用Python集“五福”| 攻略演示 pythonf5

你的五福集齐了吗？作为一名技术人，我们是不是可以用技术方法快速实现呢？今天，我们就为大家推荐四种新鲜的方法，生成风格不同又数量庞大的「福」字，让大家不用满世界找福字，动动手指即可。

是什么让你忽然意识到下周就要过年了？

是考完期末考试的最后一门？还是抢到了回家的火车票？又或者是年终奖的到账短信？

作为一个没有寒假、不用回老家也没有年终奖的人，让我发现马上就要过年的现象是：各个群里面又开始集五福了！

五福卡我是没法帮你搞出来。这种APP的计算都是放在后端（服务器上），哪怕你完全破解了自己手机上支付宝，该还花呗也还是得还。

不过，我倒是可以帮你生成一些福字，直接拿去扫一扫，省得满世界地找了。没准也能扫出个全家福呢！

以下这些福字，作者都介绍过相关的方法，并且全部都是通过Python语言及相关库所生成。好了，不多说了，接下来，我们就赶紧来看看这些方法吧。

头像福

这个福字是用微信好友的头像所组成。之前元宵节的时候用这个方法第一次做了尝试，涉及的原理并不复杂，使用itchat和PIL库，详细方法和代码：

【第一步】

首先是点阵字的概念：点阵字体是把每一个字符都分成n*n个点，然后用每个点的虚实来表示字符的轮廓。点阵字体也叫位图字体，其中每个字形都以一组二维像素信息表示。

汉字那么多，总不能每个字都去自己设计点阵吧？别担心，有现成的点阵字库可以直接使用：HZK16字库。HZK即汉字库的首字母缩写，HZK16字库是符合GB2312标准的16×16点阵字库，支持的汉字有6763个（但可惜不支持英文和数字），每个汉字模型需要16×16一共需要256个点来显示。

这样思路就出来了：我们自己输入汉字，根据字符串中汉字字符编码，去HZK16字库中获取点阵信息，拿到信息后根据16*16点阵每个点的数据，print 出不同字符。

#初始化16*16的点阵位置，每个汉字需要16*16=256个点来表示rect_list =  * 16for i in range(16): rect_list.append([] * 16)#拿“赞”字来演示text = "赞"#获取中文的编码gb2312 = text.encode('gb2312')hex_str = binascii.b2a_hex(gb2312)result = str(hex_str, encoding='utf-8')#根据编码计算“赞”在汉字库中的位置area = eval('0x' + result[:2]) - 0xA0index = eval('0x' + result[2:]) - 0xA0offset = (94 * (area-1) + (index-1)) * 32font_rect = None#读取HZK16汉字库文件中“赞”字数据with open("HZK16", "rb") as f: f.seek(offset) font_rect = f.read(32)#根据读取到HZK中数据给我们的16*16点阵赋值for k in range(len(font_rect) // 2): row_list = rect_list[k] for j in range(2): for i in range(8): asc = font_rect[k * 2 + j] flag = asc & KEYS[i] row_list.append(flag)#根据获取到的16*16点阵信息，打印到控制台for row in rect_list: for i in row: if i: #前景字符（即用来表示汉字笔画的输出字符） print('0', end=' ') else: #背景字符（即用来表示背景的输出字符） print('.', end=' ') print

【第二步】

解决了输出字符的问题，接下来就考虑，如何把这些点换成微信好友头像呢？

我们通过itchat这个开源的微信个人号接口来获取微信好友头像图片。

#通过二维码登录微信网页版itchat.auto_login#获取微信好友信息列表friendList = itchat.get_friends(update=True)#读取好友头像for friend in friendList: friend['head_img'] = itchat.get_head_img(userName=friend['UserName']) friend['head_img_name'] = "%s.jpg" % friend['UserName'] #写入文件 with open(friend['head_img_name'],'wb') as f: f.write(friend['head_img'])

