Python - 批量生成幻影坦克圖片
目錄
- 一、準備圖片
- 二、Python+PIL程式碼實現過程
- 三、完整程式碼檔案
說到幻影坦克,我就想起紅色警戒裡的……
幻影坦克(Mirage Tank),《紅色警戒2》以及《尤里的復仇》中盟軍的一款偽裝坦克,盟軍王牌坦克之一。是愛因斯坦在德國黑森林中研發的一種坦克。雖然它無法隱形,但它卻可以利用先進的光線偏折原理可以偽裝成樹木(岩石或草叢)來隱藏自己。
在一些MOD中,幻影坦克可以選擇變換的樹木,這樣便可以和背景的樹木融合,而不會令人生疑。
額!這是從什麼百科ctrl+v過來的嗎。我跟你說個P~ UBG
一些聊天軟體或網站總是以白色背景和黑色背景(夜間模式)顯示圖片,你在預設的白色背景下看到一張圖(圖A),但是點選放大卻變成另一張圖(圖B)。這是因為檢視詳情使用的背景是黑色背景。
之前在網上看到用PS製作幻影坦克效果圖的方法,瞭解到幾個圖層混合模式的公式,也錄製過PS動作來自動化操作。但總感覺不夠效率,作為極客嘛,當然是要用程式碼來完成這些事情。
一、準備圖片
- 建立一個資料夾
Import
,將你要處理的所有圖片都放到這個資料夾裡 - 圖片的命名方式:
- 白色背景顯示圖A、黑色背景顯示圖B這種形式的,圖B的檔名字是圖A的名字加字尾
_d
例如,圖A為1.png
,圖B則為1_d.png
,與之配對成為一組即可 - 表面是白色圖片(圖A),點選顯示隱藏圖片(圖B)。這裡並不需要你指定一張白色圖片,不需要更改圖片名字,程式找不到與之配對的字尾
_d
圖片,會自動生成白色圖片(圖A) - 相反的,表面看是圖片(圖A),點選卻消失成純黑色(圖B)。只需要在圖片名字加字尾
_black
- 白色背景顯示圖A、黑色背景顯示圖B這種形式的,圖B的檔名字是圖A的名字加字尾
二、Python+PIL程式碼實現過程
Ⅰ. 初始化
注:指令碼檔案與 Import
資料夾在同一目錄
執行,匯入模組,定義變數,建立匯出目錄
Export
,並將工作目錄切換到Import
# -*- coding: utf-8 -*- # python 3.7.2 # 2019/04/21 by sryml. import os import math from timeit import timeit from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor from multiprocessing import cpu_count # import numba as nb import numpy as np from PIL import Image # --- IMPORT_FOLDER = 'Import' EXPORT_FOLDER = 'Export' IMAGE_FILES = [] # ALIGN2_A = 0 ALIGN2_B = 1 ALIGN2_MAX = 'max' NO_MODIFT = 0 STRETCH = 1 CONSTRAINT_RATIO = 2 # --- if __name__ == '__main__': if not os.path.exists(EXPORT_FOLDER): os.makedirs(EXPORT_FOLDER) os.chdir(IMPORT_FOLDER)
Ⅱ. 將所有要處理的圖片檔案新增到列表
執行
all_img2list()
獲取當前目錄(Import)所有檔案,按名字升序排序。將字尾帶_d
的圖B與圖A配對一組,白圖到原圖,原圖到黑圖的圖片也進行相關標記並存到一個列表。每個元組將生成一張幻影坦克圖片def all_img2list(): global IMAGE_FILES IMAGE_FILES= [] Imgs = os.listdir('./') Imgs.sort(key= lambda i: os.path.splitext(i)[0]) for i in Imgs: name = os.path.splitext(i) imgB= name[0]+'_d' + name[1] if imgB in Imgs: Imgs.remove(imgB) img_group= (i,imgB) elif name[0][-6:].lower() == '_black': img_group= (i,'_black') else: img_group= (i,None) IMAGE_FILES.append(img_group)
Ⅲ. 自動化處理,多程序任務分配
執行
AutoMTank()
