পাইথন
এনকোডিংয়ের জন্য অলস , স্কাইপি এবং সাইকিট-চিত্র প্রয়োজন ।
ডিকোড শুধুমাত্র প্রয়োজন PIL ।
এটি সুপারপিক্সেল ইন্টারপোলেশন ভিত্তিক একটি পদ্ধতি। শুরু করতে, প্রতিটি চিত্র একই রঙের 70 টি একই আকারের অঞ্চলে বিভক্ত । উদাহরণস্বরূপ, ল্যান্ডস্কেপ চিত্র নিম্নলিখিত পদ্ধতিতে বিভক্ত:
প্রতিটি অঞ্চলের সেন্ট্রয়েড অবস্থিত (একটি গ্রিডের নিকটতম রাস্টার পয়েন্টে 402 পয়েন্টের বেশি নয়) পাশাপাশি এটির গড় রঙ (216 রঙের প্যালেট থেকে) এবং এই অঞ্চলগুলির প্রতিটি 0 থেকে একটি সংখ্যা হিসাবে এনকোড করা রয়েছে থেকে 86832 , করতে সক্ষম সঞ্চিত হচ্ছে 2.5 মুদ্রণযোগ্য ASCII অক্ষর (আসলে 2,497 , একটি greyscale বিট জন্য সঙ্কেতাক্ষরে লিখা যথেষ্ট রুম ছাড়ার)।
আপনি যদি মনোযোগী হন তবে আপনি লক্ষ্য করেছেন যে 140 / 2.5 = 56 টি অঞ্চল এবং আমি আগেই বলেছি 70 টি নয় । তবে লক্ষ্য করুন যে এই অঞ্চলগুলির প্রত্যেকটিই একটি অনন্য, তুলনামূলক অবজেক্ট, যা কোনও ক্রমে তালিকাভুক্ত হতে পারে। এই কারণে, আমরা ব্যবহার করতে পারি বিন্যাস প্রথম 56 অপরের জন্য সঙ্কেতাক্ষরে লিখা অঞ্চলে 14 কয়েক ওভার বাকি আকৃতি অনুপাত সঞ্চয় করতে বিট তার হিসাবে, পাশাপাশি।
আরও সুনির্দিষ্টভাবে, অতিরিক্ত 14 টি অঞ্চলের প্রত্যেকটি একটি সংখ্যায় রূপান্তরিত হয় এবং তারপরে এই সংখ্যাগুলির প্রত্যেকটি এক সাথে সংমিশ্রণ হয় (বর্তমান মান 86832 দ্বারা গুণিত করে এবং পরবর্তীটি যোগ করে)। এই (বিশাল) সংখ্যাটি পরে 56 টি বস্তুর ক্রম রূপান্তরিত হয় ।
উদাহরণ স্বরূপ:
from my_geom import *
# this can be any value from 0 to 56!, and it will map unambiguously to a permutation
num = 595132299344106583056657556772129922314933943196204990085065194829854239
perm = num2perm(num, 56)
print perm
print perm2num(perm)
আউটপুট হবে:
[0, 3, 33, 13, 26, 22, 54, 12, 53, 47, 8, 39, 19, 51, 18, 27, 1, 41, 50, 20, 5, 29, 46, 9, 42, 23, 4, 37, 21, 49, 2, 6, 55, 52, 36, 7, 43, 11, 30, 10, 34, 44, 24, 45, 32, 28, 17, 35, 15, 25, 48, 40, 38, 31, 16, 14]
595132299344106583056657556772129922314933943196204990085065194829854239
ফলস্বরূপ ফলাফলটি মূল 56 টি অঞ্চলে প্রয়োগ করা হয় । মূল সংখ্যা (এবং এইভাবে অতিরিক্ত 14 অঞ্চল) একইভাবে 56 টি এনকোডেড অঞ্চলগুলির ক্রমবিন্যাসকে এর সংখ্যাগত উপস্থাপনায় রূপান্তর করে তোলা যায়।
যখন --greyscaleবিকল্প এনকোডার সঙ্গে ব্যবহার করা হয়, 94 অঞ্চলে (পৃথক পরিবর্তে ব্যবহার করা হয় 70 , 24 সহ), 558 রাস্টার পয়েন্ট, এবং 16 ধূসর ছায়া গো।
ডিকোডিংয়ের সময়, এই অঞ্চলগুলির প্রত্যেককে উপরের দিক থেকে দেখা হিসাবে এই অঞ্চলের সেন্ট্রয়েডে এর ভার্টেক্স সহ অনন্ত প্রসারিত 3 ডি শঙ্কু হিসাবে বিবেচনা করা হয়। চূড়ান্ত পণ্যটি তৈরি করতে সীমানাগুলি এক সাথে মিশ্রিত করা হয়।
