我用Python把抖音上的美女图片转字符画，期望的AI目标更进一步【机器学习算法实战小项目，k聚类算法图片转化字符画】

本文链接：https://blog.csdn.net/2301_82241702/article/details/137611384

本文介绍了如何使用Python中的OpenCV库，配合numpy进行图片数据处理，包括读取图片、转换为灰度并应用k-means算法进行颜色聚类，以简化颜色表示。作者还分享了使用cv2和Python实现这个过程的代码片段，以及资源链接以供进一步学习。

摘要由CSDN通过智能技术生成

学习目标

1.cv2转换图片数据

2.numpy提取图片矩阵数据

3.k均值算法获取图片的分类

工具使用

开发工具： pycharm

开发环境： Windows10，Python3.7

使用工具包： cv2，numpy

项目准备

你所需要转换对应的图片 -cv2的工具包的下载： pip install opencv-python

CV2是什么意思

CV2指的是OpenCV2，OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库copy，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

OpenCV 拥有包括 500 多个C函数的跨平台的中、百高层 API。它不依赖于其它的外部库——尽管也可以使用某些外部库。

项目思路解析

首先准备需要处理的图片

在这里插入图片描述

利用opencv读取对应的图片数据

读取图片

fp = r"1.jpg"

img = cv2.imread(fp)

print(img.shape)

读取的数据返回的是矩阵元组数据分别是（高度，宽度，通道数）

将图片转换成灰度 -通过黑白两种颜色来区分图片颜色的深浅 -利用kmeans算法进行区分画点

height, width, *_ = frame.shape

frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

frame_array = np.float32(frame_gray.reshape(-1))

compactness, labels, centroids = cv2.kmeans(frame_array, K, None, (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0), 10, cv2.KMEANS_RANDOM_CENTERS)

kmeans:返回三个参数 compactness：紧密度，返回每个点到相应重心的距离的平方和 labels：结果标记，每个成员被标记为分组的序号，如 0,1,2,3,4…等 centers：由聚类的中心组成的数组

将的到的对应的中心点进行排序 -0最暗，分类的多少是由自己决定的 -排序之后在将对应的图片相素点跟换成中心点的分类 -就能得到图片对应的颜色深浅关系 -颜色暗的用字符代替 -颜色浅的可以跟换成空白，或者横杆 -提现出颜色的差距感 -替换之后在将其放入到新的画布 -拼接成新的图片（注意图片的缩放比列）

简易源码分享

import cv2

import random

import numpy as np

def img2strimg(frame, K=3):

height, width, *_ = frame.shape

frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

转换数据类型，一列显示

frame_array = np.float32(frame_gray.reshape(-1))

compactness, labels, centroids = cv2.kmeans(frame_array, K, None, (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0), 10, cv2.KMEANS_RANDOM_CENTERS)

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。