python批量生成图片并保存_Python批量生成幻影坦克图片实例代码

前言

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。

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imgA和imgB，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。

有些人可能对灰度和去色有什么误解，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

① ImgA = ImgR * o + 255 * (1 - o)

白色背景下

② 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

而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：

ImgR = ImgB / o

将⑨ o = ImgO / 255 代入得

③ ImgR = ImgB / ImgO * 255

将③和⑨代入①得：

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

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

ImgA = ImgB + 2551 - 255(ImgO / 255)

ImgA = ImgB + 255 - ImgO

④ ImgO = (255 - ImgA) + ImgB

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了

(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

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对脚本之家的支持。