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/qq_39395805/article/details/99884225

步入在正题：

第一次尝试进行图片的处理，可能以后会接触人像识别的方向

Open cv2导入：pip install opencv-python

Ps：以前一直以为那是一个单纯的软件

提供一个关于Python-OpenCV cv2的基本操作：http://www.cnblogs.com/zlel/p/9267629.html

第一个问题的提出(傻傻分不清):

是coding:utf-8还是coding=urf-8呢：

https://www.geek-share.com/detail/2712489499.html

计算机中一张图像的组成：一堆像素点。我们平常说的 1920*1080 之类的分辨率，也就是指这个像素点的多少。我们想做成字符画，也就是考虑如何用不同的字符来表示一个像素。

通常一个像素点由3个0~255的值表示，分别表示红、绿、蓝三种颜色值，值越大表示颜色越深。但字符画是没有颜色的，所以需要将图像转成灰度图。比如深的点就是 @，浅色的点就是 .。

对于一个视频来说，只需要将每一帧都转换后输出，并按照一定的时间间隔清屏、输出下一帧，即可达到我们的需要的效果（很气人那个dos窗口我关不掉，一弹一弹的相当气人，视频清晰度太高，由刘大锤同学提供）。

opencv中的CV_RGB2GRAY与CV_BGR2GRAY在我最初学习opencv时，我是觉得他们两个是没有什么区别的，因为用他们转换出来的灰度图用imshow()显示出来是没有任何区别的。但将他们转换出来的灰度图分别用于HoughCircles()#（了解到是一个用来找圆形的算法）时，只有CV_BGR2GRAY转换出来的图能得出想要的结果。这是因为opencv的颜色空间以BGR为主

ret, frame = cap.read() read函数返回值

第一个参数ret 为True 或者False,代表有没有读取到图片

第二个参数frame表示截取到一帧的图片

图片的在转化：

[code]#coding:utf-8
import cv2
# 替换字符列表
ascii_char = list(r"$@B%8&WM#*oahkbdpqwmZO0QLCJUYXzcvunxrjft/\|()1{}[]?-_+~<>i!lI;:,\"^`'. ")
char_len = len(ascii_char)
# 读取图片
frame = cv2.imread("img1.jpg")
#展示原图
cv2.imshow("sorce_show", frame)
# 转灰度图
img_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
#展示灰度图
cv2.imshow("gray_show",img_gray)
# 缩小图片并调整长宽比
img_resize = cv2.resize(img_gray, (int(img_gray.shape[0] / 5), int(img_gray.shape[1] / 20)))

text = ''
# 遍历图片中的像素
for row in img_resize:
for pixel in row:
# 根据像素值，选取对应的字符
text += ascii_char[int(pixel / 256 * char_len)]
text += '\n'
# 输出生成的字符方阵
print(text)

 

 

视频的转化：

[code]# coding: utf-8
import cv2 as cv
import os
import time

# 替换字符列表
ascii_char = list(r"$@B%8&WM#*oahkbdpqwmZO0QLCJUYXzcvunxrjft/\|()1{}[]?-_+~<>i!lI;:,\"^`'. ")
char_len = len(ascii_char)
# 加载视频
cap = cv.VideoCapture('02.mp4')
while True:
# 读取视频每一帧
hasFrame, frame = cap.read()
if hasFrame==False:
break
# 视频长宽
frameWidth = frame.shape[0]
frameHeight = frame.shape[1]
# 转灰度图
img_gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
# 缩小图片并调整长宽比
img_resize = cv.resize(img_gray, (int(frameWidth / 20), int(frameHeight / 20)))

text = ''
# 遍历图片中的像素
for row in img_resize:
for pixel in row:
# 根据像素值，选取对应的字符
text += ascii_char[int(pixel / 256 * char_len)]
text += '\n'
# 清屏
#os.system('cls')
print ("\n "* 100)
# 输出生成的字符方阵
print(text)
# 适当暂停一下
time.sleep(1)

 

这是我学习所 7ff7 在的公众号推送，就简单copy一下（当做要点总结吧）：

·  ascii_char 这个字符序列并不是必须这样，只要大致上满足其中的字符看起来从深到浅即可，字符越多越准确，效果就越好。

·  resize 这一步比较重要，因为有的视频分辨率很高，直接一个像素转一个字符的话量太大，所以先缩小图片。另一个原因是字符一般都不是正方形，所以在图片长宽比上要做一定的调整，这样最终效果比较好。（实际中要根据你自己控制台中的字体效果来调整缩放比例）

·  ascii_char[int(pixel / 256 * char_len)] 是整个转换的核心，因为一个像素的颜色范围是 0~255，通过 pixel / 256 * char_len 可以将一个像素值对应于字符序列中灰度相当的字符。

·  关于输出，有几个值得注意的点：输出一帧前需要清屏，不同平台命令有区别；时间间隔、控制台的字体大小、缩放比例都要根据实际情况作调整；如果计算时间过长、刷新太慢而屏幕闪烁，可以考虑进一步缩小图片，或者先将所以帧转换完毕后再统一输出

 

个人观点：关于tkinter，pillow，以及pygame对图片处理的总结：

1. tkinter图片格式固定，要求恶心，不提供动态刷新，往往要求在label中添加，图片像素点要求多，不容易掌握。
2. Pillow是一个强势的的第三方库，图片格式要求放宽了，比较舒服，图片比对，叠加，切割等方面用处很大。可以算是一个简单的ps软件吧。
3. 对于pygame，那就更加舒服了，动态刷新，想怎么动怎么动，需要关注像素点，这是一个不太好的地方。

以上总结全是个人使用的第一感觉，可能由于学艺不精，了解片面。本文待更改。

 

补充，全新的思路：https://www.geek-share.com/detail/2687008363.html

同样方法的图片对比