matlab利用字符作画（汉字绘画）

已于 2024-08-27 21:17:09 修改
阅读量6.9k 收藏 58
点赞数 14
文章标签： matlab 字符密度 字符画 作画 汉字绘画
于 2019-06-10 23:29:41 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42943114/article/details/91406499
版权
本文介绍了如何使用MATLAB通过字符密度制作汉字画，包括算法原理、实现过程、动图与视频的生成，并探讨了如何利用较少字符提高分辨率以及边缘线条在字符作画中的应用。
摘要由CSDN通过智能技术生成

matlab利用字符作画（汉字绘画）

1 算法实现原理

算法的原理比较简单，就是利用不同字符具有不同的密度，比如字符“一”具有较低的密度，字符“曩”具有较高的密度。对于白底黑字来说，密度越高意味着该点附近具有较高的灰度值，这样文字就与图像的灰度值建立了一一对应的关系。

所以算法主要包括两个部分，一个是建立一个字符库，包含字符与其密度之间的关系；一个是实现字符密度和图像灰度值之间转换的方法。

2 实现

这里我使用的字符库为常用汉字5000个，图像采用cameraman作为要转换的图像。
常用汉字5000个地址：https://my.oschina.net/u/2510243/blog/716652

在这里插入图片描述
之后将5000个汉字输出在一个文字框中，统计汉字图像中的黑色部分的比例。
具体代码如下，其中str5000为之间保存的5000汉字，strH_gray为每个字符的密度值：

%字符转密度值
clear
load('str5000.mat')
strH=str5000;

N=length(strH);
strH_gray=zeros(N,1);
figure('color',[1 1 1])%白色背景
%循环5000个字
for j=1:N

%绘制文字
text(0,0,strH(j),'FontUnits','normalized','FontSize',0.9,'verticalAlignment','bottom');
xlim([0,0.5]);ylim([0,0.5]);
set(gcf,'Position',[488 342 375 420]);
set(gca,'Position',[0.0 0.0 1 1]);
axis off

%获取文字图像信息
F = getframe;
strdata=F.cdata;
imshow(F.cdata)

%计算文字所占密度
strdata1=strdata(:,:,1);
strdata1=uint8((strdata1~=255));
n=length(strdata1(:));
s=sum(strdata1(:));
strH_gray(j)=s/n;

clf%清空图像
end

%最后保存文字密度表strH_gray

之后拥有文字表和对应的文字密度表后，就可以创建文字密度和图像灰度值之间一一对应的关系了。具体代码如下：

clear
load('str5000_gray.mat')%文字密度表
load('str5000.mat')%文字表

strH=[str5000];
strH_gray=[str5000_gray];


x=imread('camera.jpg');
x=imresize(x,[32,32]);
x=double(x);%uint8格式不能表示0-1小数
strid=zeros(size(x(:,:,1)));

%将RGB转换为灰度。可以用rgb2gray简化处理
im_gray = ((x(:,:,1)).^2.2 * 0.2973 + (x(:,:,2)).^2.2 * 0.6274 + (x(:,:,3)).^2.2 * 0.0753).^(1/2.2);
im_gray=1-im_gray/255;

%由于文字最大密度也不能到100%，而图像却可以很暗，所以需要对文字的密度值进行一定缩放
enlarge=max(im_gray(:))/max(strH_gray(:));

%对每一个像素点的灰度值与文字密度进行匹配，记录下对应的文字编码
for j=1:length(im_gray(:))
im_g_j=im_gray(j);
[~,minid]=min(abs(im_g_j-strH_gray*enlarge));
strid(j)=minid;
end

%按照行进行每行的文字输出
n=size(im_gray,1);
str_img=cell(1,n);
figure('color',[1 1 1])
for j=1:n
    str_img=strH(strid(j,:));
    %由于默认matlab中text的行间距太大，这里人为约束固定每一行位置
    text(0,1-1/n*j,str_img,'FontUnits','normalized','FontSize',1/n,...
        'verticalAlignment','bottom','HorizontalAlignment','center');
end
xlim([-1,1]);%将文字居中
axis off

%获取gcf
F = getframe;
strdata=F.cdata;
imwrite(strdata,'A.png');