不想讓cpu滿載執行,程序數量為cpu總核心減1,將列表裡所有元組分成N等份集合的列表task_assign
(N為程序數量)def AutoMTank(): cpu = cpu_count()-1 pool = ProcessPoolExecutor(cpu) #max_workers=4 L = IMAGE_FILES F = int(len(L)/cpu) task_assign = [L[n*F:] if (n+1)==cpu else L[n*F:(n+1)*F] for n in range(cpu)] results = list(pool.map(FlashMakeMTank, task_assign)) pool.shutdown() print ('\n%d輛幻影坦克製作完成!' % len(IMAGE_FILES))
每個程序對接到的任務列表進行多執行緒處理:
FlashMakeMTank
因為是圖片演算法處理,屬於計算密集型,執行緒數量不需要太多。經過測試多執行緒還是有點效率提升的,執行緒數就設定為cpu核心數吧。def FlashMakeMTank(task): pool = ThreadPoolExecutor(cpu_count()) results = list(pool.map(MakeMTank, task)) pool.shutdown()
Ⅳ. 盟軍戰車工廠
- 每個執行緒都將它接到的任務 - 圖片組丟給我們的盟軍戰車工廠:
MakeMTank
來生產幻影坦克 - 開頭是開啟圖A和圖B檔案物件賦值給
imgA
和imgB
,判斷到那些想要白圖到原圖
效果的圖片,則在記憶體中生成一張純白色的圖片物件賦值給imgA
。原圖到黑圖
則生成純黑色圖片物件賦值給imgB
別以為這戰車工廠看起來這麼短,實際上演算法都是通過呼叫函式獲得返回結果,解釋起來可有點費勁
def MakeMTank(i_group): ratios= [0,0] align= [] if not i_group[1]: imgB= Image.open(i_group[0]) imgA= Image.new('L',imgB.size,(255,)) elif i_group[1]=='_black': imgA= Image.open(i_group[0]) imgB= Image.new('L',imgA.size,(0,)) else: imgA= Image.open(i_group[0]) imgB= Image.open(i_group[1]) ratios= [0.5,-0.5] #明度比值 # ALIGN2_MAX(取最大的寬和最大的高) ALIGN2_A(縮放到圖A) ALIGN2_B(縮放到圖B) # NO_MODIFT(不修改) STRETCH(拉伸) CONSTRAINT_RATIO(約束比例) align= [ALIGN2_B, CONSTRAINT_RATIO] A_Size,B_Size= imgA.size,imgB.size img_objs= [imgA,imgB] for n,img in enumerate(img_objs): if img.mode== 'RGBA': img= img.convert('RGB') img_array= np.array(img) if img.mode != 'L' and ( [(img_array[:,:,i]==img_array[:,:,2]).all() for i in range(2)]!= [True,True] ): img= Desaturate(img_array) #去色 else: img= img.convert('L') if align and (A_Size!=B_Size): img= ImgAlign(n,img,A_Size,B_Size,align) #影象對齊 if ratios[n]: img= Lightness(img,ratios[n]) #明度 img_objs[n]= img imgA,imgB = img_objs imgA = Invert(imgA) #反相 imgO = LinearDodge(imgA, imgB) #線性減淡(新增) imgR = Divide(imgO, imgB) #劃分 imgR_mask = AddMask(imgR, imgO) #新增透明蒙版 name= os.path.splitext(i_group[0])[0] imgR_mask.save('../'+EXPORT_FOLDER+'/' + name+'.png')
