教程,Python图片转字符堆叠图

简介: Python 图片转字符画 一、实验说明 1. 环境登录 无需密码自动登录, 2. 环境介绍 本实验环境采用带桌面的UbuntuLinux环境,实验中会用到桌面上的程序: LX终端(LXTerminal):Linux命令行终端,打开后会进入Bash环境,可以使用Linux命令 GVim:非常好用的编辑器,最简单的用法可以参考课程Vim编辑器 3. 环境使用 使用GVim编辑器输入实验所需的代码及文件,使用LX终端(LXTerminal)运行所需命令进行操作。

Python 图片转字符画

一、实验说明

1. 环境登录

无需密码自动登录,

2. 环境介绍

本实验环境采用带桌面的UbuntuLinux环境,实验中会用到桌面上的程序:

  1. LX终端(LXTerminal:Linux命令行终端,打开后会进入Bash环境,可以使用Linux命令

  2. GVim:非常好用的编辑器,最简单的用法可以参考课程Vim编辑器

3. 环境使用

使用GVim编辑器输入实验所需的代码及文件,使用LX终端(LXTerminal)运行所需命令进行操作。

完成实验后可以点击桌面上方的“实验截图”保存并分享实验结果到微博,向好友展示自己的学习进度。实验楼提供后台系统截图,可以真实有效证明您已经完成了实验。

实验记录页面可以在“我的主页”中查看,其中含有每次实验的截图及笔记,以及每次实验的有效学习时间(指的是在实验桌面内操作的时间,如果没有操作,系统会记录为发呆时间)。这些都是您学习的真实性证明。

二、实验内容

安装pillowPIL)库:

$ sudo apt-getinstall python-dev


$ sudo apt-getinstall libtiff5-dev libjpeg8-dev zlib1g-dev \

libfreetype6-devliblcms2-dev libwebp-dev tcl8.6-dev tk8.6-dev python-tk


$ sudo pip installpillow

今天我们要做的是图片转字符画!

别慌!这是手工做的,我们这个做不了那么好。

我们做的是这一类字符画!

才几行代码,哪可能做成这种效果。

别急别急,这里只负责讲解原理与生成字符,至于显示效果,那还要看你显示用的媒介怎么样了,像是字符是不是等宽啦,行高和行宽是不是相等啦,屏幕够不够大,够不够亮,够不够有型都可能是影响观赏效果的因素呢。

开始码代码

首先获取实验用图片

wgethttp://labfile.oss.aliyuncs.com/courses/370/ascii_dora.png

创建ascii.py 文件进行编辑

$ vi ascii.py

导入必要的库

from PIL importImage

import argparse

一张图片从图像到字符不是一蹴而就的,需要经过很多步骤,光看着可能没什么头绪,先从成品上着手,成品是一系列字符的组合,我们可以把字符看作是比较大块的像素,一个字符能表现一种颜色(暂且这么理解吧),字符的种类越多,可以表现的颜色也越多,图片也会更有层次感,下面是我们选择的字符集。

ascii_char =list("$@B%8&WM#*oahkbdpqwmZO0QLCJUYXzcvunxrjft/\|()1{}[]?-_+~<>i!lI;:,\"^`'.")

没有自己用手去数吧?告诉你,一共有70 个字符,当然也不是字符越多越好,具体还得看选择的图片,自己反复尝试效果。

问题来了,我们是要转换一张彩色的图片,这么这么多的颜色,要怎么对应到字符上去?这里就要介绍灰度值的概念了。

灰度值:指黑白图像中点的颜色深度,范围一般从0255,白色为255,黑色为0,故黑白图片也称灰度图像

这样就好办了,灰度值大的用列表开头的符号,灰度值小的用列表末尾的符号。

灰度值公式

灰度值= 0.2126 * r + 0.7152 * g + 0.0722 * b

先完成RGB值转字符的函数:

ascii_char =list("$@B%8&WM#*oahkbdpqwmZO0QLCJUYXzcvunxrjft/\|()1{}[]?-_+~<>i!lI;:,\"^`'.")


defget_char(r,b,g,alpha = 256):

if alpha == 0:

return ' '

length =len(ascii_char)

gray =int(0.2126 * r + 0.7152 * g + 0.0722 * b)


unit = (256.0 +1)/length

returnascii_char[int(gray/unit)]

完整参考代码:

from PIL importImage

import argparse


#命令行输入参数处理

parser =argparse.ArgumentParser()


parser.add_argument('file') #输入文件

parser.add_argument('-o','--output') #输出文件

parser.add_argument('--width',type = int, default = 80) #输出字符画宽

parser.add_argument('--height',type = int, default = 80) #输出字符画高


#获取参数

args =parser.parse_args()


IMG = args.file

WIDTH = args.width

HEIGHT = args.height

OUTPUT = args.output


ascii_char =list("$@B%8&WM#*oahkbdpqwmZO0QLCJUYXzcvunxrjft/\|()1{}[]?-_+~<>i!lI;:,\"^`'.")



