图像处置惩罚：Tiler制作你的专属卡通头像和LOGO(圣诞特殊篇)

0 媒介

   Tiler是一种使用各种其他较小图像平铺创建新图像的工具，它与其他马赛克工具差别，由于它可以顺应多种形状、大小、方向的贴图，称为buil in build。Tiler的英文意思是瓷砖，可以把它想象成用一个个自界说的瓷砖铺满图像的过程。通过使用Tiler最终可以达到像素风或文字云，适当用来制作本身的LOGO或头像
  体现图如下所示，正幸亏圣诞节前后，我调了一个圣诞风格的LOGO

这是用我的天下像素格做的蛋糕

这是贸易图标制作

1 安装与贴图

Tiler的安装非常简单

1. git clone https://github.com/nuno-faria/tiler.git
2. cd tiler
3. pip install -r requirements.txt

复制代码

内置以下的贴图
贴图文件夹含义样例at@circles圆形clips回形针hearts心形lego乐高lines线条minecraft我的天下plus加号times乘号waves波浪线 2 算法原理

2.1 盘算像素频率

由于最终选择的贴图颜色要和原图相近，否则会很违和，以是在算法开始前要盘算图像的相对像素频率

1. def mode_color(img, ignore_alpha=False):
2.     counter = defaultdict(int)
3.     total = 0
4.     for y in img:
5.         for x in y:
6.             if len(x) < 4 or ignore_alpha or x[3] != 0:
7.                 counter[tuple(x[:3])] += 1
8.             else:
9.                 counter[(-1,-1,-1)] += 1
10.             total += 1
12.     if total > 0:
13.         mode_color = max(counter, key=counter.get)
14.         if mode_color == (-1,-1,-1):
15.             return None, None
16.         else:
17.             return mode_color, counter[mode_color] / total
18.     else:
19.         return None, None

复制代码

2.2 盘算像素相对间隔

常用的间隔度量方法是闵可夫斯基间隔
                                                    d                               i                               s                               t                                                 (                                           x                                  i                                          ,                                           x                                  j                                          )                                      =                                                   ∥                                               x                                     i                                              −                                               x                                     j                                              ∥                                          p                                      =                                                   (                                               ∑                                     u                                                                                     ∣                                                       x                                                           i                                              u                                                                     −                                                       x                                                           j                                              u                                                                     ∣                                                  p                                              )                                                      1                                  /                                  p                                                 ,                            p                            ⩾                            1                                  \mathrm{dist}\left( \boldsymbol{x}_i,\boldsymbol{x}_j \right) =\left\| \boldsymbol{x}_i-\boldsymbol{x}_j \right\| _p=\left( \sum\nolimits_u^{}{|x_{iu}-x_{ju}|}^p \right) ^{{{1}/{p}}}, p\geqslant 1                     dist(xi​,xj​)=∥xi​−xj​∥p​=(∑u​∣xiu​−xju​∣p)1/p,p⩾1
特殊地，当                                   p                         =                         1                              p=1                  p=1时为曼哈顿间隔；当                                   p                         =                         2                              p=2                  p=2时为欧氏间隔；当                                   p                         =                         ∞                              p=\infin                  p=∞时为切比雪夫间隔。这里的间隔度量就采取了欧式间隔，表征了像素差

1. def color_distance(c1, c2):
2.     c1_int = [int(x) for x in c1]
3.     c2_int = [int(x) for x in c2]
4.     return math.sqrt((c1_int[0] - c2_int[0])**2 + (c1_int[1] - c2_int[1])**2 + (c1_int[2] - c2_int[2])**2)

复制代码

2.3 盘算符合贴图

将像素频率和相对间隔匹配起来，可以得到在这个位置上最符合的贴图

1. def most_similar_tile(box_mode_freq, tiles):
2.     if not box_mode_freq[0]:
3.         return (0, np.zeros(shape=tiles[0]['tile'].shape))
4.     else:
5.         min_distance = None
6.         min_tile_img = None
7.         for t in tiles:
8.             dist = (1 + color_distance(box_mode_freq[0], t['mode'])) / box_mode_freq[1]
9.             if min_distance is None or dist < min_distance:
10.                 min_distance = dist
11.                 min_tile_img = t['tile']
12.         return (min_distance, min_tile_img)

复制代码

3 配置功能

Tiler提供了以下功能，在conf.py文件中：

• DEPTH：颜色深度
  颜色深度也称为位分辨率(Bit Resolution)，指在位图图像或视频视频缓冲区的一个像素中，每个颜色分量(Red、Green、Blue、Alpha通道(的比特数。所谓“位”指的是二进制位或是比特，位分辨率决定可以标志为多少种色彩品级的大概性，位分辨率越大可体现的色彩越丰富
  
• ROTATIONS：旋转列表
  由于Tiler支持各种位姿的贴图，以是在这里界说大概的旋转角度，从这里可以看出Tiler比一般的马赛克风格工具自由度更大
  
• COLOR_DEPTH：同DEPTH
  
• RESIZING_SCALES：贴图的缩放列表，支持差别大小的贴图
  
• PIXEL_SHIFT：为创建每个框而移动的像素数
  
  
• OVERLAP_TILES ：是否支持重叠
  
• RENDER ：是否创建渲染
  
• POOL_SIZE ：处置惩罚图像的进程数
  
• OUT ：输出路径
  
• IMAGE_TO_TILE ：输入路径
  
• TILES_FOLDER：小图标路径
  

4 使用：以圣诞老人为例

我选择了这组参数

1. DEPTH = 4
2. ROTATIONS = [0]
3. COLOR_DEPTH = 32
4. RESIZING_SCALES = [0.1]
5. PIXEL_SHIFT = (20, 1)
6. OVERLAP_TILES = False
7. RENDER = False
8. POOL_SIZE = 8
9. OUT = 'out.png'
10. IMAGE_TO_TILE = "./images/santa-claus.png"
11. TILES_FOLDER = "./tiles/lines/gen_line_h"

复制代码

接着终端运行

1. python tiler.py

复制代码

即可生成如下的效果

更多玩法交给各人探索！
保举内容

• 本手、能手、俗手？我用AI写2022高考全国作文题，会被看出来？
  
• AI绘画忽然爆火？快速体验二次元画师NovelAI(diffusion)
  
• AI写代码、修Bug，以致还想统治人类？快速体验ChatGPT
  
• 吴恩达对话刘慈欣：让科幻更有勇气，让人工智能更有想象力
  

---