Sryml's blog 编程改变世界

Python - 批量生成幻影坦克图片

2019-03-27 09:28
Sryml

说到幻影坦克,我就想起红色警戒里的……

幻影坦克(Mirage Tank),《红色警戒2》以及《尤里的复仇》中盟军的一款伪装坦克,盟军王牌坦克之一。是爱因斯坦在德国黑森林中研发的一种坦克。虽然它无法隐形,但它却可以利用先进的光线偏折原理可以伪装成树木(岩石或草丛)来隐藏自己。
在一些MOD中,幻影坦克可以选择变换的树木,这样便可以和背景的树木融合,而不会令人生疑。

额!这是从什么百科ctrl+v过来的吗。我跟你说个P~ UBG
不过话说回来,里面有一句说到和背景融合,这大概就是这种图片的原理所在了。
一些聊天软件或网站总是以白色背景和黑色背景(夜间模式)显示图片,你在默认的白色背景下看到一张图(图A),但是点击放大却变成另一张图(图B)。这是因为查看详情使用的背景是黑色背景。

之前在网上看到用PS制作幻影坦克效果图的方法,了解到几个图层混合模式的公式,也录制过PS动作来自动化操作。但总感觉不够效率,作为极客嘛,当然是要用代码来完成这些事情。

这个脚本生成的最终效果:
点击放大查看,这类图片使用手机QQ浏览效果最佳
幻影坦克效果


一、准备图片

  • 创建一个文件夹Import,将你要处理的所有图片都放到这个文件夹里
  • 图片的命名方式:
    • 白色背景显示图A、黑色背景显示图B这种形式的,图B的文件名字是图A的名字加后缀_d
      例如,图A为1.png,图B则为1_d.png,与之配对成为一组即可
    • 表面是白色图片(图A),点击显示隐藏图片(图B)。这里并不需要你指定一张白色图片,不需要更改图片名字,程序找不到与之配对的后缀_d图片,会自动生成白色图片(图A)
    • 相反的,表面看是图片(图A),点击却消失成纯黑色(图B)。只需要在图片名字加后缀_black

二、Python+PIL代码实现过程

Ⅰ. 初始化

注:脚本文件与 Import文件夹在同一目录

  • 运行,导入模块,定义变量,创建导出目录Export,并将工作目录切换到Import

    # -*- coding: utf-8 -*-
    # python 3.7.2
    # 2019/04/21 by sryml.
    
    import os
    import math
    
    from timeit import timeit
    from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor
    from multiprocessing import cpu_count
    
    #
    import numba as nb
    import numpy as np
    
    from PIL import Image
    
    
    # ---
    IMPORT_FOLDER = 'Import'
    EXPORT_FOLDER = 'Export'
    IMAGE_FILES = []
    
    #
    ALIGN2_A = 0
    ALIGN2_B = 1
    ALIGN2_MAX = 'max'
    
    NO_MODIFT = 0
    STRETCH = 1
    CONSTRAINT_RATIO = 2
    
    # ---
    
    
    if __name__ == '__main__':
        if not os.path.exists(EXPORT_FOLDER):
            os.makedirs(EXPORT_FOLDER)
        os.chdir(IMPORT_FOLDER)
    


Ⅱ. 将所有要处理的图片文件添加到列表

  • 执行all_img2list()
    获取当前目录(Import)所有文件,按名字升序排序。将后缀带_d的图B与图A配对一组,白图到原图,原图到黑图的图片也进行相关标记并存到一个列表。每个元组将生成一张幻影坦克图片

    def all_img2list():
        global IMAGE_FILES
        IMAGE_FILES= []
        Imgs = os.listdir('./')
        Imgs.sort(key= lambda i: os.path.splitext(i)[0])
          
        for i in Imgs:
            name = os.path.splitext(i)
            imgB= name[0]+'_d' + name[1]
              
            if imgB in Imgs:
                Imgs.remove(imgB)
                img_group= (i,imgB)
            elif name[0][-6:].lower() == '_black':
                img_group= (i,'_black')
            else:
                img_group= (i,None)
                  
