个一个小方格图片，像下面这样

第三步：对于每一个小方格图片，取图片集里面最接近的图片替换。所有小方格都替换后，就生成了我们最终的马赛克画。

听上去是不是很简单？

我们来看一下具体的实现步骤，下面是一些核心代码。完整代码可在公众号后台回复“mosaic”获取。

我们的图片集存在images目录下，下面的代码加载目录下所有的图片，并缩放成统一的尺寸

import re

import os

import cv2

import numpy as np

from tqdm import tqdm

IMG_DIR = "images"

def load_all_images(tile_row, tile_col):

img_dir = IMG_DIR

filenames = os.listdir(img_dir)

result = []

print(len(filenames))

for filename in tqdm(filenames):

if not re.search( ".jpg" , filename, re.I):

continue

try :

filepath = os.path.join(img_dir, filename)

im = cv2.imread(filepath)

row = im.shape[ 0 ]

col = im.shape[ 1 ]

im = resize(im, tile_row, tile_col)

result.append(np.array(im))

except Exception as e:

msg = "error with {} - {}" .format(filepath, str(e))

print(msg)

return np.array(result, dtype=np.uint8)

这里load_all_images函数的参数就是统一后的尺寸，tile_row和tile_col分别对应高和宽。

下面的代码对要转换的图片进行分割

img = cv2.imread(infile)

tile_row, tile_col = get_tile_row_col(img.shape)

for row in range( 0 , img_shape[ 0 ], tile_row):

for col in range( 0, img_shape[ 1], tile_col):

roi = img[row:row+tile_row,col:col+tile_col,:]

我们将要转换的图片分割成一个个小方格，tile_row和tile_col是小方格的高和宽，roi存取小方格中的图片数据。

下面是计算两张图片相似度的函数

from scipy.spatial.distance import euclidean

def img_distance(im1, im2):

if im1.shape != im2.shape:

msg = "shapes are different {} {}".format(im1.shape, im2.shape)

raise Exception(msg)

array1 = im1.flatten()

array2 = im2.flatten()

dist = euclidean(array1, array2)

return dist

im1和im2是两张图片的数据，图片数据是一个三维的numpy数组，这里我们将三维数组转换成一维数组后，比较两者的欧式距离。之后要找出最相似的图片，只需遍历图片集中所有的图片，找到距离最短的那张图片，去替换原图中的小方格就可以了。

我们再来看一下最终实现的效果

放大图中局部的细节如下

如果对图片的画质不满意，想要更精细的画质，可以考虑在分割的时候把图片分割成更小的方格，不过这样也会增加程序运行的时间。

生成图片的过程比较耗时，考虑到性能原因，原程序中使用多进程的方式并行处理。

原文发布时间为：2018-09-17

本文作者：shenzhongqiang

本文来自云栖社区合作伙伴“Python爱好者社区”，了解相关信息可以关注“Python爱好者社区”。