Java字符画生成器

效果

依次是原图、一般处理效果、直方图均衡化后效果

源码

虽然说是Java,但实际上是使用Kotlin写的。

https://github.com/FrankMilesFrms/AsciiArt

介绍

在计算机发展早期，由于网络通信不够发达，加上计算机终端对图形显示能力有限，当时人们使用简单字符来组合成图像成为一种风尚。随着技术进步，由此衍生出“颜文字”“字符画”等ASCII艺术，但是在生成算法时，因为选取字符集少、图像没处理等问题，使得效果不佳。本文以提出一种新的生成算法，通过灰度处理等多种算法处理图像，使得针对不同图像能有较好的处理效果。

实现思路

导入的图像有RGB三个通道，意味着每个像素点至少有3个代表颜色的数值，如果直接依据RGB对应不同的字符，则非常复杂，因为输出的图像不包含色彩，所以转化为黑白的程度就能大致对应图像。而不同的灰度对应的字符，则需要预先对字符进行选取，以便于使得每个字符尽可能缩小匹配灰度范围。如上文所展示一样

对于传入的图片进行预处理，一般图片的直方图能够充满整个色域，但是有的时候存在偏亮或者偏暗的图片，那时候再套用相同的算法，效果图可能就不那么理想，这里改进的方法是直方图均衡化，目的是让图片的直方图尽可能地平整（因为图片的像素点的亮度是离散的，无法做到真正的平整），覆盖尽量宽的亮度，从而提高图片的对比度。

当然，有时候有大块背景的简单图片，对图像进行直接翻译成字符画，反而容易弄巧成拙，使得背景变得斑驳，而且对于字符画，我们更加倾向于通过简化或改变图像的表示形式，使得图像更易于展示重点，使得更多符号有具体意义，忽略背景表达。因此使图像二值化显得尤为重要。

总之，先选取足够多的字符用于匹配灰度，对于整体偏暗的图像，我们需要进行图像直方图均衡化，对于一般人物图像或者想简化图像，可以对图像二值化。

字符集选用和预处理

以字符为载体，首要考虑的是对字符的选取。选取字符集后，再对输入的图像进行预处理。

字符集选用直接关乎到结果，因为字符画的特殊性，采用英文等宽字符就显得十分必要。所以选取Unicode中常用的英文字符及标点，量取他们应该的灰度。选取方法如下：
选用等宽字体，这里定义在同等条件下，固定面积为S下的图片中，设绘制字符集F中的字符i占的像素点数为f(i)，则对应的像素集合为：

P={x∈F|f(x)}

算法实现思路：

字符的选取：

对于每个字符，先进行等条件绘制，并保存绘制后图像，以下是实现方法和输出结果：

对于每张图片，统计黑色点的数量，并记录对应字符，截取对应表展示如下：

由此，顺序按照灰度值输出，其结果如下

字符集对应灰度处理方法

因为图像处理后，图像表达的灰度范围在[0,255]区间内，由此得到灰度值为x的点所对应的字符公式：

G(x)=p(x/255*M),M=max⁡{P}

其中p(x)指的是与x最接近的像素值的字符。

其实现方法如下，首先是对灰度值等比例扩大：

对于查找最近值，使用二分法即可解决问题：

图像处理

灰度直方图均衡化

将原始图像的直方图变换成在整个灰度范围内均匀分布的形式。为此采用的步骤如下：
1） 统计每个像素值个数，并计算占总体比例，记录下本图像中的最大的像素值；

2） 一次从最小的像素值比例开始累加，例如：像素值1占比2%，像素值2占比3%，像素值3占比1%，依次累加后，分别为2%，5%，6%。这个过程也称为累计直方图统计；

3） 将统计好的累加比乘以最大像素值，而后将该值赋给原本的像素值。即上一条中的像素值2变换为“最大像素值乘以5%”，以此类推，各个像素值均通过该变化成为新像素值。

处理前后对比如下：

PS灰度处理后

直方图均衡化

彩图均衡化

处理前

处理后

OTSU二值化

尾声

本文章截取自项目说明文件，转载需注明出处。

最后，感谢Robert C. Martin指导我规范编写代码的格式。