您好,登錄后才能下訂單哦!
小編給大家分享一下Python+PIL如何實(shí)現(xiàn)支付寶AR紅包,相信大部分人都還不怎么了解,因此分享這篇文章給大家參考一下,希望大家閱讀完這篇文章后大有收獲,下面讓我們一起去了解一下吧!
思路比較簡單:
1、對圖片進(jìn)行銳化處理;
2、設(shè)(r_h, g_h, b_h)為支付寶遮罩黑條的RGB值,以此為中心,查找半徑為Diff_radius的范圍內(nèi)所有的色值;
3、對每一行符合步驟2的像素點(diǎn)個(gè)數(shù)進(jìn)行計(jì)數(shù),若該數(shù)值超過某個(gè)臨界值(如:圖片寬度的一半),將其所在行替換為上一行非遮罩?jǐn)?shù)據(jù);
4、對處理后的圖片高斯濾鏡。
以下是python代碼:
from PIL import Image,ImageFilter Diff_radius = 500 diff_min = 1 r_h, g_h, b_h = 43, 55, 66 image = Image.open('test.png') image_width = image.size[0] image_height = image.size[1] rgb_im = image.convert('RGB') img_sharpen = image.filter(ImageFilter.SHARPEN) img_new = Image.new('RGBA', image.size, (255,255,255,255)) img_copy = img_sharpen.crop((0,0,image_width,image_height)) img_new.paste(img_copy, (0,0,image_width,image_height)) y_tmp = 0 for y in range(image_height): y_is_black = 0 current_line_flag_acc = 0 for x in range(image_width): r, g, b = rgb_im.getpixel((x, y)) if ((r_h-r)**2 + (g_h-g)**2 + (b_h-b)**2) < Diff_radius : current_line_flag_acc = current_line_flag_acc + 1 if (x == image_width - 1) and (current_line_flag_acc > diff_min) : y_is_black = 1 img1 = img_new.crop((0,y_tmp-2,image_width,y_tmp-1)) img_new.paste(img1, (0,y,image_width,y+1)) # print('y_tmp:%d -> y:%d'%(y_tmp,y)) elif (x == image_width - 1) and not y_is_black: y_tmp = y # img_save = img_new.filter(ImageFilter.GaussianBlur(radius=1.5)) img_new.save('test_1.png') print("done!")
對于不同的圖片,可能需要修改3、4、5行的參數(shù)。
目前測試過幾組照片,發(fā)現(xiàn)給出的線索圖片越復(fù)雜,這種方法處理后能被識別的成功率越高,尤其是對人臉,簡單的處理后基本都可以識別。
識別成功的:
識別失敗的:
以上是“Python+PIL如何實(shí)現(xiàn)支付寶AR紅包”這篇文章的所有內(nèi)容,感謝各位的閱讀!相信大家都有了一定的了解,希望分享的內(nèi)容對大家有所幫助,如果還想學(xué)習(xí)更多知識,歡迎關(guān)注億速云行業(yè)資訊頻道!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。