ভবিষ্যতের উন্নতি
মোনা লিসার মাত্রা কিছুটা দূরে, যেভাবে আমি অনুপাতের অনুপাতটি সঞ্চয় করছি to আমার আলাদা সিস্টেম ব্যবহার করা দরকার। স্থির, ধরে নিলে যে মূল দিক অনুপাতটি কোথাও 1:21 এবং 21: 1 এর মধ্যে রয়েছে, যা আমি মনে করি যুক্তিসঙ্গত অনুমান।হিনডেনবার্গের অনেক উন্নতি হতে পারে। আমি যে রঙ প্যালেটটি ব্যবহার করছি তাতে কেবল ছয় ধূসর ছায়া রয়েছে। যদি আমি একটি গ্রেস্কেল-কেবল মোড প্রবর্তন করি তবে রঙের গভীরতা, অঞ্চলগুলির সংখ্যা, রাস্টার পয়েন্টের সংখ্যা বা তিনটির কোনও সংমিশ্রণ বাড়ানোর জন্য আমি অতিরিক্ত তথ্য ব্যবহার করতে পারি। আমি --greyscaleএনকোডারটিতে একটি বিকল্প যুক্ত করেছি , যা তিনটিই করে।2 ডি আকারগুলি সম্ভবত মিশ্রণটি বন্ধ করে দেওয়া আরও ভাল দেখায়। আমি সম্ভবত এটির জন্য একটি পতাকা যুক্ত করব। বিভাগের অনুপাত নিয়ন্ত্রণ করার জন্য একটি এনকোডার বিকল্প এবং মিশ্রণটি বন্ধ করার জন্য একটি ডিকোডার বিকল্প যুক্ত করা হয়েছে।- সংমিশ্রণকারীদের সাথে আরও মজা 56! 15 টি অতিরিক্ত অঞ্চল এবং 15 সংরক্ষণ করার জন্য এটি যথেষ্ট বড় large মোট 73 টির জন্য 2 টি আরও বেশি সঞ্চয় করতে যথেষ্ট । তবে অপেক্ষা করুন, আরও আছে! এই object৩ টি বস্তুর বিভাজনটি আরও তথ্য সংরক্ষণ করতে ব্যবহার করা যেতে পারে। উদাহরণস্বরূপ, আছে 73 56 চয়ন প্রাথমিক নির্বাচন করতে উপায়ে 56 অঞ্চলে, এবং তারপর 17 15 চয়ন পরবর্তী নির্বাচন করার উপায় 15 । মোট 2403922132944423030 বিভাজন, মোট 76 টির জন্য 3 টি আরও অঞ্চল সংরক্ষণের জন্য যথেষ্ট বড়। আমি স্বতন্ত্র সংখ্যা সব পার্টিশন একটি চতুর উপায় সঙ্গে আসা পর্যন্ত প্রয়োজন চাই 73 এর দলে 56 , 15 , 2 ... এবং ফিরে । সম্ভবত ব্যবহারিক নয়, তবে ভাবতে আগ্রহী একটি সমস্যা।
0VW*`Gnyq;c1JBY}tj#rOcKm)v_Ac\S.r[>,Xd_(qT6 >]!xOfU9~0jmIMG{hcg-'*a.s<X]6*%U5>/FOze?cPv@hI)PjpK9\iA7P ]a-7eC&ttS[]K>NwN-^$T1E.1OH^c0^"J 4V9X
0Jc?NsbD#1WDuqT]AJFELu<!iE3d!BB>jOA'L|<j!lCWXkr:gCXuD=D\BL{gA\ 8#*RKQ*tv\\3V0j;_4|o7>{Xage-N85):Q/Hl4.t&'0pp)d|Ry+?|xrA6u&2E!Ls]i]T<~)58%RiA
এবং
4PV 9G7X|}>pC[Czd!5&rA5 Eo1Q\+m5t:r#;H65NIggfkw'h4*gs.:~<bt'VuVL7V8Ed5{`ft7e>HMHrVVUXc.{#7A|#PBm,i>1B781.K8>s(yUV?a<*!mC@9p+Rgd<twZ.wuFnN dp
দ্বিতীয়টি --greyscaleবিকল্পটির সাথে এনকোড হয়েছে ।
3dVY3TY?9g+b7!5n`)l"Fg H$ 8n?[Q-4HE3.c:[pBBaH`5'MotAj%a4rIodYO.lp$h a94$n!M+Y?(eAR,@Y*LiKnz%s0rFpgnWy%!zV)?SuATmc~-ZQardp=?D5FWx;v=VA+]EJ(:%
--greyscaleবিকল্পের সাথে এনকোড করা হয়েছে ।
.9l% Ge<'_)3(`DTsH^eLn|l3.D_na,,sfcpnp{"|lSv<>}3b})%m2M)Ld{YUmf<Uill,*:QNGk,'f2; !2i88T:Yjqa8\Ktz4i@h2kHeC|9,P` v7Xzd Yp&z:'iLra&X&-b(g6vMq