- 圖片物件開啟完成之後呢,把它們放到一個列表裡遍歷它進行操作
- 首先判斷到圖片模式是否為
RGBA
,最後的A表示這張圖片是帶有透明通道的。而我們的幻影坦克原理就是利用的透明通道,怎能讓它來胡攪蠻纏呢,速速將它轉換為RGB
模式 接著將影象物件轉為陣列,判斷這張圖片如果不是
灰度
模式並且還沒有去色
的情況下,那就要對它進行去色操作了。
去完色的再將它轉為灰度模式。
有些人可能對灰度
和去色
有什麼誤解,灰度 ≠ 去色,這是重點。雖然它們的結果都是灰色的圖片,但是演算法不一樣,呈現的圖片對比度也不一樣,直接轉成灰度的坦克是沒有靈魂的。RGB圖片直接轉灰度會丟失一些細節,所以要對它進行去色操作。下面的操作都是仿照PS的步驟來處理了
(1) 去色函式:
Desaturate
- 公式:( max(r,g,b) + min(r,g,b) ) / 2
每個畫素取其RGB顏色中最大與最小值的均數 - 這個函式接受一個數組引數
例如某個畫素RGB值
(233,50,23)
,計算得出 (233+23) / 2 = 128,這時候此畫素點三個通道都是同一個值(128,128,128)
這個演算法過程消耗的效能較多,像一張1000*1000的圖片就得進行一百萬次計算,因此我使用了numba.jit
加速。
對圖片陣列進行操作,使用argsort()
將所有畫素的RGB值從小到大排序並返回一個索引陣列。
uint8
型別的值的範圍在0~255,若計算出的值不在這範圍則會丟擲溢位錯誤,因此使用了int
。
我建立了一個灰度圖片陣列data
,將每一個對應畫素的均值賦值給它,相當於去色後再轉為灰度模式。
最後返回由陣列轉換成的圖片物件@nb.jit def Desaturate(img_array): idx_array = img_array.argsort() width = img_array.shape[1] height = img_array.shape[0] data = np.zeros((height,width),dtype=np.uint8) for x in range(height): for y in range(width): idx= idx_array[x,y] color_min= img_array[x,y, idx[0]] color_max= img_array[x,y, idx[2]] data[x,y]= round( (int(color_min) + int(color_max)) / 2 ) return Image.fromarray(data)
- 公式:( max(r,g,b) + min(r,g,b) ) / 2
(2) 影象對齊:
ImgAlign
對齊方式(列表型別兩個值)
對齊目標 縮放影象 ALIGN2_MAX 取最大的寬和最大的高 NO_MODIFT 不修改(縮小或僅畫布) ALIGN2_A 圖A STRETCH 拉伸 ALIGN2_B 圖B CONSTRAINT_RATIO 約束比例 mode = [ALIGN2_B, CONSTRAINT_RATIO]
這個函式接受5個引數
①當前圖片序號(0代表圖A,1代表圖B)
②當前圖片物件
③ - ④圖A和圖B的尺寸
⑤對齊方式
def ImgAlign(idx,img,A_Size,B_Size,mode): size= img.size old_size= (A_Size,B_Size) if mode[0]== ALIGN2_MAX: total_size= max(A_Size[0], B_Size[0]), max(A_Size[1], B_Size[1]) if size != total_size: if mode[1]== STRETCH: img= img.resize(total_size, Image.ANTIALIAS) else: new_img= Image.new('L',total_size, (255 if idx==0 else 0,)) diff= (total_size[0]-size[0],total_size[1]-size[1]) min_diff= min(diff[0],diff[1]) if min_diff != 0 and mode[1]: idx= diff.index(min_diff) scale= total_size[idx] / size[idx] resize= [total_size[idx], round(size[1-idx]*scale)] if idx: