Python综合应用：手把手教你用字符打印一张怀旧风格的照片(python,python学习,python进阶,编程语言)

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LASER-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。

2. 打开图片，转为灰度模式

Python用于图像处理的模块有很多，最常用的当属PIL和PyOpenCV了。本案使用PIL模块来打开图像：

>>> from PIL import Image>>> im = Image.open('xufive.jpg')>>> im.size(979, 1248)>>> im.mode'RGB'

im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：

>>> im = im.convert('L')>>> im.mode'L'

3. 改变分辨率

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height应为：

width = 120height = int(width*im.size[1]/im.size[0])

按照新的分辨率生成图像对象：

>>> im = im.resize((width, height))>>> im.size(120, 152)

4. 反白处理

灰度模式下，每个像素的值域范围是0~255，共有256级灰度。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PIL图像对象转成NumPy数组：

>>> import numpy as np>>> arr = np.array(im)>>> arr.shape(152, 120)>>> arr.dtypedtype('uint8')

需要特别说明的是，PIL对象的图像分辨率是120x152，表示图像宽度120像素，高度152像素；转成NumPy数组之后，数组的shape则是(152,120)，表示图像有152行（对应高度），120列（对应宽度）。虽然PIL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：

arr = 255 - arr

5. 确定灰度-字符映射表

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：

>>> chs = np.array([' ', '.', '-', '+', '=', '*', '#', '@'])>>> chs.dtypedtype('<U1')

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：

>>> arr = arr/32>>> arr = arr.astype(np.uint8)>>> arr.min(), arr.max()(0, 7)

6. 灰度转字符

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。

>>> arr = chs[arr]>>> arr.shape(152, 120)>>> arr.dtypedtype('<U1')

7. 打印

有了上述铺垫，打印自然是水到渠成了：

>>> for i in range(arr.shape[0]): for j in range(arr.shape[1]): print(arr[i,j], end='') print()

8. 保存为文件

如果在显示终端上打印不方便观看的话，还可以将字符数据保存成文件：

>>> with open('xufive.txt', 'w') as fp: for line in arr.tolist(): fp.write(''.join(line)) fp.write('\n')

下图是输出到文本文件，在编辑器中显示的效果。

9. 完整代码
   在不同的运行环境中，最终图像显示的宽高比和原图会有差异。为了抵消差异，我在下面的代码中增加了一个矫正系数k，可以通过调整这个参数，获得满意的显示效果。

from PIL import Imageimport numpy as npdef print_photo(photo_file, width=120, k=1.0, reverse=False, outfile=None): """打印照片，默认120个字符宽度""" im = Image.open(photo_file).convert('L') # 打开图片文件，转为灰度格式 height = int(k*width*im.size[1]/im.size[0]) # 打印图像高度，k为矫正系数，用于矫正不同终端环境像素宽高比 arr = np.array(im.resize((width, height ))) # 转为NumPy数组 if reverse: # 反色处理 arr = 255 - arr chs = np.array([' ', '.', '-', '+', '=', '*', '#', '@']) #灰度-字符映射表 arr= chs[(arr/32).astype(np.uint8)] # 灰度转为对应字符 if outfile: with open(outfile, 'w') as fp: for row in arr.tolist(): fp.write(''.join(row)) fp.write('\n') else: for i in range(arr.shape[0]): # 逐像素打印 for j in range(arr.shape[1]): print(arr[i,j], end=' ') print()if __name__ == '__main__': print_photo('xufive.jpg', width=360, k=0.5, outfile='xufive.txt')

下图是在命令行窗口显示的效果。