64×64个字符下的字符画：
在这里插入图片描述
32×32个字符下的字符画：
在这里插入图片描述

3 动图和视频的实现

动图的实现原理与普通图片的实现原理没有区别，但是细节上需要对格式进行整合，需要对每一帧都输出成字符画。

这里用猫和老鼠的一个动图作为具体的实现展示。

在这里插入图片描述
将这幅动图转换为字符画的代码如下：

clear
%载入文字库
load('str5000_gray.mat')
load('str5000.mat')
strH=[str5000];
strH_gray=[str5000_gray];
%载入gif动图
[A,map]=imread('E:\期末复习\研一下\寒假\文字作图\tomandjerry.gif', 'gif','frame','all'); 
C=squeeze(A);

%把动图变为灰度图，并调整尺寸
sizeimgnew=[116,160];
DRGB=zeros([size(C,1),size(C,2),3]);
D_gray2=zeros([sizeimgnew,size(C,3)]);
for k=1:size(C,3)
    RGB=ind2rgb(C(:,:,k),map);
    D_gray=rgb2gray(RGB);
    DRGB(:,:,1)=D_gray;
    DRGB(:,:,2)=D_gray;
    DRGB(:,:,3)=D_gray;
    DRGB2=imresize(DRGB,sizeimgnew);
    D_gray2(:,:,k)=DRGB2(:,:,1);
end

D_gray2(D_gray2>1)=1;
D_gray2=1-D_gray2;


%按比例线性填充至01区间
D_gray2=(D_gray2-min(D_gray2(:)))/(max(D_gray2(:))-min(D_gray2(:)));
strH_gray=(strH_gray-min(strH_gray(:)))/(max(strH_gray(:))-min(strH_gray(:)));

%逐个扫描像素，转换为对应标号
strid=zeros(size(D_gray2));
for j=1:length(D_gray2(:))
im_g_j=D_gray2(j);
[~,minid]=min(abs(im_g_j-strH_gray));
strid(j)=minid;
end

%逐帧输出每一副图像
n=size(D_gray2,1);
figure('color',[1 1 1])
for k=1:size(D_gray2,3)
    
    for j=1:n
        %逐行扫描文字
        str_img=strH(strid(j,:,k));
        
        text(0,1-1/n*j,str_img,'FontUnits','normalized','FontSize',1/n,...
            'verticalAlignment','bottom','HorizontalAlignment','center');
    end
    xlim([-1,1]);
    axis off
    pause(0.1)
    
    F = getframe;
    strdata=F.cdata;
    [I,map] = rgb2ind(strdata,32); %将真彩色图像转化为索引图像
    if k==2
        imwrite(I,map,'A.gif','gif','Loopcount',inf,'DelayTime',0.05);
    elseif k>2&&k<=23
        imwrite(I,map,'A.gif','gif','WriteMode','append','DelayTime',0.05);%DelayTime:帧与帧之间的时间间隔
    end

    clf
end

输出的结果如下：
在这里插入图片描述

3 尝试更少的字符表现更高的分辨率

由于文字具有不同的形状，所以根据这个原理可以减少使用文字的量。比如说“品”字上半部分具有较低的密度，下半部分具有较高的密度。比如文字“缸”的左半边密度就要大于右半边密度。
在这里插入图片描述

这样，就需要调整一下之前的算法，第一步需要将文字划分为4个部分，保存每个部分的密度；第二步需要根据4个图像像素和同一文字的4个密度，进行向量匹配，根据图像找到最接近的文字向量。

第一部分的文字密度向量的算法如下：

%字符转密度值4向量版
clear
load('str5000.mat');strH=str5000;
N=length(strH);
strH_gray=zeros(N,4);
figure('color',[1 1 1])

for j=1:N
text(0,0,strH(j),'FontUnits','normalized','FontSize',0.9, 'verticalAlignment','bottom','HorizontalAlignment','center');
xlim([-0.5,0.5]);ylim([0,0.5]);
set(gcf,'Position',[488 342 373 419]);set(gca,'Position',[0.0 0.0 1 1]);
axis off

F = getframe;strdata=F.cdata;
imshow(F.cdata)

