快过年了，各种互联网产品都出来撒红包。某宝一年一度的“集五福活动”更是成为每年的必备活动之一。
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。
之前我（GitPython公众号）发过一篇：《10几行代码，用python打造实时截图识别OCR》，介绍的是OCR文字识别的使用。
本篇文章再来对“福”字做文章，演示下如何用python图像处理功能，把一幅“福”字图片转出 5 种不同的效果：
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：
01
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)
02
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)
03
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
04
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)]
05
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)