【第三步】

有了头像之后，我们通过PIL(Python Image Library，python的第三方图像处理库)根据汉字点阵信息拼接头像图片。核心代码片段：

#新建画布，16*16点阵，每个图片边长100canvas = Image.new('RGB', (1600, 1600), '#FFFFFF')n = 0for i in range(16*16): #点阵信息为1，即代表此处要显示头像来组字 if item[i] == "1": # 打开图片 img = Image.open(imgList[n]) # 缩小图片 img = img.resize((100, 100), Image.ANTIALIAS) # 拼接图片 canvas.paste(img, ((i % 16) * 100, (i // 16) * 100)) n += 1

综合以上三个步骤，即可用微信好友头像组成你想要的文字了。

如果你嫌弃这16x16的字库效果，也可以通过对图片进行二值化处理，以获取更精致的点阵信息来成字符图。比如上面的“福”字，其点阵信息就是我对福字图片处理得到的，最终展示的效果也更美观大方，就像上面的图那样。

文字福

这个福字是将福字图片转成文字符号显示而组成，使用 opencv-python 库，详细方法及代码：

# coding: utf8import cv2 as cvimport osimport 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('video.mp4')while True: # 读取视频每一帧 hasFrame, frame = cap.read if not hasFrame: break # 视频长宽 width = frame.shape[0] height = 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(width / 10), int(height / 10))) 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') # mac是'clear' # 输出生成的字符方阵 print(text) # 适当暂停一下 time.sleep(0.03)

代码不长，稍微解释下其中几处：

1. 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。

2. 读取视频使用了opencv-python，并直接用它提供的方法转了灰度图。

3. 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）

4. 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。

5. 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。

这段代码，看起来没啥实际用处，而且有些反潮流，因为现如今大家看视频都追求更高分辨率的超清画质，而我们这个，是一个“超不清”的视频播放器：在控制台里播放视频，用字符来表示画面。

不过我觉得它至少可以有三个作用：

• 用来练习视频和图像处理的编程开发

• 在没有图形界面的服务器上播放视频（虽然效果不咋地）

• 作为一种独特的艺术风格化处理

程序的原理其实很简单，关键是你要理解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，这样就可以跟一组从深到浅的字符形成一种对应关系。比如深的点就是“@”，浅色的点就是“.”。

一幅图像全部转成字符序列后，就可以直接在控制台输出了。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。

转换后的效果：

名画福

如果左边跟着梵高画个福，再跟着毕加索右边画个福，会是什么样的效果？这两个福字分别通过梵高的《星空》和毕加索的《缪斯》风格生成，这里我们选择使用opencv-python中的DNN（深度神经网络）。

这种功能叫做“图像风格迁移”，几乎都是基于CVPR2015 的论文《A Neural Algorithm of Artistic Style》和 ECCV 2016 的论文《Perceptual Losses for Real-Time Style Transfer and Super-Resolution》中提出的算法，以及后续相关研究的基础上开发出来的。

通俗来讲，就是借助于神经网络，预先将名画中的风格训练成出模型，在将其应用在不同的照片上，生成新的风格化图像。

来自《A Neural Algorithm of Artistic Style》

而因为神经网络在计算机视觉方面的应用越来越广，著名的视觉开发库OpenCV在3.3版本中正式引入DNN（深度神经网络），支持Caffe、TensorFlow、Torch/PyTorch等主流框架的模型，可用以实现图像的识别、检测、分类、分割、着色等功能。

在OpenCV的Sample代码中就有图像风格迁移的Python 示例，是基于ECCV 2016论文中的网络模型实现。所以，即使作为人工智能的菜鸟，也可以拿别人训练好的模型来玩一玩，体会下神经网络的奇妙。

OpenCV 官方代码地址：

https://github.com/opencv/opencv/blob/3.4.0/samples/dnn/fast_neural_style.py

目录下通过执行命令运行代码：

python fast_neural_style.py --model starry_night.t7

model参数是提供预先训练好的模型文件路径，OpenCV 没有提供下载，但给出的参考项目https://github.com/jcjohnson/fast-neural-style中可以找到。