এনকোডযুক্ত --ratio 60এবং --no-blendingবিকল্পগুলির সাথে ডিকোড করা হয়েছে ।
encoder.py
from __future__ import division
import argparse, numpy
from skimage.io import imread
from skimage.transform import resize
from skimage.segmentation import slic
from skimage.measure import regionprops
from my_geom import *
def encode(filename, seg_ratio, greyscale):
img = imread(filename)
height = len(img)
width = len(img[0])
ratio = width/height
if greyscale:
raster_size = 558
raster_ratio = 11
num_segs = 94
set1_len = 70
max_num = 8928 # 558 * 16
else:
raster_size = 402
raster_ratio = 13
num_segs = 70
set1_len = 56
max_num = 86832 # 402 * 216
raster_width = (raster_size*ratio)**0.5
raster_height = int(raster_width/ratio)
raster_width = int(raster_width)
resize_height = raster_height * raster_ratio
resize_width = raster_width * raster_ratio
img = resize(img, (resize_height, resize_width))
segs = slic(img, n_segments=num_segs-4, ratio=seg_ratio).astype('int16')
max_label = segs.max()
numpy.place(segs, segs==0, [max_label+1])
regions = [None]*(max_label+2)
for props in regionprops(segs):
label = props['Label']
props['Greyscale'] = greyscale
regions[label] = Region(props)
for i, a in enumerate(regions):
for j, b in enumerate(regions):
if a==None or b==None or a==b: continue
if a.centroid == b.centroid:
numpy.place(segs, segs==j, [i])
regions[j] = None
for y in range(resize_height):
for x in range(resize_width):
label = segs[y][x]
regions[label].add_point(img[y][x])
regions = [r for r in regions if r != None]
if len(regions)>num_segs:
regions = sorted(regions, key=lambda r: r.area)[-num_segs:]
regions = sorted(regions, key=lambda r: r.to_num(raster_width))
set1, set2 = regions[-set1_len:], regions[:-set1_len]
set2_num = 0
for s in set2:
set2_num *= max_num
set2_num += s.to_num(raster_width)
set2_num = ((set2_num*85 + raster_width)*85 + raster_height)*25 + len(set2)
perm = num2perm(set2_num, set1_len)
set1 = permute(set1, perm)
outnum = 0
for r in set1:
outnum *= max_num
outnum += r.to_num(raster_width)
outnum *= 2
outnum += greyscale
outstr = ''
for i in range(140):
outstr = chr(32 + outnum%95) + outstr
outnum //= 95
print outstr
parser = argparse.ArgumentParser(description='Encodes an image into a tweetable format.')