%计算灰度值
strdata1=strdata(:,:,1);
strdata1=uint8((strdata1~=255));%其实可以不转换格式
[m,n]=size(strdata1);
%四个不同的密度向量
mn=m*n/4;
s1=sum(sum(strdata1(1:m/2,1:n/2)));%左上
s2=sum(sum(strdata1(1:m/2,n/2+1:end)));%右上
s3=sum(sum(strdata1(m/2+1:end,1:n/2)));%左下
s4=sum(sum(strdata1(m/2+1:end,n/2+1:end)));%右下

strH_gray(j,1)=s1/mn;
strH_gray(j,2)=s2/mn;
strH_gray(j,3)=s3/mn;
strH_gray(j,4)=s4/mn;

clf
end

将图片转换为文字的代码如下：

clear
load('str5000_gray4.mat')%之前的strH_gray保存的结果
load('str5000.mat')

strH=[str5000];
strH_gray=[str5000_gray4];


x=imread('camera.jpg');
x=imresize(x,[64,64]);
x=double(x);
%转换为灰度值
im_gray = ((x(:,:,1)).^2.2 * 0.2973 + (x(:,:,2)).^2.2 * 0.6274 + (x(:,:,3)).^2.2 * 0.0753).^(1/2.2);
im_gray=1-im_gray/255;
%按比例线性填充至01区间
im_gray=(im_gray-min(im_gray(:)))/(max(im_gray(:))-min(im_gray(:)));
strH_gray=(strH_gray-min(strH_gray(:)))/(max(strH_gray(:))-min(strH_gray(:)));
%匹配
%转换成4角格式
im_gray4=im2im4corner(im_gray);
[m,n]=size(im_gray4(:,:,1));
strid=zeros([m,n]);
%进行匹配
for j=1:m*n
    [I,J] = ind2sub([m,n],j);
    im_g_j=reshape(im_gray4(I,J,:),1,4);
    cospdist=pdist2(strH_gray,im_g_j,'euclidean');%利用欧拉距离值匹配
    [~,minid]=min(cospdist);
    strid(j)=minid;
end

%输出text
n=size(im_gray4,1);
str_img=cell(1,n);
figure('color',[1 1 1])
for j=1:n
    str_img{j}=strH(strid(j,:));
    
    text(0,1-1/n*j,str_img{j},'FontUnits','normalized','FontSize',1/n,...
        'verticalAlignment','bottom','HorizontalAlignment','center');
end
xlim([-1,1]);
axis off

%获取gcf
F = getframe;
strdata=F.cdata;
imwrite(strdata,'A2.png');

%脚本后置函数
function A4=im2im4corner(A)
%用于将图片转换为和文字密度匹配的4角格式
[m,n]=size(A);
A4=zeros(floor((m-2)/2)+1,floor((n-2)/2)+1,4);
for j=1:2:m-1
    for k=1:2:n-1
        
        A4((j+1)/2,(k+1)/2,1)=A(j,k);%左上
        A4((j+1)/2,(k+1)/2,2)=A(j,k+1);%右上
        A4((j+1)/2,(k+1)/2,3)=A(j+1,k);%左下
        A4((j+1)/2,(k+1)/2,4)=A(j+1,k+1);%右下
    end
end
end

和之前64字符的进行对比，可以看到向量法（左图）对边缘的刻画过渡更加平滑，但是对于灰度值的描述就不如直接灰度法描述的好。比如4角向量的方式，衣服内部的文字几乎相同，灰度值信息丢失较多。
在这里插入图片描述
向量法的细节图，在不同灰度变化较大的交接处，大量使用逐、罐、必、趟、茂等密度不对称的字，来增加边缘处整体的平滑度。
在这里插入图片描述

4 尝试利用边缘线条实现字符作画

利用edge函数可以提取边缘，进而利用边缘的图像来作画。
例如下图：
在这里插入图片描述
这里代码和之前第3节的代码几乎相同，就是文字库由汉字更换成为特殊符号，边缘检测利用matlab自带的approxcanny方法。具体代码就不放上了。其中edge的使用方法如下：

im_gray = edge(x2,'approxcanny')

详情参见官方文档：https://www.mathworks.com/help/images/ref/edge.html

这里要注意特殊符号库的选取，要统一全角、半角，不能混着搭配，否则会出现文字排版混乱。比如下图，就是不小心用了半角的空格“ ”而不是全角的空格“　”。当然如果混用的话也可以，但是估计要修改 text函数的x坐标，固定每个符号的中心位置。
在这里插入图片描述

