python 图像处理：一福变五福

旧城等待， 2022-03-21 07:54 189阅读 0赞

快过年了，各种互联网产品都出来撒红包。某宝一年一度的集五福（shua hou）活动更是成为每年的必备活动。虽然到最后每人大概也就分个两块钱，但作为一个全民话题，大多数人还是愿意凑凑热闹。毕竟对于如今生活在大城市的人来说，集福领红包和空荡的地铁车厢或许已是最大的“年味”了。

既然是凑热闹，怎么能少得了我。前年过年发过一篇：《[一行代码扫出“敬业福”][Link 1]》，介绍的是 **OCR 文字识别**的使用。今年再来对“福”字做文章，演示下如何**用 python 的图像处理功能，把一幅“福”字图片转出 5 种不同的效果**：

![v2-0f257ec7a2527670e7f019cb3acae959_b.jpg][]

python 最图像处理最常用的两个模块是 **PIL** 和 **OpenCV**，这里我们选择 OpenCV。

读取图片及展示代码：

import cv2
    from matplotlib import pyplot as plt
    img = cv2.imread('fu.png')
    # 转换颜色模式，显示原图
    img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    plt.imshow(img)
    plt.show()

因为 **OpenCV** 和 **matplotlib** 的**颜色模式**不一样，所以需要做一次转换，如果是直接通过 cv2 展示和保存图片则不需要。

上面的效果分别用到了以下功能：

**1、灰度福**

这里没有选择直接将图片转出灰度图，因为这样会导致福字不明显。而是通过将**红、绿、蓝三通道分离**后，选择色差最大的红色通道。

r,g,b = cv2.split(img)

**2、轮廓福**

使用了 OpenCV 自带的**图像轮廓提取**功能。为了更好的效果，这里**对红色通道进行二值化**后，再查找轮廓。

_, img_bin = cv2.threshold(r, 50, 255, cv2.THRESH_BINARY)
    _, contours, _ = cv2.findContours(img_bin, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    img_cont = np.zeros(img_bin.shape, np.uint8)    
    cv2.drawContours(img_cont, contours, -1, 255, 3)

**3、反色福**

发色的实现是将每个像素值 `x` 转成 `255-x`。如果遍历像素计算会比较慢，于是用了一个小技巧：**转成 numpy 的 ndarray 再进行矩阵运算**。

img_i = np.asarray(img)
    img_i = 255 - img_i

**4、膨胀福**

这里其实是“**图像腐蚀**”操作（与“**图像膨胀**”操作相反）。因为在我们选取的红色通道中，白色是背景，黑色才是福字，所以对白色的“腐蚀”也就是对黑色的“膨胀”。这也是 OpenCV 的内置功能。做完这一步，又对图像进行了切割，直接通过列表的切片操作实现。

kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(25, 25))
    eroded = cv2.erode(r, kernel)
    size = img.shape
    eroded = eroded[int(size[1]*0.15):int(size[1]*0.7),int(size[0]*0.2):int(size[0]*0.85)]

**5、福到了**

OpenCV 提供了**翻转**操作，第二个参数是**旋转轴**的选取，你可以试试 0 和 1 的效果。

img_r = cv2.flip(img, -1)

完整代码可以在公众号（**Crossin的编程教室**）里回复关键字：**五福**

以上就是我送给大家的 5 个福。试过了，都能被扫出来。我已集齐

![v2-972ea6a385c788157bd426c27056318f_b.jpg][]

如果你还没凑齐，可以扫这个图。祝大家新年有福气！

![v2-f190b864c0d081d31a97a6d0506675df_b.jpg][]

════

*其他文章及回答：*

欢迎搜索及关注公众号：**Crossin的编程教室**

![154816tsh373rusgwbxs7w.png][]

[Link 1]: https://zhuanlan.zhihu.com/p/25009370
[v2-0f257ec7a2527670e7f019cb3acae959_b.jpg]: http://crossin-forum.b0.upaiyun.com/upload-by-code/20190131/v2-0f257ec7a2527670e7f019cb3acae959_b.jpg
[v2-972ea6a385c788157bd426c27056318f_b.jpg]: http://crossin-forum.b0.upaiyun.com/upload-by-code/20190131/v2-972ea6a385c788157bd426c27056318f_b.jpg
[v2-f190b864c0d081d31a97a6d0506675df_b.jpg]: http://crossin-forum.b0.upaiyun.com/upload-by-code/20190131/v2-f190b864c0d081d31a97a6d0506675df_b.jpg
[Python]: https://www.zhihu.com/question/20702054/answer/19022301
[Link 2]: https://zhuanlan.zhihu.com/p/25824007
[Link 3]: https://zhuanlan.zhihu.com/p/34685564
[Python 1]: http://zhuanlan.zhihu.com/p/36064871
[Link 4]: https://zhuanlan.zhihu.com/p/36581953
[Link 5]: http://zhuanlan.zhihu.com/p/28726244
[Python 2]: https://zhuanlan.zhihu.com/p/37664927
[requests]: https://zhuanlan.zhihu.com/p/38466193
[Link 6]: https://zhuanlan.zhihu.com/p/49957946
[Link 7]: https://zhuanlan.zhihu.com/p/53881072
[Python 3]: https://zhuanlan.zhihu.com/p/54335457
[Link 8]: https://zhuanlan.zhihu.com/p/54436238
[154816tsh373rusgwbxs7w.png]: http://crossin-forum.b0.upaiyun.com/forum/201806/28/154816tsh373rusgwbxs7w.png