蜜桃av色欲a片精品一区,麻豆aⅴ精品无码一区二区,亚洲人成网站在线播放影院在线,亚洲 素人 字幕 在线 最新

  用Python生成NFT超像素風格頭像

發(fā)布日期：2022/7/12 10:16:32      瀏覽量：

我們是三界外團隊，聚焦 XR、3D 重建與生成技術(shù)，努力探索 Web3 mev 與 資產(chǎn)合成。

通讀本文，你將具備用自己的 python 代碼，將任意照片轉(zhuǎn)化成超像素風格的圖片。想直接拿來就跑的同學，可以留言獲取~

近年NFT非常火熱，即便幣圈整體縮水，并未熄滅大家投入NFT的熱情。傳奇的一筆NFT交易，發(fā)生在 CryptoPunks（加密朋克），一共有一萬枚，每一枚都是一張像素點組成的頭像。CryptoPunk #3100是一個帶著頭帶的外星人，大約一年前以767萬美元的價格售出，后續(xù)被掛到接近1億美金的報價（當時的 35000枚ETH）。

除了web3先驅(qū)加巨鱷們的參與，饒舌明星 Snoop Dogg 以及 Eminem 都是無聊猿 NFT 的持有者，在6月還為此創(chuàng)作了一首歌 ‘From The D 2 The LBC ’。

筆者的朋友 Allen 老師，也參加了社區(qū)的NFT發(fā)行，據(jù)透露最重要的投入就是設(shè)計師。于是，我向有沒有一些簡單的方法， 可以把任意一張照片，都做成超像素風頭像。

像素化照片的方法，簡易做法是采用馬賽克方式，將圖片切分為NxM的棋盤格，每個格子取像素的均值做填充。但成像效果上，在局部的連續(xù)性上不友好，比如銀桑的眼睛、劍柄和DeadPool的劍柄。經(jīng)過進一步的調(diào)研，找到了 SLIC (Simple Linear Iterative Clustering Superpixel_PAMI2011-2.pdf) 方法，是一種線性聚類的方法，能夠?qū)⑸冉咏泥徑袼刈鼍酆?。下面簡單對比了馬賽克方式和 SLIC 的效果。（想要馬賽克代碼的同學，也可以關(guān)注后私信我~）

超像素分割 SLIC 是一種迭代聚類算法。出自 PAMI2012 論文 SLIC Superpixels Compared to State-of-the-art Superpixel Methods。超像素概念出自于圖像分割技術(shù)，是指有相似紋理、顏色、亮度的相鄰的有視覺意義的不規(guī)則連續(xù)像素塊。

通過圖像局部近似性的描述，能夠把圖像的結(jié)構(gòu)語義信息做一層提取。用少量的超像素代替大量的像素來做圖片表征，降低后處理復雜度。經(jīng)常被用在 CV 中的預處理環(huán)節(jié)，廣泛用于分割、姿態(tài)估計、目標監(jiān)測等場景。

slic 算法的邏輯，先看一下下圖，不用被這么多的細節(jié)嚇到。簡單講，就兩部分：

1. 局部 k-means，k-means 算法會遍歷所有的像素點，但依托圖像自身的語義相鄰特點，我們每次只需要搜索聚類中心附近的像素塊就夠，能夠較好的縮減計算量 ；
2. 圖像差異距離公式，這個公式需要同時能計算得到‘色彩距離’和’像素距離’；

局部k-means

kmeans 的邏輯，通過初始化 K 個類簇的中心點。遍歷緊鄰像素區(qū)塊，計算每個像素 和 K個中心點的‘距離’，將最近的一個類簇關(guān)聯(lián)到當前像素。

距離

‘距離’等于 ’空間距離’ +‘色彩距離’?？臻g距離，像素點在圖片中本身就有 x、y 的空間概念，聚類中心同樣以歸屬到當前類像素的 x、y 均值表示。這部分直接用歐式距離計算。色彩距離用 CIELab 色彩空間 l，a，b 表示，可以簡單理解為與 RGB 一致，但優(yōu)于 RGB 表示的一種色彩模式。更多 CIELab 的背景知識見附錄。

因此，每個像素，以及聚類中心點，都將被表示成一個5維向量， CIELAB色彩空間的 l、a、b ，以及當前像素或聚類中心在圖片的 x 和 y 空間位置。

直接按照歐氏距離計算，色彩偏差，與空間位置偏差，即

但，這樣的計算方式，在圖片過大、超像素寬度過小時，帶來計算上偏向于色差或距離的問題。所以進一步需要做歸一化。

其中 Ns = S，即超像素平均寬度，Nc 表示圖片中最大色差 （通常設(shè)定一個經(jīng)驗值即可，如論文默認用 10，為了做出比較有風格化的圖片，色差超參 Nc = m 可以調(diào)大，越大像素的融合效應越強）。進一步精簡得到

預處理

圖片的讀取，以及將 RGB 色彩空間轉(zhuǎn)換到 LBA，skimage.color 提供了轉(zhuǎn)換函數(shù) rgb2lab，轉(zhuǎn)換原理自行檢索。

初始化

K 表示超級像素在當前圖的個數(shù)，N 為當前圖形的像素個數(shù)即 ’圖片長 x 圖片高‘，M 表示色度強弱表示對于圖片聚類中心選擇的權(quán)重，越大則影響越小。從風格化的角度看，K 越大，超級像素越多，則對應的結(jié)果越精細，M 越小則對應的圖片越精細，反之亦然。超像素區(qū)塊寬度 S~sqrt(N/K)，可以通過像素點個數(shù)和 K 計算得到。

初始化，按照 S 步長寬度得到 S x S 大小的區(qū)塊，并且指定區(qū)塊中心的像素為中心點。并且將每個像素關(guān)聯(lián)到的聚類標簽初始化為 l(x,y) = -1, 到聚類中心的距離記為 d(x,y) = ∞ 。

距離函數(shù)

為了便于理解和實現(xiàn)，我們定義了 Pixel 類，是一個結(jié)構(gòu)體，包含了一個像素 lba 色彩信息以及像素點 x、y 位置。Cluster 類實現(xiàn)了，聚類中心的更新，以及初始化位置優(yōu)化調(diào)整 move3x3， move3x3 是為了防止當前選擇的聚類中心落在了色差較大的輪廓邊緣上。

SLIC過程

保存圖片

requirements

pillow
skimage
numpy
matploblib

不同于常用的 RGB 色彩空間，采用 CIELAB（國際照明委員會）色彩空間表示，LAB的特點在于比RGB更為平滑，對肉眼視覺的感官衡量更為貼近。彌補了 RGB 與 CMYK 兩種彩色模式的不足，是Photoshop用來從一種色彩模式向另一種色彩模式轉(zhuǎn)換時使用的一種內(nèi)部色彩模式。LAB模式也是由三個通道組成，分別是 l，a，b，其中 I 代表亮度，數(shù)值范圍為 [0, 100]，a 表示從綠色到紅色的分量，數(shù)值范圍為[-128, 127]，b 表示藍色到黃色的分量，數(shù)值范圍為 [-128, 127]。