# 256灰度映射到70个字符上

defget_char(r,b,g,alpha = 256):

if alpha == 0:

return ' '

length =len(ascii_char)

gray =int(0.2126 * r + 0.7152 * g + 0.0722 * b)


unit = (256.0 +1)/length

returnascii_char[int(gray/unit)]


if __name__ =='__main__':


im =Image.open(IMG)

im =im.resize((WIDTH,HEIGHT), Image.NEAREST)


txt = ""


for i inrange(HEIGHT):

for j inrange(WIDTH):

txt +=get_char(*im.getpixel((j,i)))

txt += '\n'


print txt


#字符画输出到文件

if OUTPUT:

withopen(OUTPUT,'w') as f:

f.write(txt)

else:

withopen("output.txt",'w') as f:

f.write(txt)

关键步骤除了那一步就没有了(摊手)

argparse是一个管理命令行参数输入的小工具

运行代码查看效果吧

$ python ascii.py imgfile


目录
相关文章
|
7天前
|
存储 Python
SciPy 教程 之 SciPy 稀疏矩阵 4
SciPy 教程之 SciPy 稀疏矩阵 4:介绍稀疏矩阵的概念、类型及其在科学计算中的应用。SciPy 的 `scipy.sparse` 模块提供了处理稀疏矩阵的工具,重点讲解了 CSC 和 CSR 两种格式,并通过示例演示了如何创建和操作 CSR 矩阵。
30 3
|
1天前
|
机器学习/深度学习 数据处理 Python
SciPy 教程 之 SciPy 空间数据 4
本教程介绍了SciPy的空间数据处理功能,主要通过scipy.spatial模块实现。内容涵盖空间数据的基本概念、距离矩阵的定义及其在生物信息学中的应用,以及如何计算欧几里得距离。示例代码展示了如何使用SciPy计算两点间的欧几里得距离。
13 5
|
3天前
|
Python
SciPy 教程 之 SciPy 图结构 7
《SciPy 教程 之 SciPy 图结构 7》介绍了 SciPy 中处理图结构的方法。图是由节点和边组成的集合,用于表示对象及其之间的关系。scipy.sparse.csgraph 模块提供了多种图处理功能,如 `breadth_first_order()` 方法可按广度优先顺序遍历图。示例代码展示了如何使用该方法从给定的邻接矩阵中获取广度优先遍历的顺序。
11 2
|
4天前
|
算法 Python
SciPy 教程 之 SciPy 图结构 5
SciPy 图结构教程,介绍图的基本概念和SciPy中处理图结构的模块scipy.sparse.csgraph。重点讲解贝尔曼-福特算法,用于求解任意两点间最短路径,支持有向图和负权边。通过示例演示如何使用bellman_ford()方法计算最短路径。
13 3
|
4天前
|
缓存 测试技术 Apache
告别卡顿!Python性能测试实战教程,JMeter&Locust带你秒懂性能优化💡
告别卡顿!Python性能测试实战教程,JMeter&Locust带你秒懂性能优化💡
12 1
|
8天前
|
存储 Python
SciPy 教程 之 SciPy 稀疏矩阵 2
SciPy教程之SciPy稀疏矩阵2:介绍稀疏矩阵的概念、应用场景及scipy.sparse模块的使用。重点讲解CSC和CSR两种稀疏矩阵类型及其常用方法,如data属性和count_nonzero()方法。
33 4
|
3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。
6 0
|
5天前
|
算法 索引 Python
SciPy 教程 之 SciPy 图结构 3
SciPy 图结构教程:介绍图的基本概念、节点和边的定义,以及如何使用 SciPy 的 `scipy.sparse.csgraph` 模块处理图结构。重点讲解 Dijkstra 最短路径算法及其在 SciPy 中的应用,包括 `dijkstra()` 方法的参数设置和使用示例。
10 0
|
5天前
|
Python
SciPy 教程 之 SciPy 图结构 2
《SciPy 教程 之 SciPy 图结构 2》介绍了图结构作为算法学中的重要框架,通过 `scipy.sparse.csgraph` 模块处理图结构。文章示例展示了如何使用 `connected_components()` 方法查找所有连接组件,通过创建稀疏矩阵并调用该方法实现。
7 0
|
6天前
|
算法 Python
SciPy 教程 之 SciPy 图结构 1
SciPy 图结构教程介绍了图的基本概念及其在算法中的应用。图由节点和边组成,节点代表对象,边表示对象间的连接。SciPy 的 `scipy.sparse.csgraph` 模块提供了处理图结构的工具。邻接矩阵用于表示节点间的连接关系,分为有向图和无向图两种类型。无向图的边是双向的,而有向图的边则有明确的方向。
15 0

热门文章

最新文章