parser.add_argument('filename', type=str,
help='The filename of the image to encode.')
parser.add_argument('--ratio', dest='seg_ratio', type=float, default=30,
help='The segmentation ratio. Higher values (50+) will result in more regular shapes, lower values in more regular region color.')
parser.add_argument('--greyscale', dest='greyscale', action='store_true',
help='Encode the image as greyscale.')
args = parser.parse_args()
encode(args.filename, args.seg_ratio, args.greyscale)
decoder.py
from __future__ import division
import argparse
from PIL import Image, ImageDraw, ImageChops, ImageFilter
from my_geom import *
def decode(instr, no_blending=False):
innum = 0
for c in instr:
innum *= 95
innum += ord(c) - 32
greyscale = innum%2
innum //= 2
if greyscale:
max_num = 8928
set1_len = 70
image_mode = 'L'
default_color = 0
raster_ratio = 11
else:
max_num = 86832
set1_len = 56
image_mode = 'RGB'
default_color = (0, 0, 0)
raster_ratio = 13
nums = []
for i in range(set1_len):
nums = [innum%max_num] + nums
innum //= max_num
set2_num = perm2num(nums)
set2_len = set2_num%25
set2_num //= 25
raster_height = set2_num%85
set2_num //= 85
raster_width = set2_num%85
set2_num //= 85
resize_width = raster_width*raster_ratio
resize_height = raster_height*raster_ratio
for i in range(set2_len):
nums += set2_num%max_num,
set2_num //= max_num
regions = []
for num in nums:
r = Region()
r.from_num(num, raster_width, greyscale)
regions += r,
masks = []
outimage = Image.new(image_mode, (resize_width, resize_height), default_color)
for a in regions:
mask = Image.new('L', (resize_width, resize_height), 255)
for b in regions:
if a==b: continue
submask = Image.new('L', (resize_width, resize_height), 0)
poly = a.centroid.bisected_poly(b.centroid, resize_width, resize_height)
ImageDraw.Draw(submask).polygon(poly, fill=255, outline=255)
mask = ImageChops.multiply(mask, submask)
outimage.paste(a.avg_color, mask=mask)
if not no_blending:
outimage = outimage.resize((raster_width, raster_height), Image.ANTIALIAS)
outimage = outimage.resize((resize_width, resize_height), Image.BICUBIC)
smooth = ImageFilter.Kernel((3,3),(1,2,1,2,4,2,1,2,1))
for i in range(20):outimage = outimage.filter(smooth)
outimage.show()
parser = argparse.ArgumentParser(description='Decodes a tweet into and image.')
parser.add_argument('--no-blending', dest='no_blending', action='store_true',
help="Do not blend the borders in the final image.")