            IMAGE_FILES.append(img_group)
    


Ⅲ. 自动化处理,多进程任务分配

  • 执行AutoMTank()
    不想让cpu满载运行,进程数量为cpu总核心减1,将列表里所有元组分成N等份集合的列表task_assign(N为进程数量)

    def AutoMTank():
        cpu  = cpu_count()-1
        pool = ProcessPoolExecutor(cpu) #max_workers=4
        L    = IMAGE_FILES
        F    = int(len(L)/cpu)
        task_assign = [L[n*F:] if (n+1)==cpu else L[n*F:(n+1)*F] for n in range(cpu)]
        results = list(pool.map(FlashMakeMTank, task_assign))
    
        pool.shutdown()
              
        print ('\n%d辆幻影坦克制作完成!' % len(IMAGE_FILES))
    
  • 每个进程对接到的任务列表进行多线程处理:FlashMakeMTank
    因为是图片算法处理,属于计算密集型,线程数量不需要太多。经过测试多线程还是有点效率提升的,线程数就设置为cpu核心数吧。

    def FlashMakeMTank(task):
        pool = ThreadPoolExecutor(cpu_count())
        results = list(pool.map(MakeMTank, task))
        pool.shutdown()
    


Ⅳ. 盟军战车工厂

  • 每个线程都将它接到的任务 - 图片组丢给我们的盟军战车工厂:MakeMTank 来生产幻影坦克
  • 开头是打开图A和图B文件对象赋值给imgAimgB,判断到那些想要白图到原图效果的图片,则在内存中生成一张纯白色的图片对象赋值给imgA原图到黑图则生成纯黑色图片对象赋值给imgB
  • 别以为这战车工厂看起来这么短,实际上算法都是通过调用函数获得返回结果,解释起来可有点费劲

    def MakeMTank(i_group):
        ratios= [0,0]
        align= []
        if not i_group[1]:
            imgB= Image.open(i_group[0])
            imgA= Image.new('L',imgB.size,(255,))
        elif i_group[1]=='_black':
            imgA= Image.open(i_group[0])
            imgB= Image.new('L',imgA.size,(0,))
        else:
            imgA= Image.open(i_group[0])
            imgB= Image.open(i_group[1])
            ratios= [0.5,-0.5] #明度比值
              
            # ALIGN2_MAX(取最大的宽和最大的高) ALIGN2_A(缩放到图A) ALIGN2_B(缩放到图B) 
            # NO_MODIFT(不修改)  STRETCH(拉伸)  CONSTRAINT_RATIO(约束比例)
            align= [ALIGN2_B, CONSTRAINT_RATIO]
              
        A_Size,B_Size= imgA.size,imgB.size
        img_objs= [imgA,imgB]
        for n,img in enumerate(img_objs):
            if img.mode== 'RGBA':
                img= img.convert('RGB')
            img_array= np.array(img)
            if img.mode != 'L' and ( [(img_array[:,:,i]==img_array[:,:,2]).all() for i in range(2)]!= [True,True] ):
                img= Desaturate(img_array) #去色
            else:
                img= img.convert('L')
                  
            if align and (A_Size!=B_Size):
                img= ImgAlign(n,img,A_Size,B_Size,align) #图像对齐
                          
            if ratios[n]:
                img= Lightness(img,ratios[n]) #明度
            img_objs[n]= img
              
        imgA,imgB = img_objs
          
        imgA = Invert(imgA) #反相
        imgO = LinearDodge(imgA, imgB) #线性减淡(添加)
        imgR = Divide(imgO, imgB) #划分
        imgR_mask = AddMask(imgR, imgO) #添加透明蒙版
    
        name= os.path.splitext(i_group[0])[0]
        imgR_mask.save('../'+EXPORT_FOLDER+'/' + name+'.png')
    
  • 图片对象打开完成之后呢,把它们放到一个列表里遍历它进行操作
  • 首先判断到图片模式是否为RGBA,最后的A表示这张图片是带有透明通道的。而我们的幻影坦克原理就是利用的透明通道,怎能让它来胡搅蛮缠呢,速速将它转换为RGB模式
  • 接着将图像对象转为数组,判断这张图片如果不是灰度模式并且还没有去色的情况下,那就要对它进行去色操作了。
    去完色的再将它转为灰度模式。

