-
<李>前言李>
第一次在学校机房里见到计算机,还是上古时期,计算机型号大概是激光- 310吧,有点记不清了。那会儿,显示器还是单色的,只能显示文本,每行最多显示80个字符。想看图片,印象中只能用针式打印机打印在两侧穿孔的宽行打印纸上,每个像素用一个字符表示,不同的字符代表不同的灰度,就像下图这个样子。有没有感觉到浓郁古风呢?其实,随便一张照片,十几行Python代码,你也可以打印出这样的效果,还可以保存成文件。下面,我就一步一步地演示一下。
-
<李>打开图片,转为灰度模式李>
Python用于图像处理的模块有很多,最常用的当属公益诉讼和PyOpenCV了。本案使用公益诉讼模块来打开图像:
,<代码>祝辞的在比;从公益诉讼导入图像 在在在我=Image.open (“xufive.jpg”) 在在在im.size (979,1248) 在在在im.mode “RGB”代码>
我就是打开的图像对象,im.size是图像的分辨率,im.mode是图像模式。我们知道,计算机图像有很多种颜色模式,RGB是最常见的色彩图像模式。打印字符图片的话,需要将RGB模式转为灰度模式:
,<代码>祝辞的在比;我=im.convert (L) 在在在im.mode “L”代码>
-
<李>改变分辨率李>
打印字符图片,需要考虑显示器每行显示的字符个数。假定屏幕水平分辨率为1920,每个字符宽度占8个像素,每行可以显示240个字符。综合考量,我们设定每行显示120个字符。这就需要我们将灰度图片的宽度设置为120个像素,那么图像高度的像素数应高度为:
<代码>宽度=120 身高=int(宽* im.size [1]/im.size[0]) 代码>
按照新的分辨率生成图像对象:
,<代码>祝辞的在比;我=我。调整大小(宽度、高度) 在在在im.size (120,152)代码>
-
<李>反白处理李>
灰度模式下,每个像素的值域范围是0 ~ 255,共256级有灰度。考虑到屏幕背景色可能是深色的,也可能是浅色的,我们需要提供图像反白处理的手段。所谓反白处理,就是用灰度最大值255减去每一个像素的灰度值作为该像素新的灰度值,遍历每一个像素,固然可以实现反白,但速度会很慢。本案使用NumPy数组的广播技术,可以显著提升处理速度。我们先把公益诉讼图像对象转成NumPy数组:
,<代码>祝辞的在比;进口numpy np 在在在arr=np.array (im) 在在在arr.shape (152,120) 在在在arr.dtype dtype (uint8) 代码>
需要特别说明的是,公益诉讼对象的图像分辨率是120 x152,表示图像宽度120像素,高152度像素;转成NumPy数组之后,数组的形状则是(152120),表示图像有152行(对应高度),120年列(对应宽度)。虽然公益诉讼对象和NumPy数组关于行列的概念不一致,但表达的物理意义是相同的。
利用NumPy数组的广播技术实现反白处理,只需一行代码,并且瞬间完成:
<代码> arr=255 - arr 代码>
-
<李>确定灰度——字符映射表李>
在显示器上,字符是由点阵组成的。每个字符的亮点(或暗点)不同,可以用来表示不同的灰度。本案使用了下面8个字符表示不同的灰度:
,<代码>祝辞的在比;chs=np。数组([' ','。”、“-”、“+”、“=薄ⅰ?”、“#”、“@ ']) 在在在chs.dtype dtype (' & lt; U1) 代码>
8个不同的字符,只能表示8级灰度,因此需要将像素的256级灰度值转换为8级:
,<代码>祝辞的在比;arr=arr/32 在在在arr=arr.astype (np.uint8) 在在在arr.max arr.min (), () (0,7)代码>
-
<李>灰度转字符李>
接下来需要将值域范围在0 ~ 7之间的每一个像素转为灰度——字符映射表中对应的字符。同样的,我们可以用两层嵌套的循环结构来完成,不过更好的选择是用NumPy数组的矢量化特性来实现。本例展示了NumPy数组非常少见的一种应用方式,我很少见到有人这样应用。
,<代码>祝辞的在比;arr=chs (arr) 在在在arr.shape (152,120) 在在在arr.dtype dtype (' & lt; U1) 代码>