字符画的原理

  顾名思义，字符画就是由字符组成的画
  日常我们在网上看到的彩色图片一般有3个颜色通道：R（红）、G（绿）、B(蓝)。你没看错，就是初中物理你学过的那个“色光三原色，以此构成颜色鲜明的图片。

  而当绘图的颜色只有一种的情况下，如素描的时候，则通过线条颜色的密集程度不同进行明暗区分，即灰度值区分。

  同理，对于字符画，我们也可以根据字符笔画的密集程度进行字符画的明暗区分，以此实现对字符画各部分的灰度区分。

方案设计

 设计思路

  首先，每个字符中线条的密集程度进行排序，用于生成字符画时的明暗区分。这里我采用的字符是“MNHQ$OC?7>!:-; “，各位可以更具自己的需求进行更改。
  基础的字符画是单色画，既然如此，我们则没必要针对彩色图片进行方案设计，可以将图片将图片整体修改为灰色，根据灰色图片中每个像素点的灰度值将对应像素替换成对应字符。
  考虑到一般情况下，一个字符的高度大于它的宽度，并且每行字符之间都会有固定的间隙，为了保证最终成品的与原图的宽高比，可以将转换后的灰图的宽度进行拉伸，用于抵消由于字符宽高不一致和行间间隙造成的误差。

  然后，生成一个和灰图相同的数组
pixels，遍历
pixels每个像素，根据该像素的灰度获取对应字符并进行拼接，最后返回拼接后字符串。

 整体流程

1. 设置字符串chars用于区分不同灰度。
2. 通过PIL（需安装pillow）的Image包读取img并进行图片宽度拉伸。
3. 将img转换为灰图。
4. 使用numpy生成与img相同的数组pixels。
5. 定义空串result。
6. 循环遍历pixels像素点，获取该像素灰度在chars中对应的字符，并将该字符拼接至result，一行遍历完成后拼接换行符。
7. 返回result。

代码实现

import numpy as np
from PIL import Image


def chars_image(path, result_path, widen, chars):
    img = Image.open(path)  # 获取图片
    img_width, img_height = img.size  # 获取图片原始宽高
    # img_width, img_height = img_width // 10, img_height // 10 #根据需求进行压缩
    img_width = int(img_width * widen)  # 图片宽度拉伸，拉伸程度根据图片大小自行修改
    img = img.resize((img_width, img_height), Image.ANTIALIAS)  # 修改图片尺寸
    img = img.convert("L")  # 将图片转换为灰图
    pixels = np.array(img)  # 生成img的copy数组pixels
    N = len(chars)
    step = 256 // N
    result = ""
    for i in range(img_height):
        for j in range(img_width):
            index1 = pixels[i][j] // step  # 获取灰度对应字符
            result += chars[index1]  # 字符拼接
        result += "\n"  # 一层遍历完成后添加换行符

    with open(result_path, "w", encoding="utf-8") as f:
        f.write(result)


if __name__ == '__main__':
    chars_image(path="./img.png", result_path="./result.txt", widen=1.8, chars="MNHQ$OC?7>!:-; ")

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28

成品展示

原图

成品图

提示

如果遇到以下这种由于字符宽度不一致导致成品效果差的情况。

将显示字体修改为Courier或Courier New后缩小即可。

修改后