    有些人可能对灰度去色有什么误解,灰度 ≠ 去色,这是重点。虽然它们的结果都是灰色的图片,但是算法不一样,呈现的图片对比度也不一样,直接转成灰度的坦克是没有灵魂的。RGB图片直接转灰度会丢失一些细节,所以要对它进行去色操作。下面的操作都是仿照PS的步骤来处理了

  • (1) 去色函数:Desaturate
    • 公式:( max(r,g,b) + min(r,g,b) ) / 2
      每个像素取其RGB颜色中最大与最小值的均数
    • 这个函数接受一个数组参数

    例如某个像素RGB值(233,50,23),计算得出 (233+23) / 2 = 128,这时候此像素点三个通道都是同一个值(128,128,128)
    这个算法过程消耗的性能较多,像一张1000*1000的图片就得进行一百万次计算,因此我使用了numba.jit加速。
    对图片数组进行操作,使用argsort()将所有像素的RGB值从小到大排序并返回一个索引数组。
    uint8类型的值的范围在0~255,若计算出的值不在这范围则会抛出溢出错误,因此使用了int
    我创建了一个灰度图片数组data,将每一个对应像素的均值赋值给它,相当于去色后再转为灰度模式。
    最后返回由数组转换成的图片对象

    @nb.jit
    def Desaturate(img_array):
        idx_array = img_array.argsort()
        width   = img_array.shape[1]
        height  = img_array.shape[0]
        data    = np.zeros((height,width),dtype=np.uint8)
        for x in range(height):
            for y in range(width):
                idx= idx_array[x,y]
                color_min= img_array[x,y, idx[0]]
                color_max= img_array[x,y, idx[2]]
                data[x,y]= round( (int(color_min) + int(color_max)) / 2 )
        return Image.fromarray(data)
    


  • (2) 图像对齐:ImgAlign
    • 对齐方式(列表类型两个值)

      对齐目标 缩放图像
      ALIGN2_MAX 取最大的宽和最大的高 NO_MODIFT 不修改(缩小或仅画布)
      ALIGN2_A 图A STRETCH 拉伸
      ALIGN2_B 图B CONSTRAINT_RATIO 约束比例

      例如我要把图A对齐到图B且按比例缩放:mode = [ALIGN2_B, CONSTRAINT_RATIO]

    • 这个函数接受5个参数
      ①当前图片序号(0代表图A,1代表图B)
      ②当前图片对象
      ③ - ④图A和图B的尺寸
      ⑤对齐方式

    def ImgAlign(idx,img,A_Size,B_Size,mode):
        size= img.size
        old_size= (A_Size,B_Size)
    
        if mode[0]== ALIGN2_MAX:
            total_size= max(A_Size[0], B_Size[0]), max(A_Size[1], B_Size[1])
            if size != total_size:
                if mode[1]== STRETCH:
                    img= img.resize(total_size, Image.ANTIALIAS)
                else:
                    new_img= Image.new('L',total_size, (255 if idx==0 else 0,))
                    diff= (total_size[0]-size[0],total_size[1]-size[1])
                    min_diff= min(diff[0],diff[1])
                    if min_diff != 0 and mode[1]:
                        idx= diff.index(min_diff)
                        scale= total_size[idx] / size[idx]
                        resize= [total_size[idx], round(size[1-idx]*scale)]
                        if idx:
                            resize.reverse()
                        img= img.resize(resize, Image.ANTIALIAS)
                    new_img.paste(img, [(total_size[i]-img.size[i])//2 for i in range(2)])
                    img= new_img
        elif idx != mode[0]:
            total_size= old_size[mode[0]]
            if mode[1]== STRETCH:
                img= img.resize(total_size, Image.ANTIALIAS)
            else:
                new_img= Image.new('L',total_size, (255 if idx==0 else 0,))
                diff= (total_size[0]-size[0],total_size[1]-size[1])
                min_diff= min(diff[0],diff[1])
                if (min_diff > 0 and mode[1]) or (min_diff < 0):
                    idx= diff.index(min_diff)
                    scale= total_size[idx] / size[idx]
                    resize= [total_size[idx], round(size[1-idx]*scale)]
                    if idx:
                        resize.reverse()
                    img= img.resize(resize, Image.ANTIALIAS)
                new_img.paste(img, [(total_size[i]-img.size[i])//2 for i in range(2)])
                img= new_img
                  
