京公网安备 11010802034615号
经营许可证编号:京B2-20210330
01 前言
在日常的生活中,大家偶尔会看到朋友圈发的照片由一张被切成九张的效果,有时由一张照片被切成九张照片所带来的视觉盛宴是不一样的!
现在许多 P 图工具里面自带了这种功能,而微信小程序里也有专门可以切图的工具。为了熟练巩固的练习调库操作,今天就来带大家看看,如何用 Python 实现这个小功能。
02 成果展示
先来看看成果,原图为文章开始的图片,一图切九图朋友圈:
九张图发朋友圈的时候,还有个比较有意思的事,上传时是乱序的,还需要你自己像玩拼图一样自己摆位置。
03 思路讲解
这个小功能的实现利用了 Python 中的一个图形处理库,Pillow。
Pillow是由从著名的Python图像处理库PIL发展出来的一个分支,通过Pillow可以实现图像压缩和图像处理等各种操作。
1pip install pillow # 安装 pillow 库
大体实现思路以下几步:
04 代码讲解
按照上面的思路,写出代码:
1. 填充原图形的背景,生成大正方形图
1def fill_images(image):
2 """ 填充正方形白色背景图片 """
3 width, height = image.size # 获取图片的宽高
4 side = max(width, height) # 对比宽和高哪个大
6 # 新生成的图片是正方形的,边长取大的,背景设置白色
7 new_image = Image.new(image.mode, (side, side), color='white')
9 # 根据尺寸不同,将原图片放入新建的空白图片中部
10 if width > height:
11 new_image.paste(image, (0, int((side - height) / 2)))
12 else:
13 new_image.paste(image, (int((side - width) / 2), 0))
14 return new_image
代码中的顺序,可以理解为下面几个图形,首先在原有的照片基础上覆盖上白色背景:
其次,比较宽和高的生成规则是下面两个图,我们可以将背景调成黑色,便于观察,当宽大于高的像素时,你的照片就是横着铺满正方形的,而背景图填充上下,黑色背景是不是有股电影大片的气息:
当高大于宽的像素时,你的照片就是竖着铺满正方形的,而背景图填充左右:
第一步到这里就完成了,你得到的就是一张被背景颜色填满的正方形。
2. 对大正方形进行切割
1def cut_images(image):
2 """ 切割大正方形图 """
3 width, height = image.size
4 one_third_width = int(width / 3) # 三分之一正方形线像素
6 # 保存每一个小切图的区域
7 box_list =
9 """
10 切图区域是矩形,位置由对角线的两个点(左上,右下)确定,
11 而 crop 实际要传入四个参数(left, upper, right, lower)
12 """
13 for x in range(3):
14 for y in range(3):
15 left = x * one_third_width # 左像素
16 upper = y * one_third_width # 上像素
17 right = (x + 1) * one_third_width # 右像素
18 lower = (y + 1# 下像素
19 box = (left, upper, right, lower)
20 box_list.append(box)
21 image_list = [image.crop(box) for box in box_list]
22 return image_list
首先定位三分线:
根据左上,右下两个像素点的位置,确定新的图形:
最后将每个小正方形的左上和右下像素点进行存储,以元组的形式写到list中,在调用 crop 函数进行图像复制。关于 crop 函数,官方文档:
3. 存储切割后的9张图片(不放代码了,比较简单)
05 总结
Pillow 库对图像处理操作支持非常友好,而本次的小工具核心就在于如果进行对原有图片进行切割。内嵌两次循环来逐行遍历,双重遍历的思想会经常用到,这块可以注意下。
当然如果要是嫌源代码运行麻烦,可以打成 exe 文件来使用哟。这下又可以在朋友圈秀操作了!(比如改改背景呀,黑色背景什么的。)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08