resize.reverse() img= img.resize(resize, Image.ANTIALIAS) new_img.paste(img, [(total_size[i]-img.size[i])//2 for i in range(2)]) img= new_img elif idx != mode[0]: total_size= old_size[mode[0]] if mode[1]== STRETCH: img= img.resize(total_size, Image.ANTIALIAS) else: new_img= Image.new('L',total_size, (255 if idx==0 else 0,)) diff= (total_size[0]-size[0],total_size[1]-size[1]) min_diff= min(diff[0],diff[1]) if (min_diff > 0 and mode[1]) or (min_diff < 0): idx= diff.index(min_diff) scale= total_size[idx] / size[idx] resize= [total_size[idx], round(size[1-idx]*scale)] if idx: resize.reverse() img= img.resize(resize, Image.ANTIALIAS) new_img.paste(img, [(total_size[i]-img.size[i])//2 for i in range(2)]) img= new_img return img
(3) 明度函式:
Lightness
- 公式:255 * ratio + img * (1-ratio)
0 * ratio + img * (1-ratio)
為什麼是兩條公式呢,可以看到只有 255和 0的區別,一個是提高明度,一個是降低 - 注意,明度 ≠ 亮度,用亮度做出來的坦克是畸形的。亮度對顏色0和255不會起任何作用,任你怎麼加亮度,我白是白,黑仍然是黑。這又涉及到幻影坦克效果的原理了,圖A每個畫素值必須大於圖B對應的畫素值,否則將沒有透明度效果。
- 所以,最好的效果就是圖A明度提高50%,圖B降低50%
這個函式接受2個引數
①圖片物件
②明度比值(-1~1)
儘量仿照PS的演算法結果,提高明度的值為向下取整,降低明度為向上取整def Lightness(img,ratio): if ratio>0: return img.point(lambda i: int(i*(1-ratio) + 255*ratio)) return img.point(lambda i: math.ceil(i*(1+ratio)))
實際上這是圖層的
不透明度混合公式
,PS中,明度的實現就是在當前圖層的上方建立一個白色或黑色圖層,然後調整其透明度即可。所以,
明度調 100% 相當於白色圖層的不透明度為100%,顯示純白
明度調 -100% 相當於黑色圖層的不透明度為100%,顯示純黑。
- 公式:255 * ratio + img * (1-ratio)
看到這裡,要暫停一下了。是不是感覺說了這麼多都沒有提到幻影坦克的詳細原理,是的,只有當你理解了PS的不透明度混合公式
,你才能理解後面的步驟。
(3-x) 重點!!推導幻影坦克的原理……
- 這裡需要用到PS的幾個圖層混合模式
不透明度混合公式:
Img輸出 = Img上 * o + Img下 * (1 - o)
小字母o
代表不透明度。想一想,把兩張圖片匯入到PS,上面的圖層命名為imgA,下面的圖層為imgB。
當imgA的不透明度為100%(o=1)時,根據圖層混合公式得到img輸出=imgA
,也就是完全顯示上層影象。
當imgA的不透明度為0%(o=0)時,得到img輸出=imgB
,完全顯示下層影象。
當不透明度為50%,自然就看到了A與B的混合影象。但是我們要將這兩張圖給整進一張圖裡,然後在類似手機QQ這種只有白色背景和黑色背景的環境下,分別顯示出imgA和imgB。聽起來有點抽象,不要慌,我們來列方程。假設這張最終成果圖為
imgR
① ImgA = ImgR * o + 255 * (1 - o) 白色背景下 ② ImgB = ImgR * o + 0 * (1 - o) 黑色背景下(點選放大後) 這時候
ImgR
充當上圖層(Img上)。它有一個固定不透明度o
,或者說是它的圖層蒙版(ImgO