        return img
    


  • (3) 明度函数:Lightness
    • 公式:255 * ratio + img * (1-ratio)
             0 * ratio + img * (1-ratio)
      为什么是两条公式呢,可以看到只有 255和 0的区别,一个是提高明度,一个是降低
    • 注意,明度 ≠ 亮度,用亮度做出来的坦克是畸形的。亮度对颜色0和255不会起任何作用,任你怎么加亮度,我白是白,黑仍然是黑。这又涉及到幻影坦克效果的原理了,图A每个像素值必须大于图B对应的像素值,否则将没有透明度效果。
    • 所以,最好的效果就是图A明度提高50%,图B降低50%
    • 这个函数接受2个参数
      ①图片对象
      ②明度比值(-1~1)
      尽量仿照PS的算法结果,提高明度的值为向下取整,降低明度为向上取整

      def Lightness(img,ratio):
          if ratio>0:
              return img.point(lambda i: int(i*(1-ratio) + 255*ratio))
          return img.point(lambda i: math.ceil(i*(1+ratio)))
      
    • 实际上这是图层的不透明度混合公式,PS中,明度的实现就是在当前图层的上方创建一个白色或黑色图层,然后调整其透明度即可。所以,
      明度调  100% 相当于白色图层的不透明度为100%,显示纯白
      明度调 -100% 相当于黑色图层的不透明度为100%,显示纯黑。

看到这里,要暂停一下了。是不是感觉说了这么多都没有提到幻影坦克的详细原理,是的,只有当你理解了PS的不透明度混合公式,你才能理解后面的步骤。

  • (3-x) 重点!!推导幻影坦克的原理……
    • 这里需要用到PS的几个图层混合模式
    • 不透明度混合公式:Img输出 = Img上 * o + Img下 * (1 - o)
      小字母o代表不透明度。想一想,把两张图片导入到PS,上面的图层命名为imgA,下面的图层为imgB。
      当imgA的不透明度为100%(o=1)时,根据图层混合公式得到img输出=imgA,也就是完全显示上层图像。
      当imgA的不透明度为0%(o=0)时,得到img输出=imgB,完全显示下层图像。
      当不透明度为50%,自然就看到了A与B的混合图像。

      但是我们要将这两张图给整进一张图里,然后在类似手机QQ这种只有白色背景和黑色背景的环境下,分别显示出imgA和imgB。听起来有点抽象,不要慌,我们来列方程。假设这张最终成果图为imgR

      ImgA = ImgR * o + 255 * (1 - o) 白色背景下
      ImgB = ImgR * o +     0 * (1 - o) 黑色背景下(点击放大后)

      这时候ImgR充当上图层(Img上)。它有一个固定不透明度o,或者说是它的图层蒙版(ImgO表示ImgR的蒙版),蒙版的像素值为0~255的单通道灰度色值。填充为黑色0相当于图层的不透明度为0%,填充为白色相当于图层不透明度为100%。那么这个固定不透明度 o 实际上就是 ⑨ o = ImgO / 255
      Img下就是聊天软件中的白色背景和黑色背景两种可能了。

    现在来解一下方程,由②得:

    <font size=3>ImgR = ImgB / o
    将⑨ o = ImgO / 255 代入得
    ImgR = ImgB / ImgO * 255</font>

    将③和⑨代入①得:

    <font size=3>ImgA = (ImgB / ImgO * 255) * (ImgO / 255) + 255 * (1 - ImgO / 255)
    ImgA = ImgB / ImgO * ImgO / 255 * 255 + 255 * (1 - ImgO / 255)

