前言
當走上街頭時能隱約察覺到多了些許“紅白綠”的色彩，那是：聖誕老人、雪花❄️、聖誕樹。彌紅燈閃爍，各類促銷活動海報令郎滿目。沒有錯，聖誕節快來了~
從寫部落格開始，一路上得到了不少小夥伴的支援和鼓勵，而這周的總排名不偏不倚，恰好100名整。我想，這大概是某種巧合，更確切來說應該是一種激勵。近些日，嚴酷寒冬似乎柔情了許多，有了那麼幾日的柔柔暖陽，而我希望可以把這份溫暖也帶給大家。
我將用粉絲的頭像拼接出一幅聖誕樹，正所謂，“千圖成像，集萬千之美”。
原文地址：千圖成像！祝可愛的小夥伴們聖誕快樂_kimol君的部落格-CSDN部落格
一、聖誕樹圖片上傳失敗
重試
該圖的畫素為6200x10250，將其區域性放大後的效果為：
今天所用到的程式碼是比較通用的，只需要替換背景圖和圖片庫即可打造屬於你自己的專屬圖片。詳情分析，客觀您往下瞅瞅~
帥小夥！聖誕來襲，還不趕快用來表白一波，還在猶豫啥呢？
二、程式碼分析1.頭像爬取透過爬蟲將粉絲的頭像下載到本地，具體分析大家可以參考我之前的部落格【前方高能！看小夥是怎麼表白粉絲的】，完整程式碼如下：
# -*- coding: utf-8 -*-"""Created on Sat Oct 17 12:27:33 2020@author: kimol_love"""import requestsdef get_fansInfo(): ''' 獲取粉絲相關資訊 ''' url = 'https://me.csdn.net/api/relation/index?pageno=%d&pagesize=%d&relation_type=fans' # 介面地址 cookies = {} # CSDN登陸後的cookies headers = { # 請求頭 'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; Win64; x64; rv:81.0) Gecko/20100101 Firefox/81.0', 'Accept': 'application/json, text/plain, */*', 'Accept-Language': 'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2', 'Referer': 'https://i.csdn.net/', 'Origin': 'https://i.csdn.net', 'Connection': 'keep-alive', 'TE': 'Trailers', } # 獲取粉絲總數 res = requests.get(url%(1,10),headers=headers,cookies=cookies) res_json = res.json() N_fans = res_json['data']['data_all'] print('一共有%d個粉絲'%N_fans) # 獲取全部粉絲資料 res = requests.get(url%(1,N_fans),headers=headers,cookies=cookies) res_json = res.json() return res_jsondef download_avatar(username,url): ''' 下載使用者頭像 ''' savePath = './avatars' # 頭像儲存目錄 res = requests.get(url) with open('%s/%s.jpg'%(savePath,username),'wb') as f: f.write(res.content) if __name__ == '__main__': fans = get_fansInfo() for f in fans['data']['list']: username = f['fans'] # 使用者名稱 url = f['avatar'] # 頭像地址 download_avatar(username,url) print('使用者"%s"頭像下載完成!'%username)將頭像下載完畢並去重，結果如下：
一共有2796張非重複圖片，有了它們，我們便可以開始——搞事情！
2.千圖成像所謂千圖成像就是用很多張圖片拼接成一張完整的圖片，它需要兩個部分：一張背景圖，一個圖片庫。根據背景圖的結構用圖片庫中的圖片來進行拼接，最終形成新的圖片。
一種最簡單直觀的思路便是：遍歷背景圖中的每個畫素點，並用相簿中與之顏色最相近的圖片貼上在這個位置。
因此，我們首先需要計算每個圖片的“平均顏色”，即圖片畫素點（R,G,B）的平均值，程式碼如下：
def compute_mean(imgPath): ''' 計算平均（R,G,B） ''' img = Image.open(imgPath) img = img.convert('RGB') imgArray = np.array(img) R = np.mean(imgArray[:,:,0]) G = np.mean(imgArray[:,:,1]) B = np.mean(imgArray[:,:,2]) return (R,G,B)遍歷圖片庫中的每張圖片，並得到它們的平均距離，生成一個圖片列表，以便後續的使用：
def get_imgList(imgDir): ''' 獲取圖片列表（圖片目錄及平均顏色） ''' imgList = [] for imgName in os.listdir(imgDir): path = imgDir+imgName color = compute_mean(path) imgList.append({'path':path,'RGB':color}) return imgList該列表的每個元素是一個字典，包括了path和RGB，分別表示圖片的路徑以及圖片的平均顏色，如下：
在得到了圖片的“平均顏色”後，便是比較背景圖的畫素點與它的相似性，這裡採用了歐式距離：
def compute_distance(color1, color2): ''' 計算兩張圖的顏色差 ''' dis = 0 for i in range(len(color1)): dis += (color1[i]-color2[i])**2 dis = dis**0.5 return dis剩下的便是遍歷背景圖，並進行比較填充，程式碼如下：
def create_image(bgImg,imgDir,N=10,M=50): ''' 根據背景圖，用頭像填充出新圖 bgImg：背景圖地址 imgDir：頭像目錄 N：背景圖縮放的倍率 M：頭像的大小（MxM） ''' # 獲取圖片列表 imgList = get_imgList(imgDir) # 讀取背景圖 bg = Image.open(bgImg) bg = bg.resize((bg.size[0]//N,bg.size[1]//N)) # 縮放 bgArray = np.array(bg) width = bg.size[0]*M # 新生成圖片的寬度 height = bg.size[1]*M # 新生成圖片的高度 # 建立空白的新圖 newImg = Image.new('RGB',(width,height)) # 迴圈填充圖 for x in range(bgArray.shape[0]): for y in range(bgArray.shape[1]): ## 找到距離最小的圖片 minDis = 10000 index = 0 for img in imgList: dis = compute_distance(img['RGB'],bgArray[x][y]) if dis < minDis: index = img['path'] minDis = dis ## 填充 tempImg = Image.open(index) tempImg = tempImg.resize((M,M)) newImg.paste(tempImg,(y*M,x*M)) print('(%d, %d)'%(x,y)) # 儲存圖片 newImg.save('千圖成像.jpg')呼叫它：
create_image('bg.jpg','./avatars(dr)/',5,50)函式的輸入有bgImg、imgDir、N、M，它們分別表示：
引數
含義
注：imgDir最後需要有目錄連線符/，否則會報錯；N是為了將背景圖的尺寸進行調整壓縮，否則容易因為畫素點太多而執行緩慢。
最後，程式碼一Run，小圖在手，簡單的快樂，美滋滋~
寫在最後由於kimol君太想趕在聖誕前將這份禮物送出，所以程式碼以及文字略顯倉促，還望大家見諒。
客觀來說，該程式碼的執行效率並不高，特別是當N設定得較小（即背景圖片畫素點很多）或者圖片庫中的圖片很多時。針對這個問題，也有很多最佳化方法，例如採用圖片向量的方式對圖片進行編碼，進而比較等等。感興趣的小夥伴可以參考這篇文章。
最後，提前祝最可愛的小夥伴們聖誕快樂，願我們聚於一圖，煥盡萬丈芒！另祝即將奔赴考研戰場的小夥伴考的都會，會的都考！
我是kimol君，咋們下次再會~