创建乐高版马赛克图

简介: 创建乐高版马赛克图

简介

今日内容比较“无用”,觉得比较好玩,所以就做一期“异类”可视化啦!主要介绍下  brickr[1] 包,它将乐高(LEGO) 带入 R 和 tidyverse 生态系统中,该包分为2个部分:

  • Mosaics(马赛克)[2]:将图像转换为乐高积木的马赛克图像。
  • 3D 模型[3]:使用 rgl 包,通过数据表构建 3D 乐高模型。

今天这一期主要介绍第一个部分:

马赛克

首先读取 PNG 或 JPEG 图像,然后使用 image_to_mosaicbuild_mosaic 函数 构建成乐高版本的马赛克图。下面给出一个官方的例子:

# install.packages("brickr")
library(brickr)
# install.packages("png")
library(png)
# 图像获取
img <- tempfile()
download.file("https://r-charts.com/images/favicon.png",
              img, mode = "wb")
# 创建LEGO版本的mosaic图
readPNG(img) %>%
  image_to_mosaic() %>%
  build_mosaic()

如果未安装该包,可使用install.packages("brickr")进行安装。这里readPNG()来自 png 包,记得也要提前安装。

这里是先建立一个临时文件 img,然后将网上的一张图下载下来,并存储到 img 中。之后读取图像和转化为马赛克数据,最后构建成马赛克图。

当然,如果你可以加载本地的图像,例如,小编将自己公众号的头像进行上传演示:

readPNG("avatar.png") %>%
  image_to_mosaic() %>%
  build_mosaic()

得到的图形如下:

image_to_mosaic()内部包含了一些重要的参数,详细介绍可见 ?image_to_mosaic()。这里主要修改 img_size 参数来调整图片尺寸,当是一个值时,表示创建一个正方形图像,如果是两个值c(56,48)则表示创建长为 56,宽为48的长方形图像。数值越大,像素越高,乐高版本的马赛克越密集,例如当img_size = 120时,得到的结果:

感觉拿来当头像也很好呀!如果想通过该功能制作头像,记得背景最好纯色,这样效果更佳。如果照片不是 png 格式,可以通过这个网站[4]转化为 png 格式,再导入。

介绍构建过程

你可以使用  build_instructions 介绍你这个图构建的过程,默认是 6 步骤,例如官网例子:

library(brickr)
library(png)
# Get the image
img <- tempfile()
download.file("https://r-charts.com/images/favicon.png",
              img, mode = "wb")
# Create the LEGO instructions
readPNG(img) %>%
  image_to_mosaic() %>%
  build_instructions()

我将其应用到推文:R可视乎|用R给心仪的对象表白吧 图形,这时得到的表白爱心构建步骤如下:

是不是还挺 Romantic 的👻

使用乐高的材料

你可以通过 build_pieces 函数,告诉大家这个图使用了哪些颜色,形状的乐高材料。例如,官网例子:

library(brickr)
library(png)
# Get the image
img <- tempfile()
download.file("https://r-charts.com/images/favicon.png",
              img, mode = "wb")
# List of LEGO pieces
readPNG(img) %>%
  image_to_mosaic() %>%
  build_pieces()

小编有话说

  • 今天主要介绍 brickr 包一部分功能,主要是讲了三个函数的使用以及解释得到图片的结果,具体可见这篇教程[5]
  • 小编觉得这个包确实很有趣,你可以将自己的头像上传转化成马赛克图作为头像,这不挺酷的吗?哈哈。
  • 下一期会介绍这个包的另一个功能,搭三维的马赛克图!