    ImgA = ImgB + 255*1 - 255*(ImgO / 255)
    ImgA = ImgB + 255 - ImgO

    ImgO = (255 - ImgA) + ImgB</font>

    那么现在,ImgB是我们已知的要在黑色背景下显示的图像,只要拿到ImgO就可以得出成品图ImgR了。
    (255 - ImgA) 这个是什么意思,就是PS中的反相操作啦。让我们回到代码操作

  • (4) 反相函数:Invert
    • 公式:255 - Img
      即对每个像素进行 255-像素值
      def Invert(img):
          return img.point(lambda i: 255-i)
      

      反ImgA = Invert(ImgA )
      然后这个反相后的ImgA(反ImgA)与ImgB相加,即PS中的线性减淡模式

  • (5) 线性减淡(添加):LinearDodge
    • 公式:Img上 + Img下
      def LinearDodge(imgA, imgB):
          size = imgA.size
          imgO = Image.new('L',size,(0,))
          pxA= imgA.load()
          pxB= imgB.load()
          pxO= imgO.load()
          for x in range(size[0]):
              for y in range(size[1]):
                  pxO[x,y] = (pxA[x,y]+pxB[x,y],)
          return imgO
      

      至此得到 ImgO = LinearDodge(反ImgA, ImgB)
      注:之前我们说过ImgA的所有像素值必须大于ImgB。如果小于或等于,那么反相后加自身(或加比自身大的值)就是255了。因为ImgO是成果图ImgR的透明蒙版,ImgO=255意味着不透明度为100%,就没有透明效果了。

      接着看方程式子③ ImgR = ImgB / ImgO * 255,这便是PS的一种图层混合模式划分

  • (6) 划分:Divide
    • 公式:Img下 / Img上 * 255
    • 几个注意的条件
      ①若混合色为黑色,基色非黑结果为白色、基色为黑结果为黑色(混合色是Img上,基色是Img下)
      ②若混合色为白色则结果为基色
      ③若混合色与基色相同则结果为白色
      不妨可以在PS中一试便知真假
      def Divide(imgO, imgB):
          size = imgB.size
          imgR = Image.new('L',size,(0,))
          pxB= imgB.load()
          pxO= imgO.load()
          pxR= imgR.load()
          for x in range(size[0]):
              for y in range(size[1]):
                  o=pxO[x,y]
                  b=pxB[x,y]
                  if o==0:
                      #如混合色为黑色,基色非黑结果为白色、基色为黑结果为黑色
                      color= (b and 255 or 0,)
                  elif o==255:
                      #混合色为白色则结果为基色
                      color=(b,)
                  elif o==b:
                      #混合色与基色相同则结果为白色
                      color=(255,)
                  else:
                      color=(round((b/o)*255),)
                  pxR[x,y] = color
          return imgR
      

      调用划分函数ImgR = Divide(ImgO, ImgB),终于,我们得到了梦寐以求的成果图ImgR
      但不要忘了它的不透明度,把ImgO添加为它的图层蒙版

  • (6) 最后:添加透明蒙版并保存
    def AddMask(imgR,imgO):
        img = imgR.convert("RGBA")
        img.putalpha(imgO)
        return img
    

    imgR_mask = AddMask(imgR, imgO)

    name= os.path.splitext(i_group[0])[0]
    imgR_mask.save('../'+EXPORT_FOLDER+'/' + name+'.png')
    

    保存在导出文件夹。。。

  • 个人感觉

    这个脚本生成的幻影坦克与PS做的相比就犹如真假美猴王一般,说到美猴王,我就想起……



三、完整代码文件

  • MirageTank.py
# -*- coding: utf-8 -*-
# python 3.7.2
# 2019/04/21 by sryml.

import os
import math

from timeit import timeit
from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor
from multiprocessing import cpu_count

