[Python还能干嘛]微信好友头像完成马赛克拼图～

马赛克拼图

何谓马赛克拼图，简单来说就是将若干小图片平凑成为一张大图，如下图路飞一样，如果放大看你会发现里面都是一些海贼王里面的图片。

LUFFY

Our Traget

• 爬取所有微信好友的头像🕺🏻🕺🏻🕺🏻
• 将所有微信好友头像拼凑成一张图片🏙🏙🏙
• 然后就可以去朋友圈愉快的装逼了🤪🤪🤪

Requirements

其实整个项目很小，项目总共代码量不过100行左右。

• 爬取微信头像依赖第三方库itchat；
• 马赛克拼图依赖依赖numpy和PIL库。

Content

爬取微信好友头像

我这边是用的所有微信好友头像作为的数据源，你们如果有其他的数据源也可以的，可以直接跳过这步。
爬取微信好友头像我使用的是itchat，里面已经有封装好了的API，直接调用就可以，将所有的好友头像保存到一个文件夹供后期调用。

• 代码部分

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Author  : AwesomeTang
# @File    : Wechat_Icon.py
# @Version : Python 3.7
# @Time    : 2019-06-29 23:35

import os
import itchat

itchat.login()

friends = itchat.get_friends(update=True)

base_folder = 'wechat'
if os.path.isdir(base_folder):
    pass
else:
    os.mkdir(base_folder)

for item in friends:
    img = itchat.get_head_img(item['UserName'])

    # 使用用户昵称作为文件名
    path = os.path.join(base_folder, '{}.jpg'.format(item['NickName'].replace('/', '')))
    with open(path, 'wb') as f:
        f.write(img)
    print('{} 写入完成...'.format(item['NickName']))

• 实现效果

  
  

马赛克拼图

思路梳理

1. 选好你需要拼凑的图片，将其切割为若干小块，切割的越细生成的图片效果会更好。
   gay里gay气的示意图：
   

2. 分别去我们之前保存的图片中找与与之最相似的，最后将其拼接完成。

   
   

说起来好像很简单，但实际操作起来只能......

最相似的图片

聪明的你应该知道了，最麻烦的地方其实是怎么找到最相似的图片，什么切割图片，拼接图片都是没啥难度，寻找最相似的图片算法我是是参考了 阮一峰的博客。

• 轮廓

1. 将每张头像resize为（8，8），然后所有像素值的平均值。
2. 我们总共有64（即）个像素点，分别去与平均值比较大小，高于平均值的记为1，小于平均值的记为0，这样我们每张图片相当于得到了一个类似[0,1,1,0,1,0....0,1,1]的‘编码’。
3. 对于切割的小图片我们也进行上述操作，注意要保证是同一顺序（譬如从左上角到右下角），然后分别去与每个头像的‘编码’进行比较，这边在阮一峰的博客中是采用的计算汉明距离，我这边使用的就直接通过np.equal()计算相同的点了，取相同位数最多的那张头像即为最相似的图片。

不过我一步一步的操作完成之后得到的是如下效果：

你们能看出来是什么吗，然后我又......

• 颜色筛选
  然后静下来想想，以上方法能找到的只有轮廓最相似的头像，但要让拼凑起来像回事的话，其实颜色相似也很重要。
  那么颜色怎么筛选呢，其实很简单，我们之前不是求了平均值吗，所以我在对比编码之前先筛选了平均值差值绝对值最接近的50张图片，这样便能保证筛选的图片在主色调上会比较类似。

然后好像就成功了......

放大之后是这个效果：

然后便能去朋友圈愉快的装逼了😎😎😎

• Talk is cheap, show me the code.

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Author  : AwesomeTang
# @File    : Resemble.py
# @Version : Python 3.7
# @Time    : 2019-06-23 13:52


from PIL import Image
import os
import numpy as np


class Config:
    corp_size = 40
    filter_size = 50


def mapping_table(pic_folder='wechat'):
    """
    What this function do?
    1. transverse every image in PIC_FOLDER;
    2. resize every image in (8, 8) and covert into GREY;
    3. CODE for every image, CODE like [1, 0, 1, 1, 0....1]
    4. build a dict to gather all image and its CODE.
    :param pic_folder: path of pictures folder.
    :return: a dict
    """
    suffix = ['jpg', 'jpeg', 'JPG', 'JPEG', 'gif', 'GIF', 'png', 'PNG']
    if not os.path.isdir(pic_folder):
        raise OSError('Folder [{}] is not exist, please check.'.format(pic_folder))

    pic_list = os.listdir(pic_folder)
    results = {}
    pic_dic = {}
    for idx, pic in enumerate(pic_list):
        if pic.split('.')[-1] in suffix:
            path = os.path.join(pic_folder, pic)
            try:
                img = Image.open(path).resize((Config.corp_size, Config.corp_size), Image.ANTIALIAS).convert('L')
                results[idx] = pic_code(np.array(img.resize((8, 8), Image.ANTIALIAS)))
                pic_dic[idx] = img
            except OSError:
                pass
    return results, pic_dic


def pic_code(image: np.ndarray):
    """
    To make a one-hot code for IMAGE.
    AVG is mean of the array(IMAGE).
    Traverse every pixel of IMAGE, if the pixel value is more then AVG, make it 1, else 0.
    :param image: an array of picture
    :return: A sparse list with length [picture's width * picture's height].
    """
    width, height = image.shape
    avg = image.mean()
    one_hot = np.array([1 if image[i, j] > avg else 0 for i in range(width) for j in range(height)])
    return one_hot


class PicMerge:

    def __init__(self, pic_path, corp_size=20):
        self.mapping_table, self.pictures = mapping_table(pic_folder='wechat')
        self.picture = Image.open(pic_path).convert('L')
        self.corp_size = corp_size

    def corp(self):
        width, height = self.picture.size
        width = (width // Config.corp_size) * Config.corp_size
        height = (height // Config.corp_size) * Config.corp_size
        self.picture.resize((width, height), Image.ANTIALIAS)
        picture = np.array(self.picture)
        for i in range(width // Config.corp_size):
            for j in range(height // Config.corp_size):
                slice_mean = picture[i * Config.corp_size:(i + 1) * Config.corp_size,
                             j * Config.corp_size:(j + 1) * Config.corp_size].mean()
                candidate = sorted([(key_, abs(np.array(value_).mean() - slice_mean))
                                    for key_, value_ in self.pictures.items()],
                                   key=lambda item: item[1])[:Config.filter_size]
                slice_ = Image.fromarray(picture[i * Config.corp_size:(i + 1) * Config.corp_size,
                                         j * Config.corp_size:(j + 1) * Config.corp_size]).convert('L')
                one_hot = pic_code(np.array(slice_.resize((8, 8), Image.ANTIALIAS)))
                a = [(key_, np.equal(one_hot, self.mapping_table[key_]).mean()) for key_, _ in candidate]
                a = max(a, key=lambda item: item[1])
                picture[i * Config.corp_size:(i + 1) * Config.corp_size,
                j * Config.corp_size:(j + 1) * Config.corp_size] = self.pictures[a[0]]
        picture = Image.fromarray(picture)
        picture.show()
        picture.save('result.jpg')


if __name__ == "__main__":
    p = PicMerge(pic_path='WechatIMG97.jpeg')
    p.corp()

---

代码部分目前只完成灰度图片的，RGB模式下的暂未开整，搞定之后再继续更新。

skr~~ skr~~~