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
|
29天前
|
存储 Java 数据处理
(numpy)Python做数据处理必备框架!(一):认识numpy;从概念层面开始学习ndarray数组:形状、数组转置、数值范围、矩阵...
Numpy是什么? numpy是Python中科学计算的基础包。 它是一个Python库,提供多维数组对象、各种派生对象(例如掩码数组和矩阵)以及用于对数组进行快速操作的各种方法,包括数学、逻辑、形状操作、排序、选择、I/0 、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。 Numpy能做什么? numpy的部分功能如下: ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组 用于对整组数据进行快速运算的标准数学函数(无需编写循环)。 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 线性代数、随机数生成以及傅里叶变换功能。 用于集成由C、C++
235 1
|
29天前
|
Java 数据处理 索引
(numpy)Python做数据处理必备框架!(二):ndarray切片的使用与运算;常见的ndarray函数:平方根、正余弦、自然对数、指数、幂等运算;统计函数:方差、均值、极差;比较函数...
ndarray切片 索引从0开始 索引/切片类型 描述/用法 基本索引 通过整数索引直接访问元素。 行/列切片 使用冒号:切片语法选择行或列的子集 连续切片 从起始索引到结束索引按步长切片 使用slice函数 通过slice(start,stop,strp)定义切片规则 布尔索引 通过布尔条件筛选满足条件的元素。支持逻辑运算符 &、|。
100 0
|
3月前
|
机器学习/深度学习 API 异构计算
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
JAX是Google开发的高性能数值计算库,旨在解决NumPy在现代计算需求下的局限性。它不仅兼容NumPy的API,还引入了自动微分、GPU/TPU加速和即时编译(JIT)等关键功能,显著提升了计算效率。JAX适用于机器学习、科学模拟等需要大规模计算和梯度优化的场景,为Python在高性能计算领域开辟了新路径。
287 0
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
|
3月前
|
存储 数据采集 数据处理
Pandas与NumPy:Python数据处理的双剑合璧
Pandas与NumPy是Python数据科学的核心工具。NumPy以高效的多维数组支持数值计算,适用于大规模矩阵运算;Pandas则提供灵活的DataFrame结构,擅长处理表格型数据与缺失值。二者在性能与功能上各具优势,协同构建现代数据分析的技术基石。
262 0
|
12月前
|
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。
167 1
|
12月前
|
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。
255 2
|
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。
270 3
|
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。
392 2
|
12月前
|
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。
147 0
|
机器学习/深度学习 数据处理 Python
从NumPy到Pandas:轻松转换Python数值库与数据处理利器
从NumPy到Pandas:轻松转换Python数值库与数据处理利器
301 1

推荐镜像

更多