千图成像python_爬取英雄联盟所有皮肤图片实现千图成像！Python真强！！

前文

本文主要分为两个部分

一部分是爬虫，这边是选择爬取英雄联盟官网英雄资料中的英雄皮肤图片，如下为新英雄seraphine的页面，包含英雄对应的所有皮肤；

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

另一部分是图片的合成，先将所有英雄皮肤图片拼接成为一张图作为背景，然后与另一张图片进行合成，效果如下：

爬虫

思路整理

F12打开控制台后刷新页面(https://lol.qq.com/data/info-defail.shtml?id=147)，既然是找图片，直接在img标签下找就好了；

获取到图片的地址之后(https://game.gtimg.cn/images/lol/act/img/skin/big147001.jpg)，接着再往下找，在xhr标签下，找到了包含皮肤图片地址的接口(https://game.gtimg.cn/images/lol/act/img/js/hero/147.js)，测试一下，可以直接访问，没啥限制；

多看几个英雄的页面就能发现，这个147其实就是对应英雄的ID，如果我们有英雄的ID，直接拼接成新的接口地址就可以，接着继续往下找能获取英雄ID的接口；

在资料库首页刷新，有个叫hero_list(https://game.gtimg.cn/images/lol/act/img/js/heroList/hero_list.js)的就很明显，从返回的内容来看，确实包含了我们需要的英雄ID；

这样思路就很清晰了，先从hero_list获取所有英雄的ID，然后拼接成单个英雄信息的接口访问获取到皮肤图片的地址，下载图片完事～

完整代码

为了速度快点，加了一个异步，实测6S爬取完所有的皮肤～

#!/usr/bin/env python

# -*- coding: utf-8 -*-

# @Author  : AwesomeTang

# @File    : crawler.py

# @Version : Python 3.7

# @Time    : 2020-11-06 23:05

import requests

import asyncio

import os

from aiohttp import ClientSession

import aiohttp

import json

from datetime import datetime

async def skins_downloader(semaphore, hero_id, hero_name):

async with semaphore:

url = 'https://game.gtimg.cn/images/lol/act/img/js/hero/{}.js'.format(hero_id)

dir_name = 'skins/{}'.format(hero_name)

if not os.path.exists(dir_name):

os.mkdir(dir_name)

async with ClientSession(connector=aiohttp.TCPConnector(ssl=False)) as session:

async with session.get(url) as response:

response = await response.read()

for skin in json.loads(response)['skins']:

if skin['mainImg']:

img_url = skin['mainImg']

# kda女团皮肤名带斜杠，replace掉

path = os.path.join(dir_name, '{}.jpg'.format(skin['name'].replace('/', ''), ))

async with session.get(img_url) as skin_response:

with open(path, 'wb') as f:

print('\rDownloading [{:^10}] {:<20}'.format(hero_name, skin['name']), end='')

f.write(await skin_response.read())

def hero_list():

return requests.get('https://game.gtimg.cn/images/lol/act/img/js/heroList/hero_list.js').json()['hero']

async def run():

semaphore = asyncio.Semaphore(30)

heroes = hero_list()

tasks = []

for hero in heroes:

tasks.append(asyncio.ensure_future(skins_downloader(semaphore, hero['heroId'], hero['title'])))

await asyncio.wait(tasks)

if __name__ == '__main__':

start_time = datetime.now()

loop = asyncio.get_event_loop()

loop.run_until_complete(run())

loop.close()

end_time = datetime.now()

time_diff = (end_time - start_time).seconds

print('\nTime cost: {}s'.format(time_diff))

每个英雄对应一个文件夹～

图片合成

图片尺寸处理

因为最后图片合成需要保持一样的尺寸，所以第一步我们先把主图的尺寸resize成我们想要的；

英雄皮肤的图片都是980*500，我们把皮肤图片尺寸缩小10倍也就是98*50，然后保证每行有50张子图，这样便得到了我们需要resize的宽度(98*50)，然后根据主图本身的长宽比计算出我们需要resize的高度，具体代码如下：

mask_img = Image.open('/home/kesci/work/skins/league of legend.jpeg')

# 获取图片本身宽度、高度

width, height = mask_img.size

# 计算resize后的尺寸，注意取整

to_width = 98 * 50

to_height = ((to_width / width) * height // 50) * 50

mask_img = mask_img.resize((int(to_width), int(to_height)), Image.ANTIALIAS)

# 显示图片

plt.figure(figsize=(25,15))

plt.imshow(mask_img)

plt.axis('off')

plt.show()

子图拼接

接下来便是把英雄图片拼接成一张图片，尺寸与之前主图尺寸保持一致；

读取所有皮肤图片将尺寸resize为98*50，转为np.array格式缓存到list中共后面调用；

skin_array_collection = []

for fpath, dirname, fnames in os.walk('/home/kesci/work/skins'):

if not dirname:

for fn in fnames:

try:

skin_array_collection.append(np.array(Image.open(os.path.join(fpath, fn)).convert('RGB').resize((98, 50), Image.ANTIALIAS)))

except OSError:

print('读取文件出错：「{}」'.format(os.path.join(fpath, fn)))

将刚刚的array随机组合到一起，转为图片就好了～

w_times, h_times = int(to_width / 98), int(to_height / 50)

bg_img = np.zeros_like(np.array(mask_img))

for i in tqdm(range(w_times), desc='MERGE'):

for j in range(h_times):

bg_img[j * 50:(j + 1) * 50, i * 98:(i + 1) * 98, :] = random.choice(skin_array_collection)

bg_img = Image.fromarray(bg_img)

# 显示图片

plt.figure(figsize=(25,15))

plt.imshow(bg_img)

plt.axis('off')

plt.show()

图片合成

这边使用了Pillow中的Image.blend，将主图和刚才生成的皮肤背景图合成到一起，通过alpha参数控制背景的透明程度；

img = Image.blend(bg_img, mask_img, alpha=0.8)

img.save('/home/kesci/work/skins/out_put.jpeg')

# 显示图片

plt.figure(figsize=(25,15))

plt.imshow(img)

plt.axis('off')

plt.show()

效果如下：