点击上方"蓝字",关注"Python当打之年"

大家好,我是欧K~
import cv2SRC = '00.jpg'image_rgb = cv2.imread(SRC)image_gray = cv2.cvtColor(image_rgb, cv2.COLOR_BGR2GRAY)image_blur = cv2.GaussianBlur(image_gray, ksize=(21, 21), sigmaX=0, sigmaY=0)image_blend = cv2.divide(image_gray, image_blur, scale=255)cv2.imwrite('002.jpg', image_blend)
效果:

原图

手绘
from MyQR import myqr# 生成二维码myqr.run(words='https://www.heywhale.com/home/column/60e2740e3aeb9c0017b967a2',save_name='可视化1.png')
效果:

2.2 生成带图片的二维码
# 生成带图片的二维码:myqr.run(words='https://www.heywhale.com/home/column/60e2740e3aeb9c0017b967a2', picture='00.jpg', colorized=True, contrast=1.0, brightness=1.0, save_name='可视化2.png')

2.3 生成动态二维码
# 生成动态二维码myqr.run(words='https://www.heywhale.com/home/column/60e2740e3aeb9c0017b967a2', picture='1.gif', colorized=True, contrast=1.0, brightness=1.0, save_name='可视化3.gif')
效果:

# 制作九宫格图片from PIL import Imageimport sysdefcreate_new_image(image): width, height = image.sizeif width > height: new_image = Image.new(image.mode, (width, width), color='white') new_image.paste(image, (0, int((width - height) / 2)))else: new_image = Image.new(image.mode, (height, height), color='white') new_image.paste(image, (int((height - width) / 2), 0))return new_image# 将图片切割成九宫格defget_9_images(image): width, height = image.size new_image_width = int(width / 3) boxs = []for i in range(0, 3):for j in range(0, 3): box = (j * new_image_width, i * new_image_width, (j + 1) * new_image_width, (i + 1) * new_image_width) boxs.append(box) images = [image.crop(box) for box in boxs]return images# 保存图片defsave_images(image_list): index = 1for image in image_list: image.save('00'+str(index) + '.png', 'PNG') index += 1image = Image.open("girl.jpg")image = create_new_image(image)image_list = get_9_images(image)save_images(image_list)
效果:

import colorsysfrom PIL import Image# 输入文件filename = '00.jpg'# 目标色值# Hue 为 0 代表红色,120 代表绿色,240 代表蓝色。我们可以自定义 0-355 这 360 个数值,实现不同的色调转换target_hue = 10# 读入图片,转化为 RGB 色值image = Image.open(filename).convert('RGB')# 将 RGB 色值分离image.load()r, g, b = image.split()result_r, result_g, result_b = [], [], []hc = 255.# 依次对每个像素点进行处理for pixel_r, pixel_g, pixel_b in zip(r.getdata(), g.getdata(), b.getdata()):# 转为 HSV 色值 h, s, v = colorsys.rgb_to_hsv(pixel_r / hc, pixel_b / hc, pixel_g / hc)# 转回 RGB 色系 rgb = colorsys.hsv_to_rgb(target_hue / hc, s, v) pixel_r, pixel_g, pixel_b = [int(x * hc) for x in rgb]# 每个像素点结果保存 result_r.append(pixel_r) result_g.append(pixel_g) result_b.append(pixel_b)r.putdata(result_r)g.putdata(result_g)b.putdata(result_b)# 合并图片image = Image.merge('RGB', (r, g, b))# 输出图片image.save('005.jpg')
效果:



以上就是本期为大家整理的全部内容了,喜欢的朋友可以点赞、点在看
也可以分享让更多人知道。
往期推荐
源码下载 | 【01-50】Pthon可视化系列文章资源(源码+数据)
可视化系统04 | 基于Python的房天下网房屋数据分析预测系统
可视化系统01 | 豆瓣电影Top250数据分析系统+数据库案例
64 | Pandas+Pyecharts | 全国瑞幸咖啡VS星巴克门店数据分析可视化
63 | Pandas+Pyecharts | 泡泡玛特微博热搜评论数据分析可视化
62 | Pandas+Pyecharts | 智联招聘大数据岗位数据分析可视化
61 | 基于Apriori算法及帕累托算法的超市销售数据分析可视化
56 | 2024年中国500强企业数据分析可视化分析可视化
53 | 基于Lasso回归和随机森林的上海链家二手房房价预测
52 | 基于KNN近邻和随机森林模型对用户转化进行分析与预测
Pandas+Pyecharts | 全国热门旅游景点数据分析可视化
可视化 | 分享一套Flask+Pyecharts可视化模板

