Python制作字符画(pillow,numpy的使用)

简介: Python制作字符画(pillow,numpy的使用)

Python制作字符画

简介:本文讲解,如何使用python制作字符画,这里使用的是pillow和numpy这两个python的库。

字符画:

简单的字符画是利用字符的形状代替图画的线条来构成简单的人物、事物等形象,它一般由人工制作而成;复杂的字符画通常利用占用不同数量像素的字符代替图画上不同明暗的点,它一般由程序制作而成。

效果展示

这个是我的胡桃老婆,我用她来给大家演示一下。

编码

安装相关的库

首先安装pillow库

再安装numpy库

如果pycharm下载的速度过慢,可以尝试下面的命令的方式,进行下载。

pip install pillow -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install numpy -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com

进行编码

初始代码

原理分析:

将图片中的每个像素点,转换成对应的ASCII字符。

这里我用我的老婆,胡桃给大家演示一下

这是第一版的代码,详细的过程已经在代码中写下了注释,原理并不是特别困难,主要是一个pillow和numpy的使用。

from PIL import Image
import numpy as np
def ascill_art(file):
    # 打开图片文件
    im = Image.open(file)
    # 通过灰度覆盖这张图片 降低图片的亮度
    im = im.convert("L")
    # 对图片进行降采样
    sample_rate = 0.15
    new_im_size = [int(x * sample_rate) for x in im.size]
    im = im.resize(new_im_size)
    # 将图片转换成一个numpy字符
    im = np.array(im)
    # symbols中定义了 我们字符画中的所有字符
    # 按照字符亮度升序排列
    # 文件转换的时候会不断的查询这个symbols字符集
    symbols = np.array(list(" .-vM"))
    # 设置这个字符集合的取值范围的最大和最小值[0,max_symbol_index)
    im = (im - im.min()) / (im.max() - im.min()) * (symbols.size - 1)
    # 完成字符的转换
    ascii = symbols[im.astype(int)]
    lines = "\n".join(("".join(r) for r in ascii))
    print(lines)
if __name__=="__main__":
    ascill_art("imgs/img.png")

运行结果:

还是比较大的,我们放到这个文本中观察一下。

放到文档里面之后的样子,是不是很好看了。

分析结果我们发现,做个图片还会被拉长了,希望解决这个问题,我们需要进行一点点的修改。

我们需要下载一个新的字符集,然后使用这段代码,对这个问题进行解决

# 这段代码可以处理图片拉伸的情况
    font = ImageFont.truetype("Font/SourceCodePro-Black-1.ttf")
    aspect_ratdio = font.getsize("x")[0] / font.getsize("x")[1]
    new_im_size = np.array(
        [im.size[0] * sample_rate, im.size[1] * sample_rate * aspect_ratdio]
    ).astype(int)
第二版

文件结构

from PIL import Image
from PIL import ImageFont
import numpy as np
def ascill_art(file):
    # 打开图片文件
    im = Image.open(file)
    # 通过灰度覆盖这张图片 降低图片的亮度
    im = im.convert("L")
    # 对图片进行降采样
    sample_rate = 0.15
    # 这段代码可以处理图片拉伸的情况
    font = ImageFont.truetype("Font/SourceCodePro-Black-1.ttf")
    aspect_ratdio = font.getsize("x")[0] / font.getsize("x")[1]
    new_im_size = np.array(
        [im.size[0] * sample_rate, im.size[1] * sample_rate * aspect_ratdio]
    ).astype(int)
    # 用新的的图片大小resize之前的
    im = im.resize(new_im_size)
    # 将图片转换成一个numpy字符
    im = np.array(im)
    # symbols中定义了 我们字符画中的所有字符
    # 按照字符亮度升序排列
    # 文件转换的时候会不断的查询这个symbols字符集
    symbols = np.array(list(" .-vM"))
    # 设置这个字符集合的取值范围的最大和最小值[0,max_symbol_index)
    im = (im - im.min()) / (im.max() - im.min()) * (symbols.size - 1)
    # 完成字符的转换
    ascii = symbols[im.astype(int)]
    lines = "\n".join(("".join(r) for r in ascii))
    print(lines)
if __name__=="__main__":
    ascill_art("imgs/img.png")

运行结果:

