大家知道马赛克画是什么吗？不是动作片里的马赛克哦~~
马赛克画是一张由小图拼成的大图，本文的封面就是我们的效果图，放大看细节，每一块都是一张独立的图片，拼在一起组成一张大图，感觉像是用马赛克拼出来的画，所以叫马赛克画。
看到网上的一些马赛克画觉得很酷，于是自己用Python实现了一下将一张原图转换成马赛克画。
我们的效果图是这样的：
原图是这样的：
实现的具体思路如下：
第一步：首先收集一组图片，这些图片会作为大图中的小方格图片。图片越多，最后生成的图片颜色越接近。
第二步：将要转换的图片分割成一个一个小方格图片，像下面这样:
第三步：对于每一个小方格图片，取图片集里面最接近的图片替换。所有小方格都替换后，就生成了我们最终的马赛克画。
听上去是不是很简单？
我们来看一下具体的实现步骤，下面是一些核心代码。完整代码已上传github，链接在文末。
我们的图片集存在images目录下，下面的代码加载目录下所有的图片，并缩放成统一的尺寸：
import re
import os
import cv2
import numpy as np
from tqdm import tqdm
IMG_DIR = "images"
def load_all_images(tile_row, tile_col):
img_dir = IMG_DIR
filenames = os.listdir(img_dir)
result = []
print(len(filenames))
for filename in tqdm(filenames):
if not re.search(".jpg", filename, re.I):
continue
try:
filepath = os.path.join(img_dir, filename)
im = cv2.imread(filepath)
row = im.shape[0]
col = im.shape[1]
im = resize(im, tile_row, tile_col)
result.append(np.array(im))
except Exception as e:
msg = "error with {} - {}".format(filepath, str(e))
print(msg)
return np.array(result, dtype=np.uint8)这里load_all_images函数的参数就是统一后的尺寸，tile_row和tile_col分别对应高和宽。
下面的代码对要转换的图片进行分割：
img = cv2.imread(infile)
tile_row, tile_col = get_tile_row_col(img.shape)
for row in range(0, img_shape[0], tile_row):
for col in range(0, img_shape[1], tile_col):
roi = img[row:row+tile_row,col:col+tile_col,:]我们将要转换的图片分割成一个个小方格，tile_row 和 tile_col 是小方格的高和宽，roi 存取小方格中的图片数据。
下面是计算两张图片相似度的函数：
from scipy.spatial.distance import euclidean
def img_distance(im1, im2):
if im1.shape != im2.shape:
msg = "shapes are different {} {}".format(im1.shape, im2.shape)
raise Exception(msg)
array1 = im1.flatten()
array2 = im2.flatten()
dist = euclidean(array1, array2)
return distim1和im2是两张图片的数据，图片数据是一个三维的numpy数组，这里我们将三维数组转换成一维数组后，比较两者的欧式距离。
之后要找出最相似的图片，只需遍历图片集中所有的图片，找到距离最短的那张图片，去替换原图中的小方格就可以了。
我们再来看一下最终实现的效果：
放大图中局部的细节如下：
如果对图片的画质不满意，想要更精细的画质，可以考虑在分割的时候把图片分割成更小的方格，不过这样也会增加程序运行的时间。
生成图片的过程比较耗时，考虑到性能原因，原程序中使用多进程的方式并行处理。
完整代码已上传github，地址：
https://github.com/pythonml/mosaic
本文作者： shenzhongqiang
本文来自云栖社区合作伙伴“大数据前沿”，了解相关信息可以关注“大数据前沿”
