1、前言

Python中有许多用于图像处理的库，像是Pillow，或者是OpenCV。而不少时候感受学完了这些图像处理模块没有什么用，其实只是你不知道怎么用罢了。今天就给你们带了一些美图技巧，让你的图美翻全场，朋友圈赞不绝口，女友也夸你，富贵你好厉害啊！python

2、模块安装

咱们主要使用到OpenCV和Pillow，另外咱们还会使用到wordcloud和paddlehub，咱们先安装一下：学习

pip install opencv-python
pip install pillow
python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
pip install -i https://mirror.baidu.com/pypi/simple paddlehub
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ myqr

另外我使用的Python环境是3.7，知道这些咱们就能够开始进行咱们的美图之旅了。字体

3、图片美化

一、祛痘

还在为痘痘犯难，不敢拍照吗？有了这个你就不用怕了（虽然有p图软件，可是你们不要揭穿我）：spa

import cv2
level = 22 # 降噪等级
img = cv2.imread('girl.jpg') # 读取原图
img = cv2.bilateralFilter(img, level, level*2, level/2) # 美颜
cv2.imwrite('result.jpg', img)

实际上，在光滑的脸蛋上，痘痘就能够视为一个噪点，而咱们能够经过降噪的方式达到祛痘祛斑的效果，在OpenCV中就提供了相应的滤镜，咱们只须要调用便可。原图和实现效果图对好比下：.net

能够看到脸上的斑明显是变少了。绅士们应该能够注意到，脖子下面的皮肤光滑了许多。不过头发细节被抹除了很多。咱们能够经过调节level参数，调节效果。若是想效果更好，能够结合人脸识别，进行局部的祛痘处理。code

二、词云——我不仅是一张图

其实词云已是老生常谈了，可是做美图中的姣姣者，仍是有必要列出来的，由于一张词云所能包含的信息太多了：对象

from PIL import Image
import numpy as np
from wordcloud import WordCloud, ImageColorGenerator

# 读取背景图片
mask = np.array(Image.open('rose.png'))

# 定义词云对象
wc = WordCloud(
# 设置词云背景为白色
background_color='white',
# 设置词云最大的字体
max_font_size=30,
# 设置词云轮廓
mask=mask,
# 字体路径，若是须要生成中文词云，须要设置该属性，设置的字体须要支持中文
#font_path='msyh.ttc'
)
# 读取文本
text = open('article.txt', 'r', encoding='utf-8').read
# 生成词云
wc.generate(text)
# 给词云上色
wc = wc.recolor(color_func=ImageColorGenerator(mask))
# 保存词云
wc.to_file('result.png')

其中article.txt为咱们的词云的文本素材，而rose.png则是词云轮廓（该图片背景应该为严格的白色或者透明），原图和实现效果以下：blog

仍是很是美的。更多详细内容能够参考https://blog.csdn.net/ZackSock/article/details/103517841。图片

三、风格迁移——努力变成你喜欢的样子

风格迁移，顾名思义就是将某一张图片的风格迁移到另外一张图片上。好比我拍了一张白天的图片，可是我想要一张夜景的图片，那咱们该怎么作呢？固然是等到晚上再拍了，不过除了这个方法，咱们还能够下载一张夜景图片，将夜景效果迁移到咱们的原图上。ip

风格迁移的实现须要使用深度学习才能实现，可是像我这样的菜鸡确定是不会深度学习的啦，因此咱们直接使用paddlehub中已经实现好的模型库：

import cv2
import paddlehub as hub
# 加载模型库
stylepro_artistic = hub.Module(name="stylepro_artistic")
# 进行风格迁移
im = stylepro_artistic.style_transfer(
images=[{
# 原图
'content': cv2.imread("origin.jpg"),
# 风格图
'styles': [cv2.imread("style.jpg")]
}],
# 透明度
alpha = 0.1
)
# 从返回的数据中获取图片的ndarray对象
im = im[0]['data']
# 保存结果图片
cv2.imwrite('result.jpg', im)