第三版

分析第二版,我们发现还是优缺点,这个版本是,灰色的,没有彩色高亮显示,这个问题如何解决了。

解决问题就是,在设置图片为灰度之前,先保留一个原来图片的彩色副本。

然后我这里还解决了如何保存字符画为图片的问题,详细可以看代码,特别是如何设置这个图片的存储位置的方法。

完整代码

from PIL import Image
from PIL import ImageFont, ImageDraw
import numpy as np
def ascill_art(file):
    # 打开图片文件
    im = Image.open(file)
    # 存放图片文件的位置
    file2 = file.split("/")[0] + "/"
    # 对图片进行降采样
    sample_rate = 0.15
    # 这段代码可以处理图片拉伸的情况
    # 这个truetype可以有第二个参数 也就是指定字符的大小
    font = ImageFont.truetype("Font/SourceCodePro-Black-1.ttf")
    aspect_ratdio = font.getsize("x")[0] / font.getsize("x")[1]
    new_im_size = np.array(
        [im.size[0] * sample_rate, im.size[1] * sample_rate * aspect_ratdio]
    ).astype(int)
    # 用新的的图片大小resize之前的
    im = im.resize(new_im_size)
    # 再进行图片的灰度之前,先保留一个图片的副本
    im_color = np.array(im)
    # 通过灰度覆盖这张图片 降低图片的亮度
    im = im.convert("L")
    # 将图片转换成一个numpy字符
    im = np.array(im)
    # symbols中定义了 我们字符画中的所有字符
    # 按照字符亮度升序排列
    # 文件转换的时候会不断的查询这个symbols字符集
    symbols = np.array(list(" .-vM"))
    # 设置这个字符集合的取值范围的最大和最小值[0,max_symbol_index)
    im = (im - im.min()) / (im.max() - im.min()) * (symbols.size - 1)
    # 完成字符的转换
    ascii = symbols[im.astype(int)]
    # 创建一个字符图片
    letter_size = font.getsize('x')
    im_out_size = new_im_size * letter_size
    bg_color = "black"
    im_out = Image.new("RGB", tuple(im_out_size), bg_color)
    draw = ImageDraw.Draw(im_out)
    # Draw text
    y = 0
    for i, line in enumerate(ascii):
        for j, ch in enumerate(line):
            color = tuple(im_color[i, j])
            draw.text((letter_size[0] * j, y), ch, fill=color, font=font)
        y += letter_size[1]
    lines = "\n".join(("".join(r) for r in ascii))
    im_out.save(file2  + "ascii.png")
    print(lines)
if __name__=="__main__":
    ascill_art("imgs/img.png")

最后的运行结果

一张完美的我老婆的字符画。

如果大家觉得有用的话,可以关注我下面的微信公众号,极客李华,我会在里面更新更多行业资讯,企业面试内容,编程资源,如何写出可以让大厂面试官眼前一亮的简历,让大家更好学习编程,我的抖音,B站也叫极客李华。

相关文章
|
1月前
|
算法 前端开发 数据处理
小白学python-深入解析一位字符判定算法
小白学python-深入解析一位字符判定算法
48 0
|
10天前
|
人工智能 Shell 开发工具
[oeasy]python0041_输出ASCII码表_英文字符编码_键盘字符_ISO_646
本文介绍了ASCII码表的生成与使用,包括英文字符、数字和符号的编码。通过Python代码遍历0到127的ASCII值,解决了找不到竖线符号的问题,并解释了ASCII码的固定映射关系及其重要性。文章还介绍了ASCII码的历史背景,以及它如何成为国际标准ISO 646。最后,通过安装`ascii`程序展示了完整的ASCII码表。
11 1
|
13天前
|
机器学习/深度学习 数据采集 数据挖掘
解锁 Python 数据分析新境界:Pandas 与 NumPy 高级技巧深度剖析
Pandas 和 NumPy 是 Python 中不可或缺的数据处理和分析工具。本文通过实际案例深入剖析了 Pandas 的数据清洗、NumPy 的数组运算、结合两者进行数据分析和特征工程,以及 Pandas 的时间序列处理功能。这些高级技巧能够帮助我们更高效、准确地处理和分析数据,为决策提供支持。
33 2
|
19天前
|
存储 数据处理 Python
Python科学计算:NumPy与SciPy的高效数据处理与分析
【10月更文挑战第27天】在科学计算和数据分析领域,Python凭借简洁的语法和强大的库支持广受欢迎。NumPy和SciPy作为Python科学计算的两大基石,提供了高效的数据处理和分析工具。NumPy的核心功能是N维数组对象(ndarray),支持高效的大型数据集操作;SciPy则在此基础上提供了线性代数、信号处理、优化和统计分析等多种科学计算工具。结合使用NumPy和SciPy,可以显著提升数据处理和分析的效率,使Python成为科学计算和数据分析的首选语言。
28 3
|
21天前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
46 5
|
20天前
|
存储 机器学习/深度学习 算法
Python科学计算:NumPy与SciPy的高效数据处理与分析
【10月更文挑战第26天】NumPy和SciPy是Python科学计算领域的两大核心库。NumPy提供高效的多维数组对象和丰富的数学函数,而SciPy则在此基础上提供了更多高级的科学计算功能,如数值积分、优化和统计等。两者结合使Python在科学计算中具有极高的效率和广泛的应用。
38 2
|
14天前
|
人工智能 开发工具 Python
[oeasy]python040_缩进几个字符好_输出所有键盘字符_循环遍历_indent
本文探讨了Python代码中的缩进问题。通过研究`range`函数和`for`循环,发现缩进对于代码块的执行至关重要。如果缩进不正确,程序会抛出`IndentationError`。文章还介绍了Python的PEP8规范,推荐使用4个空格进行缩进,并通过示例展示了如何使用Tab键实现标准缩进。最后,通过修改代码,输出了从0到122的字符及其对应的ASCII码值,但未能找到竖线符号(`|`)。文章在总结中提到,下次将继续探讨竖线符号的位置。
11 0
|
1月前
|
机器学习/深度学习 数据采集 算法
探索Python科学计算的边界:NumPy、Pandas与SciPy在大规模数据分析中的高级应用
【10月更文挑战第5天】随着数据科学和机器学习领域的快速发展,处理大规模数据集的能力变得至关重要。Python凭借其强大的生态系统,尤其是NumPy、Pandas和SciPy等库的支持,在这个领域占据了重要地位。本文将深入探讨这些库如何帮助科学家和工程师高效地进行数据分析,并通过实际案例来展示它们的一些高级应用。
51 0
探索Python科学计算的边界:NumPy、Pandas与SciPy在大规模数据分析中的高级应用
|
1月前
|
数据挖掘 索引 Python
Python数据分析篇--NumPy--进阶
Python数据分析篇--NumPy--进阶
17 0
|
1月前
|
数据挖掘 索引 Python
Python数据分析篇--NumPy--入门
Python数据分析篇--NumPy--入门
34 0