#
import numba as nb
import numpy as np

from PIL import Image


# ---
IMPORT_FOLDER = 'Import'
EXPORT_FOLDER = 'Export'
IMAGE_FILES = []

#
ALIGN2_A = 0
ALIGN2_B = 1
ALIGN2_MAX = 'max'

NO_MODIFT = 0
STRETCH = 1
CONSTRAINT_RATIO = 2

# ---




### 图像对齐
def ImgAlign(idx,img,A_Size,B_Size,mode):
    size= img.size
    old_size= (A_Size,B_Size)

    if mode[0]== ALIGN2_MAX:
        total_size= max(A_Size[0], B_Size[0]), max(A_Size[1], B_Size[1])
        if size != total_size:
            if mode[1]== STRETCH:
                img= img.resize(total_size, Image.ANTIALIAS)
            else:
                new_img= Image.new('L',total_size, (255 if idx==0 else 0,))
                diff= (total_size[0]-size[0],total_size[1]-size[1])
                min_diff= min(diff[0],diff[1])
                if min_diff != 0 and mode[1]:
                    idx= diff.index(min_diff)
                    scale= total_size[idx] / size[idx]
                    resize= [total_size[idx], round(size[1-idx]*scale)]
                    if idx:
                        resize.reverse()
                    img= img.resize(resize, Image.ANTIALIAS)
                new_img.paste(img, [(total_size[i]-img.size[i])//2 for i in range(2)])
                img= new_img
    elif idx != mode[0]:
        total_size= old_size[mode[0]]
        if mode[1]== STRETCH:
            img= img.resize(total_size, Image.ANTIALIAS)
        else:
            new_img= Image.new('L',total_size, (255 if idx==0 else 0,))
            diff= (total_size[0]-size[0],total_size[1]-size[1])
            min_diff= min(diff[0],diff[1])
            if (min_diff > 0 and mode[1]) or (min_diff < 0):
                idx= diff.index(min_diff)
                scale= total_size[idx] / size[idx]
                resize= [total_size[idx], round(size[1-idx]*scale)]
                if idx:
                    resize.reverse()
                img= img.resize(resize, Image.ANTIALIAS)
            new_img.paste(img, [(total_size[i]-img.size[i])//2 for i in range(2)])
            img= new_img
            
    return img


### 去色
@nb.jit
def Desaturate(img_array):
    idx_array = img_array.argsort()
    width   = img_array.shape[1]
    height  = img_array.shape[0]
    data    = np.zeros((height,width),dtype=np.uint8)
    for x in range(height):
        for y in range(width):
            idx= idx_array[x,y]
            color_min= img_array[x,y, idx[0]]
            color_max= img_array[x,y, idx[2]]
            data[x,y]= round( (int(color_min) + int(color_max)) / 2 )
    return Image.fromarray(data)
                

### 明度
def Lightness(img,ratio):
    if ratio>0:
        return img.point(lambda i: int(i*(1-ratio) + 255*ratio))
    return img.point(lambda i: math.ceil(i*(1+ratio)))

    
### 反相
def Invert(img):
    return img.point(lambda i: 255-i)
    

### 线性减淡(添加)
def LinearDodge(imgA, imgB):
    size = imgA.size
    imgO = Image.new('L',size,(0,))
    pxA= imgA.load()
    pxB= imgB.load()
    pxO= imgO.load()
    for x in range(size[0]):
        for y in range(size[1]):
            pxO[x,y] = (pxA[x,y]+pxB[x,y],)
    return imgO

    
### 划分
def Divide(imgO, imgB):
    size = imgB.size
    imgR = Image.new('L',size,(0,))
    pxB= imgB.load()
    pxO= imgO.load()
    pxR= imgR.load()
    for x in range(size[0]):
        for y in range(size[1]):
            o=pxO[x,y]
            b=pxB[x,y]
            if o==0:
                #如混合色为黑色,基色非黑结果为白色、基色为黑结果为黑色
                color= (b and 255 or 0,)
            elif o==255:
                #混合色为白色则结果为基色
                color=(b,)
            elif o==b:
                #混合色与基色相同则结果为白色
                color=(255,)
            else:
                color=(round((b/o)*255),)
            pxR[x,y] = color
    return imgR

    
def AddMask(imgR,imgO):
    img = imgR.convert("RGBA")
    img.putalpha(imgO)
    return img



