【P实战】教你最有趣的 Python 入门项目
每周，痴海会教你一个 Python 实战项目。
编程能力想要快速的提升，唯有不断的实战。
而对于许多零基础的同学，很难找到适合的入门级项目。
所以有了【P实战】栏目，通过结合最新的热点，网上搜罗最有趣的代码，帮助大家快速提升 Python 能力。
今天要教大家一个非常有趣的字符画 Python 实战项目。
最近这位 69 岁的老同志火爆全网，我相信大家都看过这张图。
马老师经典语句：年轻人不讲武德，耗子尾汁。
那今天我们也用 Python 代码不讲武德，来 1 比 1 用字符串，高清画出这位 69 岁的老同志。
效果如下：
这波效果 666 ！
如果我们把图片放大来看，大家就会发现其中的细节。
我们要画 69 岁的老同志，那字符肯定要用数字。
我们用 Python 绘制出来的字符画版的 69 岁老同志，就是填充满了各种数字字符。
最终成功用数字画出 69 岁的老同志。
估计马老师看完我们 Python 画的话，都会直呼：耗汁尾汁！
这样的字符画，要如何使用 Python 来实现？
我们来一步步的分析。
1 Python 字符画实现原理
想要实现这样字符画的图片，其实非常简单，主要分为 4 个步骤。
1.1 构造符号集合
图片最小的单元是像素，所以你只要把图片每个像素，用某个符号进行替换就行。
在我们本次的案例中，就是利用数字来代表像素。
2 计算像素值百分比
图片又一个个像素组成，而每个像素是有一个固定的值。
这个像素值我们是可以利用把图像转灰度，这样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。
有了像素百分比，我们就能确实具体像素位置。
以及可以确定什么像素值用什么字符。
3 符号输出
最后就可以在符号集合中找到相同相对位置（百分比值）的那个符号，输出成我们的字符图像。
上面的步骤是常规的图片转字符画的做法，但这样的做法会导致轮廓比较模糊。
而且如果图片整体为暗色时，整个字符画就不能看。
所以大家可以利用第 4 步的方式，提升图片清晰度。
4 聚类数值
大家可以利用聚类的方式，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
这样出来的效果就非常不错
ok 说完原理之后，我们再来看下代码。
2 Python 字符画完整源代码
本次的代码是出自知乎账号【盗蓝】
原文地址：
https://zhuanlan.zhihu.com/p/56033037
完整代码如下，大家直接全部复制下来，就可以使用。
-
import cv2
-
import random
-
import numpy as np
-
-
-
def img2strimg(frame, K=
6):
-
""
"
-
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
"ma2.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)
整个代码不到 70 行，而且作者都写了非常详细的注释。
大家在自己使用的过程中，只需要把 fp 换成自己想要变成字符画的原图。
点击运行，就能在代码目录下，看到 resutl.jpg 的字符画图了。
这是一个非常有趣的 Python 编程实战代码，大家快去自己动手运行看看吧！
最后如果你觉得本文不错，“关注+转发+右下角”，一条龙走起，我就当你打赏了 66 元了。
痴海的自选经典文章，80%的新痴友熬夜也要看完。
如果你还没读过，建议跟进阅读：
最下方是我的私人微信，工作忙读者多，我不可能有问必答，但添加后你可以：
1.偷窥朋友圈私货
2.获取年薪 50W 的 Python 资料
3.加入 Python 编程交流群
4.用一次简单的加好友动作，试试能否给自己的人生多一次认知升级的机会。
当然只有小孩会做选择。
“我全都要“。
转载：https://blog.csdn.net/qq_33570092/article/details/110152715