args = parser.parse_args()
instr = raw_input()
decode(instr, args.no_blending)
my_geom.py
from __future__ import division
class Point:
def __init__(self, x, y):
self.x = x
self.y = y
self.xy = (x, y)
def __eq__(self, other):
return self.x == other.x and self.y == other.y
def __lt__(self, other):
return self.y < other.y or (self.y == other.y and self.x < other.x)
def inv_slope(self, other):
return (other.x - self.x)/(self.y - other.y)
def midpoint(self, other):
return Point((self.x + other.x)/2, (self.y + other.y)/2)
def dist2(self, other):
dx = self.x - other.x
dy = self.y - other.y
return dx*dx + dy*dy
def bisected_poly(self, other, resize_width, resize_height):
midpoint = self.midpoint(other)
points = []
if self.y == other.y:
points += (midpoint.x, 0), (midpoint.x, resize_height)
if self.x < midpoint.x:
points += (0, resize_height), (0, 0)
else:
points += (resize_width, resize_height), (resize_width, 0)
return points
elif self.x == other.x:
points += (0, midpoint.y), (resize_width, midpoint.y)
if self.y < midpoint.y:
points += (resize_width, 0), (0, 0)
else:
points += (resize_width, resize_height), (0, resize_height)
return points
slope = self.inv_slope(other)
y_intercept = midpoint.y - slope*midpoint.x
if self.y > midpoint.y:
points += ((resize_height - y_intercept)/slope, resize_height),
if slope < 0:
points += (resize_width, slope*resize_width + y_intercept), (resize_width, resize_height)
else:
points += (0, y_intercept), (0, resize_height)
else:
points += (-y_intercept/slope, 0),
if slope < 0:
points += (0, y_intercept), (0, 0)
else:
points += (resize_width, slope*resize_width + y_intercept), (resize_width, 0)
return points
class Region:
def __init__(self, props={}):
if props:
self.greyscale = props['Greyscale']
self.area = props['Area']
cy, cx = props['Centroid']
if self.greyscale:
self.centroid = Point(int(cx/11)*11+5, int(cy/11)*11+5)
else:
self.centroid = Point(int(cx/13)*13+6, int(cy/13)*13+6)
self.num_pixels = 0
self.r_total = 0
self.g_total = 0
self.b_total = 0
def __lt__(self, other):
return self.centroid < other.centroid
def add_point(self, rgb):
r, g, b = rgb
self.r_total += r
self.g_total += g
self.b_total += b
self.num_pixels += 1
if self.greyscale:
self.avg_color = int((3.2*self.r_total + 10.7*self.g_total + 1.1*self.b_total)/self.num_pixels + 0.5)*17
else:
self.avg_color = (
int(5*self.r_total/self.num_pixels + 0.5)*51,
int(5*self.g_total/self.num_pixels + 0.5)*51,
int(5*self.b_total/self.num_pixels + 0.5)*51)
def to_num(self, raster_width):
if self.greyscale:
raster_x = int((self.centroid.x - 5)/11)
raster_y = int((self.centroid.y - 5)/11)
return (raster_y*raster_width + raster_x)*16 + self.avg_color//17
else:
r, g, b = self.avg_color
r //= 51
g //= 51
b //= 51
raster_x = int((self.centroid.x - 6)/13)
raster_y = int((self.centroid.y - 6)/13)
return (raster_y*raster_width + raster_x)*216 + r*36 + g*6 + b
def from_num(self, num, raster_width, greyscale):
self.greyscale = greyscale
if greyscale:
self.avg_color = num%16*17
num //= 16
raster_x, raster_y = num%raster_width, num//raster_width
self.centroid = Point(raster_x*11 + 5, raster_y*11+5)
else:
rgb = num%216
r, g, b = rgb//36, rgb//6%6, rgb%6
self.avg_color = (r*51, g*51, b*51)
num //= 216
raster_x, raster_y = num%raster_width, num//raster_width
self.centroid = Point(raster_x*13 + 6, raster_y*13 + 6)
def perm2num(perm):
num = 0
size = len(perm)
for i in range(size):
num *= size-i
for j in range(i, size): num += perm[j]<perm[i]
return num
def num2perm(num, size):
perm = [0]*size
for i in range(size-1, -1, -1):
perm[i] = int(num%(size-i))
num //= size-i
for j in range(i+1, size): perm[j] += perm[j] >= perm[i]
return perm
def permute(arr, perm):
size = len(arr)
out = [0] * size
for i in range(size):
val = perm[i]
out[i] = arr[val]
return out
বিভক্ত করছি :
এবং চিত্রটিকে প্যালেট ব্লকে (এই ক্ষেত্রে 2x2 পিক্সেল) সামনের এবং পিছনের বর্ণের মধ্যে বিভক্ত করুন।
