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~-bilibiliwww.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~-bilibiliwww.bilibili.com
【東方】Bad Apple!! P V【影絵】_哔哩哔哩 (゜-゜)つロ 干杯~-bilibiliwww.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~~~~~~~