####
#### 将所有要处理的图片文件添加到列表
def all_img2list():
    global IMAGE_FILES
    IMAGE_FILES= []
    Imgs = os.listdir('./')
    Imgs.sort(key= lambda i: os.path.splitext(i)[0])
    
    for i in Imgs:
        name = os.path.splitext(i)
        imgB= name[0]+'_d' + name[1]
        
        if imgB in Imgs:
            Imgs.remove(imgB)
            img_group= (i,imgB)
        elif name[0][-6:].lower() == '_black':
            img_group= (i,'_black')
        else:
            img_group= (i,None)
            
        IMAGE_FILES.append(img_group)
    

def MakeMTank(i_group):
    ratios= [0,0]
    align= []
    if not i_group[1]:
        imgB= Image.open(i_group[0])
        imgA= Image.new('L',imgB.size,(255,))
    elif i_group[1]=='_black':
        imgA= Image.open(i_group[0])
        imgB= Image.new('L',imgA.size,(0,))
    else:
        imgA= Image.open(i_group[0])
        imgB= Image.open(i_group[1])
        ratios= [0.5,-0.5] #明度比值
        
        # ALIGN2_MAX(取最大的宽和最大的高) ALIGN2_A(缩放到图A) ALIGN2_B(缩放到图B) 
        # NO_MODIFT(不修改)  STRETCH(拉伸)  CONSTRAINT_RATIO(约束比例)
        align= [ALIGN2_B, CONSTRAINT_RATIO]
        
    A_Size,B_Size= imgA.size,imgB.size
    img_objs= [imgA,imgB]
    for n,img in enumerate(img_objs):
        if img.mode== 'RGBA':
            img= img.convert('RGB')
        img_array= np.array(img)
        if img.mode != 'L' and ( [(img_array[:,:,i]==img_array[:,:,2]).all() for i in range(2)]!= [True,True] ):
            img= Desaturate(img_array) #去色
        else:
            img= img.convert('L')
            
        if align and (A_Size!=B_Size):
            img= ImgAlign(n,img,A_Size,B_Size,align) #图像对齐
                    
        if ratios[n]:
            img= Lightness(img,ratios[n]) #明度
        img_objs[n]= img
        
    imgA,imgB = img_objs
    
    imgA = Invert(imgA) #反相
    imgO = LinearDodge(imgA, imgB) #线性减淡(添加)
    imgR = Divide(imgO, imgB) #划分
    imgR_mask = AddMask(imgR, imgO) #添加透明蒙版

    name= os.path.splitext(i_group[0])[0]
    imgR_mask.save('../'+EXPORT_FOLDER+'/' + name+'.png')


    
def FlashMakeMTank(task):
    pool = ThreadPoolExecutor(cpu_count())
    results = list(pool.map(MakeMTank, task))
    pool.shutdown()
    
        
def AutoMTank():
    cpu  = cpu_count()-1
    pool = ProcessPoolExecutor(cpu) #max_workers=4
    L    = IMAGE_FILES
    F    = int(len(L)/cpu)
    task_assign = [L[n*F:] if (n+1)==cpu else L[n*F:(n+1)*F] for n in range(cpu)]
    results = list(pool.map(FlashMakeMTank, task_assign))

    pool.shutdown()
        
    print ('\n%d辆幻影坦克制作完成!' % len(IMAGE_FILES))

        
    
# ---

def Fire():
    all_img2list()
    sec = timeit(lambda:AutoMTank(),number=1)
    print ('Time used: {} sec'.format(sec))
    s= input('\n按回车键退出...\n')



if __name__ == '__main__':
    if not os.path.exists(EXPORT_FOLDER):
        os.makedirs(EXPORT_FOLDER)
    os.chdir(IMPORT_FOLDER)
    
    while True:
        s= input('>>> 按F进入坦克:')
        if s.upper()== 'F':
            print ('少女祈祷中...')
            Fire() #开炮
            break
        elif not s:
            break

Similar Posts

Comments