首先讓我祭出一張數(shù)學(xué)王子高斯的照片，這位印在德國馬克上的神人有多牛呢? 他是近代數(shù)學(xué)的奠基人之一，與牛頓, 阿基米德并稱頂級(jí)三大數(shù)學(xué)家，隨便找一個(gè)編程語言的數(shù)學(xué)庫，里面一定有和他名字相關(guān)的一堆函數(shù)。

開始正文之前，讓我們再來膜拜一下19歲的高斯如何用一把圓規(guī)和沒有刻度的尺子畫出正十七邊形。

下面我就拿高斯這張肖像畫作為示例如何用Python將他帽子的顏色換了。

計(jì)算機(jī)分析圖片不可能像人類的肉眼一樣進(jìn)行觀察，再用右腦進(jìn)行思考，它能識(shí)別的只有數(shù)字，下面我們從計(jì)算機(jī)的角度來對圖片做一個(gè)簡單的認(rèn)知。

機(jī)器的認(rèn)知中任何一個(gè)圖片都是由很多像素排列組成，每個(gè)像素點(diǎn)就是圖片組成的最小原子，因此圖片可以看作是一個(gè)二維數(shù)組，包含坐標(biāo)和顏色。

其中坐標(biāo)可以繼續(xù)拆成一個(gè)二維數(shù)組分別是X軸和Y軸，而顏色用RGB來表示則可拆解為紅綠藍(lán)三維數(shù)組。

我先用python來幾行簡單代碼把數(shù)學(xué)王子的照片轉(zhuǎn)化為數(shù)組看看到底是什么內(nèi)容。

看看打印結(jié)果的輸出，這張圖的像素有607行(寬度)，474列(高度)，也就是287718個(gè)像素組成了這張圖片。我再用photoshop打開這張圖片看看像素大小，完全匹配。

打印像素

核對像素

接下來再來幾行代碼把整張圖片的矩陣打印出來看看，同時(shí)用photoshop框選一下高斯帽子的范圍，大概是兩個(gè)矩形的拼接，在此范圍內(nèi)我也挑幾個(gè)點(diǎn)(帽子，皮膚，背景)打印出來看看。為何是兩個(gè)矩形? 因?yàn)榇笊竦难壑橐彩呛谏兔弊颖容^相似，所以繞道劃取范圍。

選取范圍

采樣打印

打印矩陣

簡單分析一下規(guī)律，其實(shí)帽子，背景，皮膚的顏色色差還是比較明顯的。為了讓帽子從黑色變成紅色就把RGB定為(200, 20, 20)先來兩個(gè)兩重循環(huán)把兩個(gè)長方形拼接的范圍都替換掉，重新調(diào)出圖片看看效果，已經(jīng)成功刷上紅色了，接下來就要看如何更精準(zhǔn)的上色。

接下來判斷一下這個(gè)范圍內(nèi)的像素顏色哪些應(yīng)該替換哪些應(yīng)該保留。隨便根據(jù)經(jīng)驗(yàn)設(shè)置一下參數(shù)，看看效果再調(diào)整幾次。

我選擇的判斷條件是RGB均小于45， 比較保守，因?yàn)楫嫸嗔吮容^麻煩，畫少了還可以修復(fù)。運(yùn)行一下，果然按這個(gè)參數(shù)上色后覆蓋不均勻，于是我加了個(gè)簡單粗暴的顏色擴(kuò)散方法，判斷一下左右兩邊或者上下是否有紅色，有則替換當(dāng)前像素為紅色。對比間距從大到小(10, 5, 2)修復(fù)了三次后效果就差不多了。

到此為止帽子的邊緣還比較毛糙，顏色擴(kuò)散的方式也比較粗暴，下一篇再研究如何用OpenCV的Canny Edge Detection勾畫圖案邊緣，用Gaussian Blurring(看，高斯的名字又出現(xiàn)了)平滑處理交界處。

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評論