表示ImgR的蒙版),蒙版的畫素值為0~255的單通道灰度色值。填充為黑色0相當於圖層的不透明度為0%,填充為白色相當於圖層不透明度為100%。那麼這個固定不透明度 o 實際上就是 ⑨ o = ImgO / 255
而Img下就是聊天軟體中的白色背景和黑色背景兩種可能了。
現在來解一下方程,由②得:
ImgR = ImgB / o
將⑨ o = ImgO / 255 代入得
③ ImgR = ImgB / ImgO * 255
將③和⑨代入①得:
ImgA = (ImgB / ImgO * 255) * (ImgO / 255) + 255 * (1 - ImgO / 255)
ImgA = ImgB / ImgO * ImgO / 255 * 255 + 255 * (1 - ImgO / 255)
ImgA = ImgB + 2551 - 255(ImgO / 255)
ImgA = ImgB + 255 - ImgO
④ ImgO = (255 - ImgA) + ImgB
那麼現在,ImgB是我們已知的要在黑色背景下顯示的影象,只要拿到ImgO就可以得出成品圖ImgR了。
(255 - ImgA) 這個是什麼意思,就是PS中的反相操作啦。讓我們回到程式碼操作
(4) 反相函式:
Invert
公式:255 - Img
即對每個畫素進行 255-畫素值def Invert(img): return img.point(lambda i: 255-i)
反ImgA = Invert(ImgA )
然後這個反相後的ImgA(反ImgA)與ImgB相加,即PS中的線性減淡模式
(5) 線性減淡(新增):
LinearDodge
公式:Img上 + Img下
def LinearDodge(imgA, imgB): size = imgA.size imgO = Image.new('L',size,(0,)) pxA= imgA.load() pxB= imgB.load() pxO= imgO.load() for x in range(size[0]): for y in range(size[1]): pxO[x,y] = (pxA[x,y]+pxB[x,y],) return imgO
至此得到 ImgO = LinearDodge(反ImgA, ImgB)
注:之前我們說過ImgA的所有畫素值必須大於ImgB。如果小於或等於,那麼反相後加自身(或加比自身大的值)就是255了。因為ImgO是成果圖ImgR的透明蒙版,ImgO=255意味著不透明度為100%,就沒有透明效果了。接著看方程式子③ ImgR = ImgB / ImgO * 255,這便是PS的一種圖層混合模式劃分了
(6) 劃分:
Divide
- 公式:Img下 / Img上 * 255
幾個注意的條件
①若混合色為黑色,基色非黑結果為白色、基色為黑結果為黑色(混合色是Img上,基色是Img下)
②若混合色為白色則結果為基色
③若混合色與基色相同則結果為白色
不妨可以在PS中一試便知真假def Divide(imgO, imgB): size = imgB.size imgR = Image.new('L',size,(0,)) pxB= imgB.load() pxO= imgO.load() pxR= imgR.load() for x in range(size[0]): for y in range(size[1]): o=pxO[x,y] b=pxB[x,y] if o==0: #如混合色為黑色,基色非黑結果為白色、基色為黑結果為黑色 color= (b and 255 or 0,) elif o==255: #混合色為白色則結果為基色 color=(b,) elif o==b: #混合色與基色相同則結果為白色 color=(255,) else: color=(round((b/o)*255),) pxR[x,y] = color return imgR
呼叫劃分函式ImgR = Divide(ImgO, ImgB),終於,我們得到了夢寐以求的成果圖ImgR
但不要忘了它的不透明度,把ImgO新增為它的圖層蒙版
(6) 最後:新增透明蒙版並儲存
def AddMask(imgR,imgO): img = imgR.convert("RGBA") img.putalpha(imgO) return img
imgR_mask = AddMask(imgR, imgO)
儲存在匯出資料夾。。。name= os.path.splitext(i_group[0])[0] imgR_mask.save('../'+EXPORT_FOLDER+'/' + name+'.png')
