python画熊猫代码_超清字符画——Python代码

字符画视频如下，可以先预览一下效果（建议进入BILIBILI全屏观看）：【樱花绽放】代码敲出武汉加油（全屏观看）期待战疫成功，武大赏樱_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili​www.bilibili.com【KDA】你被魅惑了（全屏观看）字符画 （POP/STARS - K/DA女团）_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili​www.bilibili.com【東方】Bad Apple!! P V【影絵】_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili​www.bilibili.com字符画 之 弹幕版 之 高清全屏版​www.bilibili.com

大家看完觉得不错，记得随手点个赞哦 Thanks ♪(･ω･)ﾉ 好的，开始正题。

① 引 言

网上关于如何实现字符画的方法大多是

1、构造一行从密集到稀疏的"符号"集合（比如：$@B%8&WM#*oahkbdpqw mZO0QLCJUYXzcvunxrjft/\|()1{}[]?-_ +~<>i!lI;:,\"^`'. ）。

2、图像转为灰度（像素信息便只有一个数值），像素值范围为 0~255 的整数，共256个值。于是计算（像素值 / 256）得出一个像素值在像素范围中的相对位置，也就是百分比值。

3、最终在“符号“集合中找到相同相对位置（百分比值）的那个符号，输出它。此为网上大部分的实现方法，但是通过观看结果（图像或者视频）展示发现，此方法存在一些问题，如轮廓比较模糊，在图片整体为暗色调时，整个字符画会变成一团浆糊。

4、因此，此处使用“聚类”的方式，根据像素数值大小的特征，将它们分为不同种类，最暗的部分使用较为密集的“数字”表示，次暗的阴影部分使用 “-” 横杠表示， 明亮部分可以使用 “.” 点号或者空白表示。效果提升不少

② 效果展示（注：知乎手机客户端可以直接查看字符画的细节信息。网页版似乎不可以。）娥皇 女英娥皇 女英（字符画）字符画细节小熊猫字符画（小熊猫）字符画细节秦时明月 年轻的小庄

③ Python代码

import cv2

import random

import numpy as np

def img2strimg(frame, K=5):

"""利用 聚类 将像素信息聚为3或5类，颜色最深的一类用数字密集地表示，阴影的一类用“-”横杠表示，明亮部分空白表示。---------------------------------frame：需要传入的图片信息。可以是opencv的cv2.imread()得到的数组，也可以是Pillow的Image.read()。K：聚类数量，推荐的K为3或5。根据经验，3或5时可以较为优秀地处理很多图像了。若默认的K=5无法很好地表现原图，请修改为3进行尝试。若依然无法很好地表现原图，请换图尝试。 （ -_-|| ）---------------------------------聚类数目理论可以取大于等于3的任意整数。但水平有限，无法自动判断当生成的字符画可以更好地表现原图细节时，“黑暗”、“阴影”、”明亮“之间边界在哪。所以说由于无法有效利用更大的聚类数量，那么便先简单地限制聚类数目为3和5。"""

if type(frame) != np.ndarray:

frame = np.array(frame)

height, width, *_ = frame.shape # 有时返回两个值，有时三个值

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

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

# 设置相关参数。

criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)

flags = cv2.KMEANS_RANDOM_CENTERS

# 得到labels(类别)、centroids(矩心)。

# 如第一行6个像素labels=[0,2,2,1,2,0],则意味着6个像素分别对应着 第1个矩心、第3个矩心、第3、2、3、1个矩心。

compactness, labels, centroids = cv2.kmeans(frame_array, K, None, criteria, 10, flags)

centroids = np.uint8(centroids)

# labels的数个矩心以随机顺序排列，所以需要简单处理矩心.

centroids = centroids.flatten()

centroids_sorted = sorted(centroids)

# 获得不同centroids的明暗程度，0最暗

centroids_index = np.array([centroids_sorted.index(value) for value in centroids])

bright = [abs((3 * i - 2 * K) / (3 * K)) for i in range(1, 1 + K)]

bright_bound = bright.index(np.min(bright))

shadow = [abs((3 * i - K) / (3 * K)) for i in range(1, 1 + K)]

shadow_bound = shadow.index(np.min(shadow))

labels = labels.flatten()

# 将labels转变为实际的明暗程度列表，0最暗。

labels = centroids_index[labels]

# 列表解析，每2*2个像素挑选出一个，组成（height*width*灰）数组。

labels_picked = [labels[rows * width:(rows + 1) * width:2] for rows in range(0, height, 2)]

canvas = np.zeros((3 * height, 3 * width, 3), np.uint8)

canvas.fill(255) # 创建长宽为原图三倍的白色画布。

# 因为 字体大小为0.45时，每个数字占6*6个像素，而白底画布为原图三倍

# 所以 需要原图中每2*2个像素中挑取一个，在白底画布中由6*6像素大小的数字表示这个像素信息。

y = 8

for rows in labels_picked:

x = 0

for cols in rows:

if cols <= shadow_bound:

cv2.putText(canvas, str(random.randint(2, 9)),

(x, y), cv2.FONT_HERSHEY_PLAIN, 0.45, 1)

elif cols <= bright_bound:

cv2.putText(canvas, "-", (x, y),

cv2.FONT_HERSHEY_PLAIN, 0.4, 0, 1)

x += 6

y += 6

return canvas

if __name__ == '__main__':

fp = r"timg.jpg"

img = cv2.imread(fp)

# 若字符画结果不好，可以尝试更改K为3。若依然无法很好地表现原图，请换图尝试。 -_-||

str_img = img2strimg(img)

cv2.imwrite("result.jpg", str_img)

看到这儿了，点赞啊喂~~~~~~~