Python 实现图像像素化特效

背景与效果

所谓的像素图，就是对图像做一个颗粒化的处理，使其产生一种妙不可言的朦胧感。直接看一张对比图，感受一下这种视觉变化。

▲ 效果图

▲ 原图

怎么样，效果还不错吧？现在，我们用 Python 来实现这种像素化的效果。

开发环境

• 操作系统：Windows
• Python 版本：3.7.3
• 核心库：Pillow, NumPy

实现思路

一个最简单的实现思路，是在打开图片后，把图片分割成若干像素块，再对这些像素块中的图像信息进行处理（修改图像中的 RGB 值）即可。

这里我们使用 Numpy 库和 PIL 库来实现这个需求，后者用来图像的读取与保存，涉及到的所有图像处理动作均借助 Numpy 来实现。

有关 NumPy 模块、PIL 模块的介绍，可参考官方文档。PIL（Python Imaging Library）是 Python 常用的图像处理库，而 Pillow 是 PIL 的一个友好分支，提供了广泛的文件格式支持，强大的图像处理能力，主要包括图像储存、图像显示、格式转换以及基本的图像处理操作等。

代码实战

准备好环境后，我们直接上代码。这段逻辑的核心在于将图像数组分块，计算每个块的平均颜色，然后回填。

from PIL import Image
import numpy as np

def pixelate_image(image_path, output_path, block_size=10):
    # 读取图片并转换为 RGB 模式
    img = Image.open(image_path).convert('RGB')
    width, height = img.size
    
    # 将图片数据转换为 Numpy 数组
    img_array = np.array(img)
    
    # 计算需要处理的行数和列数
    rows = height // block_size
    cols = width // block_size
    
    # 创建一个新的数组用于存储结果
    result_array = np.zeros_like(img_array)
    
    print(f"开始处理：{width}x{height}, 块大小：{block_size}")
    
    for r in range(rows):
        for c in range(cols):
            
            y_start, y_end = r * block_size, (r + ) * block_size
            x_start, x_end = c * block_size, (c + ) * block_size
            
            block = img_array[y_start:y_end, x_start:x_end]
            
            
            mean_color = np.mean(block, axis=(, ))
            
            
            result_array[y_start:y_end, x_start:x_end] = mean_color
    
    
    result_img = Image.fromarray(result_array.astype(np.uint8))
    result_img.save(output_path)
    ()

 __name__ == :
    
    input_file = 
    output_file = 
    :
        pixelate_image(input_file, output_file, block_size=)
     FileNotFoundError:
        ()