個人感覺
這個指令碼生成的幻影坦克與PS做的相比就猶如真假美猴王一般,
說到美猴王,我就想起……
三、完整程式碼檔案
- MirageTank.py
# -*- coding: utf-8 -*-
# python 3.7.2
# 2019/04/21 by sryml.
import os
import math
from timeit import timeit
from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor
from multiprocessing import cpu_count
#
import numba as nb
import numpy as np
from PIL import Image
# ---
IMPORT_FOLDER = 'Import'
EXPORT_FOLDER = 'Export'
IMAGE_FILES = []
#
ALIGN2_A = 0
ALIGN2_B = 1
ALIGN2_MAX = 'max'
NO_MODIFT = 0
STRETCH = 1
CONSTRAINT_RATIO = 2
# ---
### 影象對齊
def ImgAlign(idx,img,A_Size,B_Size,mode):
size= img.size
old_size= (A_Size,B_Size)
if mode[0]== ALIGN2_MAX:
total_size= max(A_Size[0], B_Size[0]), max(A_Size[1], B_Size[1])
if size != total_size:
if mode[1]== STRETCH:
img= img.resize(total_size, Image.ANTIALIAS)
else:
new_img= Image.new('L',total_size, (255 if idx==0 else 0,))
diff= (total_size[0]-size[0],total_size[1]-size[1])
min_diff= min(diff[0],diff[1])
if min_diff != 0 and mode[1]:
idx= diff.index(min_diff)
scale= total_size[idx] / size[idx]
resize= [total_size[idx], round(size[1-idx]*scale)]
if idx:
resize.reverse()
img= img.resize(resize, Image.ANTIALIAS)
new_img.paste(img, [(total_size[i]-img.size[i])//2 for i in range(2)])
img= new_img
elif idx != mode[0]:
total_size= old_size[mode[0]]
if mode[1]== STRETCH:
img= img.resize(total_size, Image.ANTIALIAS)
else:
new_img= Image.new('L',total_size, (255 if idx==0 else 0,))
diff= (total_size[0]-size[0],total_size[1]-size[1])
min_diff= min(diff[0],diff[1])
if (min_diff > 0 and mode[1]) or (min_diff < 0):
idx= diff.index(min_diff)
scale= total_size[idx] / size[idx]
resize= [total_size[idx], round(size[1-idx]*scale)]
if idx:
resize.reverse()
img= img.resize(resize, Image.ANTIALIAS)
new_img.paste(img, [(total_size[i]-img.size[i])//2 for i in range(2)])
img= new_img
return img
### 去色
@nb.jit
def Desaturate(img_array):
idx_array = img_array.argsort()
width = img_array.shape[1]
height = img_array.shape[0]
data = np.zeros((height,width),dtype=np.uint8)
for x in range(height):
for y in range(width):
idx= idx_array[x,y]
color_min= img_array[x,y, idx[0]]
color_max= img_array[x,y, idx[2]]
data[x,y]= round( (int(color_min) + int(color_max)) / 2 )
return Image.fromarray(data)
### 明度
def Lightness(img,ratio):
if ratio>0:
return img.point(lambda i: int(i*(1-ratio) + 255*ratio))
return img.point(lambda i: math.ceil(i*(1+ratio)))
### 反相
def Invert(img):
return img.point(lambda i: 255-i)
### 線性減淡(新增)
def LinearDodge(imgA, imgB):
size = imgA.size
imgO = Image.new('L',size,(0,))
pxA= imgA.load()
pxB= imgB.load()
pxO= imgO.load()
for x in range(size[0]):
for y in range(size[1]):
pxO[x,y] = (pxA[x,y]+pxB[x,y],)
return imgO
### 劃分
def Divide(imgO, imgB):
size = imgB.size
imgR = Image.new('L',size,(0,))
pxB= imgB.load()
