昨晚發(fā)了接受投稿文章，昨晚就有讀者積極來(lái)文章啦，幾輪郵件交流了修改意見(jiàn)后，今天就發(fā)布啦，這篇的稿費(fèi)是300。

之前無(wú)聊在刷視頻的時(shí)候看到這么一個(gè)有意思的視頻（現(xiàn)在視頻找不到，忘記關(guān)鍵字了= =），視頻的內(nèi)容大概是這樣的：一張狗狗的側(cè)臉照片，經(jīng)過(guò)碎紙機(jī)，橫的切成若干條，并且沒(méi)有打亂，隨后隔條分成了兩份，然后把這兩份各自拼接在一起，出現(xiàn)了兩張狗狗的圖片（B圖和C圖）。

如下圖：把A圖分成了B和C兩張圖片
A圖

B圖

C圖

如上圖A,B,C，圖片上的狗狗其實(shí)是同一個(gè)，利用原圖A，把A等分成若干份，分別給B,C，然后再次拼接在一起，于是形成了B,C兩張圖片。

如何實(shí)現(xiàn)？
想實(shí)現(xiàn)視頻中的效果，你可以手工做，先打印那么一張狗狗的圖片，然后裁剪，拼裝，但是很麻煩而且要有耐心。會(huì)Numpy圖像處理的話(huà)，我們就可以用計(jì)算機(jī)的方式來(lái)實(shí)現(xiàn)這個(gè)現(xiàn)象。

Numpy對(duì)圖像的處理實(shí)際上就是對(duì)ndarray的處理。圖像和ndarray又有什么關(guān)系呢？圖像是可以用ndarray數(shù)組來(lái)表示。如圖我們可以用plt.imread()讀取一張圖片的數(shù)據(jù)，返回的就是這張圖片的ndarray數(shù)組。

a.shape()查看數(shù)組的形狀
其中(347,500,3), 500代表圖片的長(zhǎng)度，347代表圖片的寬度，3代表RGB（通道數(shù)，有些圖片格式是3通道，有些圖片格式是4通道）。

所以我們可以將一張圖片看作一個(gè)ndarray，而numpy庫(kù)可以對(duì)ndarry進(jìn)行處理，主要操作就是對(duì)數(shù)組的拆分，以及數(shù)組的拼接。

準(zhǔn)備工作：首先從某網(wǎng)站上下載了一張狗狗的照片= =。

我們用numpy來(lái)處理圖像。注：使用numpy庫(kù)來(lái)對(duì)圖像進(jìn)行處理。這里我們使用matplotlib.pyplot的相關(guān)方法來(lái)輔助。

主要用到的函數(shù)方法：
plt.imread：讀取圖像，返回ndarray的數(shù)組。
plt.imshow：顯示圖像。
plt.imsave：保存圖像。
np.split:數(shù)組的分割，分割圖像。
np.concatenate:數(shù)組的拼接，拼接圖像。
ps:imread方法默認(rèn)只能處理png格式的圖像，如果需要處理其他格式的圖像，需要安裝pillow庫(kù)。這里下載的圖片是jpg格式的，所以在讀取的時(shí)候會(huì)報(bào)錯(cuò)。偷懶一下，用ps打開(kāi)重新用png格式保存了一下，另外直接重命名原圖為png也是不行的哦。。。

第一步：導(dǎo)入圖片

# 導(dǎo)入庫(kù) Import numpy as np Import matplotlib.pyplot as plt # 讀取圖像數(shù)據(jù) a = plt.imread(u"狗狗.png")

第二步：對(duì)圖像進(jìn)行分割

#讀取圖像的width，方便對(duì)其進(jìn)行拆分 width = a.shape[1] #將圖片豎著切分成若干份：將數(shù)組以列來(lái)進(jìn)行切分（axis = 1）,分成兩組 li = np.split(a, range(10, width,10), axis=1） #這里我們將圖片分割成若干寬度為10的長(zhǎng)條 li1 = li[::2] #利用切片操作，設(shè)置步長(zhǎng)為2，相當(dāng)于從第一條開(kāi)始，隔條取出，即取出奇數(shù)的圖片 li2 = li[1::2] #利用切片操作，設(shè)置步長(zhǎng)為2，相當(dāng)于從第二條開(kāi)始，隔條取出，即取出偶數(shù)的圖片

第三步：合并圖像：將數(shù)組合并在一起

# 把數(shù)組合并，相當(dāng)于把第一個(gè)容器中的圖片拼接起來(lái)。 a1 = np.concatenate(li1,axis=1) # 把數(shù)組合并，相當(dāng)于把第二個(gè)容器中的圖片拼接起來(lái)。 a2 = np.concatenate(li2,axis=1)

第四步：顯示圖像（放在一起顯示，可以對(duì)原圖和產(chǎn)生的兩張圖片進(jìn)行比較）

Fig, ax = plt.subplots(3) Fig , set_size_inches(10, 10) #原圖 ax[0].imshow(a) #圖1 ax[ 1].imshow(a1) #圖2 ax[2].imshow(a2) plt.tight_layout()

最終的結(jié)果如圖：分割的寬度越小，拼接出來(lái)的圖片內(nèi)越真實(shí)

切分寬度為5

切分寬度為20

大家可以試著切分更多的條數(shù)，或者打亂順序來(lái)拼接圖片來(lái)看看最終的效果，是不是很神奇呢= =。

這個(gè)技術(shù)可以運(yùn)用在哪兒呢？

在圖片原創(chuàng)欺騙上可能有些用途，其他的用途還沒(méi)想到。

本文由猿人學(xué)Python原創(chuàng)

首發(fā)與猿人學(xué)Python公眾和猿人學(xué)網(wǎng)站

巧用numpy切分圖片

總結(jié)

以上是生活随笔為你收集整理的numpy拼接_巧用numpy切分图片的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。