hyhhyh21
关注
绘制字符画
f12306555的博客
05-11 885
字符画。
【C语言】字符画图形之代码高度复用
qq_40933467的博客
12-17 1346
用字符分别画出 1.矩形 2.空心矩形 3.实心等腰三角形 4.空心棱形 5.“回”字
HDU-2052(字符画图问题)
chenming092100的博客
02-11 104
解题思路： 用循环输出每一行的图形，对于一块位置的图形需要用循环嵌套。水题一道，理解即可. 代码如下： #include <iostream> using namespace std; int main() { int i,n,m; while(cin>>n>>m) ...
字符画
RobotBing的博客
12-17 1574
在抖音上看到有人把视频转换成字符视频，感觉很有意思，就试着自己做了一下，结果只做出来图片转字符的网页版。视频转字符java代码已经做好了，但是暂时没有时间移植到服务器上。想要做视频的可以在下面留下联系方式，我会联系你。 下面是demo地址，下载按钮只对Firefox 3.5+、Google Chrome、Opera 12+、IE9+、Safari 6+这些浏览器起作用。 Demo地址：http...
特殊符号大全
wuhui
06-30 590
░ ▒ ▬ ♦ ◊ ◦ ♠ ♣ ▣ ۰•● ❤ ●•۰ ► ◄ ▧ ▨ ♨ ◐ ◑ ↔ ↕ ▪ ▫ ☼ ♦ ♧♡♂♀♠♣♥❤☜☞☎☏⊙◎ ☺☻☼▧▨♨◐◑↔↕▪ ▒ ◊◦▣▤▥ ▦▩◘ ◈◇♬♪♩♭♪の★☆→あぃ￡Ю〓§♤♥▶¤๑⊹⊱⋛⋌⋚⊰⊹ ≈ ๑۩۩.. ..۩۩๑ ๑۩۞۩๑ ✲ ❈ ✿ ✲ ❈ ➹ ~.~ ◕‿-｡ ☀☂☁【】┱ ┲ ❣ ✚ ✪ ✣...
基于MATLAB的汉字提取与识别,matlab识别字符串中的汉字,matlab
09-10
在本文中，我们将深入探讨如何使用MATLAB进行汉字的提取与识别。MATLAB作为一个强大的数学计算和编程环境，被广泛应用于图像处理、机器学习以及模式识别等领域，包括汉字的识别。 首先，汉字提取是图像处理的第一步...
matlab车牌字符分割代码
06-14
matlab车牌字符分割代码 MATLAB2020 MATLAB 个人文件 2020年太原工业老郭的毕业设计 采用BP神经算法进行识别，对车牌的提取，处理，字符分割是其他方法！ 如果有大佬可以用MATLAB来进行车牌的定位，欢迎留言 本次...
MATLAB手写数字汉字字符字母识别,基于matlab的手写数字识别,matlab
09-10
在本项目中，我们主要探讨的是使用MATLAB进行手写数字、汉字以及字符字母的识别技术。MATLAB，全称Matrix Laboratory，是一款强大的数学计算软件，同时也提供了丰富的图像处理和机器学习工具，使得它成为实现光学...
matlab中文字符的识别代码.rar_MATLAB BP 识别_matlab 识别_中文识别_数字识别
07-14
在MATLAB中，字符识别，特别是中文字符和数字识别，是一项常见的图像处理任务，主要应用于光学字符识别（OCR）等领域。本项目利用了反向传播（BP）人工神经网络算法来实现这一目标。以下是关于这一主题的详细知识...
matlat生成字符画
03-29
用matlab生成字符图片保存到txt文档中，具体效果请看https://www.bilibili.com/video/BV1Vz411b7ij/
快速生成字符画
01-09
一款可以快速生成字符画，字符文本图的小工具，让你的说明文档更美观
基于matlab程序的汉字识别
04-08
能够识别汉字的matlab程序 包括印刷体和手写体
ascii字符画图软件
05-08
使用软件可以产生字符组成的图片，人物，以及文字。
字符画软件
02-22
将字符以符号形式转化为字母图形，使用此工具进行网页字符转化
字符识别MATLAB版_matlab字符识别_matlab字符识别_字符识别_
10-01
进行一个字符识别，使用的语言是matlab，活得一个好的分类结果
使用matlab实现字符按笔画逐个书写，实现手绘风
qq_24989689的博客
11-13 584
本程序基于matlab实现对汉字的手写 输入数据：汉字笔画矩阵数据 输出：在figure中的动画
用 ASCII 字符来画图是一件有趣的事情，并形成了一门被称为 ASCII Art 的艺术。例如，下图是用 ASCII 字符画出来的 CSPRO 字样。 　　..____.____..____.._
u014672873的博客
04-05 4558
这是我写的第二篇了 自己犯了一个错误 也许那个+号原来存在 不判断 就会被覆盖 要不是看别人代码 我也许很难找出这个bug
用python和opencv画字符画
最新发布
2301_76945207的博客
12-25 2677
学习通过pycharm和opencv画字符画。
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值