怎么樣，效果還不錯吧？現在，我們用Python來實現這種像素化的效果。

1 環境

操作系統：Windows

Python版本：3.7.3

2 需求分析

一個最簡單的實現思路，在打開圖片后，把圖片分割成一些像素塊，再對這些像素塊中的圖像信息進行處理（修改圖像中的RGB值）即可。

這里我們使用Numpy庫和PIL庫來實現這個需求，后者用來圖像的讀取與保存，涉及到的所有圖像處理動作均借助Numpy來實現。

有關NumPy模塊、PIL模塊的介紹，可參考如下。

NumPy(Numerical Python) 是 Python 語言的一個擴展程序庫，支持大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。

PIL（Python Imaging Library）是Python常用的圖像處理庫，而Pillow是PIL的一個友好Fork，提供了了廣泛的文件格式支持，強大的圖像處理能力，主要包括圖像儲存、圖像顯示、格式轉換以及基本的圖像處理操作等。

這兩個模塊非Python內置，都屬于第三方模塊，可直接采用如下方式進行安裝

                  
                    pip install numpy
pip install Pillow
                  
                

注意，要想使用PIL模塊，是需要直接install Pillow模塊的。

3 代碼實現

首先導入我們要用到的模塊

                  
                    import numpy as np
from PIL import Image
                  
                

接下來，我們要處理圖片，首先得打開一張圖片，如下

                  
                    data = Image.open("P:\\Personal\\LuoShen.xpg")
                  
                

然后把圖像轉換化Numpy數組進行下一步的處理

                  
                    im1 = np.array(data)
                  
                

這里處理的核心思想，也很簡單，主要通過中間值的RGB，對所選范圍塊的RGB進行重新賦值。

                  
                    im1[y:y + pixel, x:x + pixel] = im1[y + (pixel // 2)][x + (pixel // 2)]
                  
                

這里的x、y是分別指的我們圖像的橫向、縱向像素點的坐標值、而pixel指的是我們要以多大的像素塊，來處理這張圖像，我們設置的單位像素塊(Pixel數值)越小，生成的像素圖越精確。

當然了，若單位像素塊設置的太小，生成圖像就看不出效果了，至于多大的數值合適，需要自行嘗試。不同尺寸的圖像，要達到最佳的像素化的顯示效果，所需要設置的單位像素塊的大小也是不同的，實踐出真知。

我們需要圖像的指定一個處理范圍，并對該范圍內的每一個坐標(像素)點進行像素化的處理。

                  
                    for y in range(Start_coordinate[1], End_coordinate[1], pixel):
    for x in range(Start_coordinate[0], End_coordinate[0], pixel):
        pass
                  
                

在處理完成之后，我們再把Numpy數組轉換回圖像。

                  
                    im2 = Image.fromarray(im1.astype(np.uint8))
                  
                

最后展示出處理后的圖像

                  
                    im2.show()
                  
                

4 代碼全景展示

                  
                    import numpy as np
from PIL import Image

def to_pixelBlock(pixel, Start_coordinate, End_coordinate):     
    '''     
    :param pixel: 單位像素塊的元素大小        
    :param Start_coordinate: 處理的起始坐標(像素)點，元組形式      
    :param End_coordinate: 處理的終止坐標(像素)點，元組形式        
    :return:        
    通過中間值的RGB，對所選范圍塊的RGB進行重新賦值，設置的單位像素塊(Pixel數值)越小，生成的像素圖越精確
    '''
    # 讀取圖片，并由 PIL image 轉換為 NumPy array
    im1 = np.array(Image.open("P:\\Personal\\LuoShen.jpg"))


    # 遍歷所要處理范圍內的所有坐標(像素)點
    for y in range(Start_coordinate[1], End_coordinate[1], pixel):
        for x in range(Start_coordinate[0], End_coordinate[0], pixel):
            # 通過中間值的RGB，對所選范圍塊的RGB進行重新賦值
            im1[y:y + pixel, x:x + pixel] = im1[y + (pixel // 2)][x + (pixel // 2)]

    # 將NumPy array 轉換為 PIL image        
    im2 = Image.fromarray(im1.astype(np.uint8))
    # 展示處理后的圖像
    im2.show()


if __name__ == '__main__':      
    # 設置好要處理的像素范圍，并以多大的像素塊來生成最終效果圖
    to_pixelBlock(10, (0, 0), (1280, 800)
                  
                

5 后記

本文使用了PIL加上Numpy的配合，短短幾行代碼實現了圖像像素化的處理。當然這只是一種簡單地實現，要想實現更豐富的處理效果，還可以借助CV2來實現。

好了，以上就是本篇全部內容。

公眾號「 Python專欄 」后臺回復：「 馬賽克 」，獲取本文所涉及的完整代碼。