新的一年又要到来了，各个大的公司又在这年末为大家送上了新春的祝福，支付宝还是延续了这几年的传统，在年末为大家送上了集五福的活动，为了大家能更快更好的扫出来大大的“福”，今天就带领大家利用python做一个一“福”转“N”福的小demo。
先看效果图
首先，我们需要拿到一张大大的“福”字图片，然后，我们就可以对于这张图进行操作了。我们今天要实现的就是将一张“福”字转化为五种不同的风格技术面分析 ，现为大家呈上效果图。
灰度图
首先为大家展示的是灰度图，灰度图就是将彩色的RGB三通道图像，转化为单通道的灰色像，RGB三个通道的颜色通过比例系数进行相加。程序如下所示。
def Gray_fu(self):
gray_img = cv2.cvtColor(self.ori_img, cv2.COLOR_BGR2GRAY)
return gray_img
1
2
3
轮廓图
接下来是轮廓图，轮廓图需要输入一张灰度图像，首先是对图像进行滤波处理，去除噪声，然后针对于灰色的图片中像素突然变化的点来检测边缘，什么是边缘突然变化呢，参考我们的灰度图，灰度图中，“福”字的边缘同背景颜色出现了巨大的差异，这种差异就是寻找边缘轮廓的依据，程序如下图所示。
def Canny_fn(self):
img = cv2.cvtColor(self.ori_img, cv2.COLOR_BGR2GRAY)
img = cv2.GaussianBlur(img, (3, 3), 0)
canny_img = cv2.Canny(img, 50, 150)
return canny_img
1
2
3
4
5
反色
对于反色，理解起来并不难，就是用255减去将原图中的每一个像素值，得到的就是我们的反色，程序如下：
def invert_fu(self):
img = 255 - self.ori_img
return img
1
2
3
腐蚀图
对于腐蚀图，因为在我们选取的图像中，红色是背景，黑色才是福字，所以对红色进行膨胀也就是对黑色进行腐蚀。这也是 OpenCV 的内置功能。我们只需要调用opencv中的膨胀函数即可。
def dilate_fu(self):
img = cv2.cvtColor(self.ori_img, cv2.COLOR_BGR2GRAY)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
img = cv2.dilate(self.ori_img, kernel, iterations=1)
print(img.shape)
return img1
2
3
4
5
6
福到家
最后是我们的“福到家”，我们只需要将福字进行旋转即可。
def rotate_fu(self):
img = cv2.rotate(self.ori_img, 1)
return img
1
2
3
完整代码
import cv2
class Change_pic():
def __init__(self, img):
self.ori_img = cv2.imread(img)
def Gray_fu(self):
'''灰度图'''
gray_img = cv2.cvtColor(self.ori_img, cv2.COLOR_BGR2GRAY)
return gray_img
def Canny_fn(self):
'''轮廓图'''
img = cv2.cvtColor(self.ori_img, cv2.COLOR_BGR2GRAY)
img = cv2.GaussianBlur(img, (3, 3), 0)
canny_img = cv2.Canny(img, 50, 150)
return canny_img
def invert_fu(self):
'''反色tu'''
img = 255 - self.ori_img
return img
def dilate_fu(self):
'''腐蚀图'''
# img = cv2.cvtColor(self.ori_img, cv2.COLOR_BGR2GRAY)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
img = cv2.dilate(self.ori_img, kernel, iterations=1)
print(img.shape)
return img
def rotate_fu(self):
'''福到家'''
img = cv2.rotate(self.ori_img, 1)
return img