其他可设置参数有：

• input可以指定原始图片/视频，如果不提供就默认使用摄像头实时采集

• width、height，调整处理图像的大小，设置小一点可以提高计算速度。在我自己的电脑上，300x200 的转换视频可以达到 15 帧/秒

• median_filter中值滤波的窗口大小，用来对结果图像进行平滑处理，这个对结果影响不大

执行后的效果（取自 jcjohnson/fast-neural-style）：

原始图像

ECCV16 models

instance_norm models

核心代码其实很短，就是加载模型 -> 读取图片 -> 进行计算 -> 输出图片，我在官方示例基础上进一步简化了一下：

import cv2# 加载模型net = cv2.dnn.readNetFromTorch('the_scream.t7')net.setPreferableBackend(cv2.dnn.DNN_BACKEND_OPENCV);# 读取图片image = cv2.imread('test.jpg')(h, w) = image.shape[:2]blob = cv2.dnn.blobFromImage(image, 1.0, (w, h), (103.939, 116.779, 123.680), swapRB=False, crop=False)# 进行计算net.setInput(blob)out = net.forwardout = out.reshape(3, out.shape[2], out.shape[3])out[0] += 103.939out[1] += 116.779out[2] += 123.68out /= 255out = out.transpose(1, 2, 0)# 输出图片cv2.imshow('Styled image', out)cv2.waitKey(0)

变形福

如何用python的图像处理功能，把一幅“福”字图片转出5种不同的效果？在接下来使用opencv-python的几个方法教程中，总有一款适合你，方法及代码：

【第一步】

读取图片及展示代码：

import cv2from matplotlib import pyplot as pltimg = cv2.imread('fu.png')# 转换颜色模式，显示原图img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)plt.imshow(img)plt.show

因为 OpenCV 和 matplotlib 的颜色模式不一样，所以需要做一次转换，如果是直接通过cv2展示和保存图片则不需要。

【第二步】

上面的效果分别用到了以下功能：

1. 灰度福

这里没有选择直接将图片转出灰度图，因为这样会导致福字不明显。而是通过将红、绿、蓝三通道分离后，选择色差最大的红色通道。

r,g,b = cv2.split(img)

2. 轮廓福

使用了OpenCV自带的图像轮廓提取功能。为了更好的效果，这里对红色通道进行二值化后，再查找轮廓。

_, img_bin = cv2.threshold(r, 50, 255, cv2.THRESH_BINARY)_, contours, _ = cv2.findContours(img_bin, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)img_cont = np.zeros(img_bin.shape, np.uint8) cv2.drawContours(img_cont, contours, -1, 255, 3)

3. 反色福

发色的实现是将每个像素值x转成255-x。如果遍历像素计算会比较慢，于是用了一个小技巧：转成numpy的ndarray再进行矩阵运算。

img_i = np.asarray(img)img_i = 255 - img_i

4. 膨胀福

这里其实是“图像腐蚀”操作（与“图像膨胀”操作相反）。因为在我们选取的红色通道中，白色是背景，黑色才是福字，所以对白色的“腐蚀”也就是对黑色的“膨胀”。这也是 OpenCV 的内置功能。做完这一步，又对图像进行了切割，直接通过列表的切片操作实现。

kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(25, 25))eroded = cv2.erode(r, kernel)size = img.shapeeroded = eroded[int(size[1]*0.15):int(size[1]*0.7),int(size[0]*0.2):int(size[0]*0.85)]

5. 福到了

OpenCV 提供了翻转操作，第二个参数是旋转轴的选取，你可以试试 0 和 1 的效果。

img_r = cv2.flip(img, -1)

经验证，以上福字皆可扫。本人已集齐！

最后，再送上一张阿里某马姓员工写的福字，据说扫它能抽到稀有福！

End.

作者：AI科技大本营

来源：CSDN

距离春节还有

4

天

零基础入职数据分析就业班

课程的形式主要是“直播+录播”

报名专享：课程项目作业+1v1班主任监督学习+爱数据学院学员专属网站+班级答疑群

课程结束后能熟练掌握SQL、Python、Excel、PPT等工具

适合人群：

1.转行（岗位相关，专业相关、对数据分析感兴趣）

2.从事数据分析工作，但是需要提升技能以及增加实战经验

3.应届毕业生入职数据分析