参考资料

[1]

brickr: http://brickr.org/index.html

[2]

Mosaics(马赛克): http://brickr.org/index.html#mosaics

[3]

3D模型:http://brickr.org/index.html#3d-models

[4]

网站: https://jpg2png.com/

[5]

教程: https://r-charts.com/miscellaneous/brickr/

目录
相关文章
|
NoSQL 算法 Java
面试官:网关如何实现限流?
面试官:网关如何实现限流?
996 2
面试官:网关如何实现限流?
|
存储
File操作 - list()/listFiles()与目录过滤器
File操作 - list()/listFiles()与目录过滤器
359 0
|
数据采集 机器学习/深度学习 搜索推荐
Python自动化:关键词密度分析与搜索引擎优化
Python自动化:关键词密度分析与搜索引擎优化
|
9月前
|
机器学习/深度学习 人工智能 PyTorch
DeepSeek进阶开发与应用1:DeepSeek框架概述与基础应用
DeepSeek是一个高效、灵活的深度学习框架,旨在简化模型的构建、训练和评估。其核心特点包括模块化设计、自动微分、多后端支持及易于扩展。本文通过手写数字识别的CNN模型实例,展示了DeepSeek的安装、数据准备、模型构建、编译、训练与评估过程,最终模型在测试集上达到了98%以上的准确率。
|
测试技术 数据库 Python
SQLAlchemy的同步和异步的代码对比
这篇文章比较了SQLAlchemy同步和异步操作的代码差异,包括创建数据库引擎、会话、执行查询、新增、编辑和删除数据的不同方式。
461 7
|
消息中间件 人工智能 Serverless
【云故事探索】NO.9:大洋彼岸的智能工具:劳动力管理,盖雅搞得定
在数字化转型浪潮中,云计算成为企业创新的核心驱动力。苏州盖雅信息技术有限公司(简称盖雅工场)作为劳动力管理领域的领军者,自2009年成立以来,服务全球29个国家和地区,客户达1800家,覆盖600万员工。通过与阿里云合作,盖雅利用云计算提升业务效率,实现服务移动化,并借助AI技术推动未来智能化发展。
447 12
【云故事探索】NO.9:大洋彼岸的智能工具:劳动力管理,盖雅搞得定
|
机器学习/深度学习 人工智能 监控
一文读懂deepSpeed:深度学习训练的并行化
DeepSpeed 是由微软开发的开源深度学习优化库,旨在提高大规模模型训练的效率和可扩展性。通过创新的并行化策略、内存优化技术(如 ZeRO)及混合精度训练,DeepSpeed 显著提升了训练速度并降低了资源需求。它支持多种并行方法,包括数据并行、模型并行和流水线并行,同时与 PyTorch 等主流框架无缝集成,提供了易用的 API 和丰富的文档支持。DeepSpeed 不仅大幅减少了内存占用,还通过自动混合精度训练提高了计算效率,降低了能耗。其开源特性促进了 AI 行业的整体进步,使得更多研究者和开发者能够利用先进优化技术,推动了 AI 在各个领域的广泛应用。
|
12月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与未来医疗:AI技术在疾病诊断中的应用前景####
本文探讨了人工智能(AI)在现代医疗领域,尤其是疾病诊断方面的应用潜力和前景。随着技术的不断进步,AI正逐渐改变传统医疗模式,提高诊断的准确性和效率。通过分析当前的技术趋势、具体案例以及面临的挑战,本文旨在为读者提供一个全面的视角,理解AI如何塑造未来医疗的面貌。 ####
|
计算机视觉 Python
10个使用NumPy就可以进行的图像处理步骤
这篇文章介绍了使用NumPy进行图像处理的10个基本步骤,包括读取图像、缩小图像、水平和垂直翻转、旋转、裁剪、分离RGB通道、应用滤镜(如棕褐色调)、灰度化、像素化、二值化以及图像融合。通过这些简单的操作,读者可以更好地掌握NumPy在图像处理中的应用。示例代码展示了如何实现这些效果,并配有图像结果。文章强调这些方法适合初学者,更复杂的图像处理可使用专门的库如OpenCV或Pillow。
402 5
|
机器学习/深度学习 编解码 并行计算
深度学习的图像超分技术综述-输入单张图像(SISR)和输入多张图像的基于参考的图像(RefSR)
深度学习的图像超分技术综述-输入单张图像(SISR)和输入多张图像的基于参考的图像(RefSR)
723 0