pxO= imgO.load()
pxR= imgR.load()
for x in range(size[0]):
for y in range(size[1]):
o=pxO[x,y]
b=pxB[x,y]
if o==0:
#如混合色為黑色,基色非黑結果為白色、基色為黑結果為黑色
color= (b and 255 or 0,)
elif o==255:
#混合色為白色則結果為基色
color=(b,)
elif o==b:
#混合色與基色相同則結果為白色
color=(255,)
else:
color=(round((b/o)*255),)
pxR[x,y] = color
return imgR
def AddMask(imgR,imgO):
img = imgR.convert("RGBA")
img.putalpha(imgO)
return img
####
#### 將所有要處理的圖片檔案新增到列表
def all_img2list():
global IMAGE_FILES
IMAGE_FILES= []
Imgs = os.listdir('./')
Imgs.sort(key= lambda i: os.path.splitext(i)[0])
for i in Imgs:
name = os.path.splitext(i)
imgB= name[0]+'_d' + name[1]
if imgB in Imgs:
Imgs.remove(imgB)
img_group= (i,imgB)
elif name[0][-6:].lower() == '_black':
img_group= (i,'_black')
else:
img_group= (i,None)
IMAGE_FILES.append(img_group)
def MakeMTank(i_group):
ratios= [0,0]
align= []
if not i_group[1]:
imgB= Image.open(i_group[0])
imgA= Image.new('L',imgB.size,(255,))
elif i_group[1]=='_black':
imgA= Image.open(i_group[0])
imgB= Image.new('L',imgA.size,(0,))
else:
imgA= Image.open(i_group[0])
imgB= Image.open(i_group[1])
ratios= [0.5,-0.5] #明度比值
# ALIGN2_MAX(取最大的寬和最大的高) ALIGN2_A(縮放到圖A) ALIGN2_B(縮放到圖B)
# NO_MODIFT(不修改) STRETCH(拉伸) CONSTRAINT_RATIO(約束比例)
align= [ALIGN2_B, CONSTRAINT_RATIO]
A_Size,B_Size= imgA.size,imgB.size
img_objs= [imgA,imgB]
for n,img in enumerate(img_objs):
if img.mode== 'RGBA':
img= img.convert('RGB')
img_array= np.array(img)
if img.mode != 'L' and ( [(img_array[:,:,i]==img_array[:,:,2]).all() for i in range(2)]!= [True,True] ):
img= Desaturate(img_array) #去色
else:
img= img.convert('L')
if align and (A_Size!=B_Size):
img= ImgAlign(n,img,A_Size,B_Size,align) #影象對齊
if ratios[n]:
img= Lightness(img,ratios[n]) #明度
img_objs[n]= img
imgA,imgB = img_objs
imgA = Invert(imgA) #反相
imgO = LinearDodge(imgA, imgB) #線性減淡(新增)
imgR = Divide(imgO, imgB) #劃分
imgR_mask = AddMask(imgR, imgO) #新增透明蒙版
name= os.path.splitext(i_group[0])[0]
imgR_mask.save('../'+EXPORT_FOLDER+'/' + name+'.png')
def FlashMakeMTank(task):
pool = ThreadPoolExecutor(cpu_count())
results = list(pool.map(MakeMTank, task))
pool.shutdown()
def AutoMTank():
cpu = cpu_count()-1
pool = ProcessPoolExecutor(cpu) #max_workers=4
L = IMAGE_FILES
F = int(len(L)/cpu)
task_assign = [L[n*F:] if (n+1)==cpu else L[n*F:(n+1)*F] for n in range(cpu)]
results = list(pool.map(FlashMakeMTank, task_assign))
pool.shutdown()
print ('\n%d輛幻影坦克製作完成!' % len(IMAGE_FILES))
# ---
def Fire():
all_img2list()
sec = timeit(lambda:AutoMTank(),number=1)
print ('Time used: {} sec'.format(sec))
s= input('\n按回車鍵退出...\n')
if __name__ == '__main__':
if not os.path.exists(EXPORT_FOLDER):
os.makedirs(EXPORT_FOLDER)
os.chdir(IMPORT_FOLDER)
while True:
s= input('>>> 按F進入坦克:')
if s.upper()== 'F':
print ('少女祈禱中...')
Fire() #開炮
break
elif not s:
break