
作者:豆豆
来源:Python 技术
我们都知道当把图片无限放大时,就会看到一个个的小方格,而这每一个小方格就是组成图片的最小单位,我们称之为像素,换言之,对于单独的一个像素来说,它只有一个固定的色值,是不可再分的。
大胆一点,如果我们在这每一个像素块中填充上不同的字以组成你想说的话,然后再发给你心中的那个她,会不会有意外的惊喜呢。
先从原理上来讲讲此方案为啥可行,抛开整张图片不谈,先单独看下这一个像素块。
一个像素点其大小是 1 x 1 像素,但要想把一个这么大的字装进这么小的像色块里面,即使能装进去,放大之后也是很难看清楚的,更别说后面的惊喜了。
因此,我们需要将像素块放大,放大到足够看清字体为止,经过派森酱多次测试发现 15 倍足矣,再小的话字体就非常模糊了。
同时因为每个像素块都是有自己的色值的,所以当我们把像素放大到 15 x 15 时,要填充上对应颜色的文字才行。
处理好这一个像素点,再对其余所有像素点都采取同样的操作即可,这样最后得到的图片会是原来的 15 倍大,但从宏观来看图片的色值并不会有任何改变。
由于要对图片进行操作,我们用到的库是 Pillow,可直接通过 pip 进行安装。
pip install Pillow
为了故事的顺利发展,需要先熟悉几个 Pillow 的常规操作。
1、新建图片并保存
from PIL import Image
img = Image.new("RGB", (512, 512), (0, 100, 200)) # 创建一张新的图片 Image.new(mode, size, color=0) img.save("img.png")
效果如下所示:
2、重新绘制图片
我们可以在上面刚生成的图片中绘制一些线条,此处是勾画出两条对角线。
from PIL import Image
img = Image.open("img.png") # 打开图片 draw = ImageDraw.Draw(img) # 取得绘图对象,用于绘制对角线 draw.line((0, 0, img.size[0], img.size[1]), fill=128, width=2)
draw.line((0, img.size[1], img.size[0], 0), fill=128, width=2)
img.save("img-line.png")
效果如下所示:
3、图片合并
我们还可以将一张图片合并到另一张图片之上,看起来就像是粘上去的一样。
from PIL import Image
img = Image.open("img.png") # 打开图片 img_small = Image.new("RGB", (32, 32), 'red') # 创建图片 img.paste(img_small, (20, 20)) # 将 img_small 粘贴到 img 的 (20,20) 位置处 img.save("img-paste.png")
效果如下所示:
有了以上的基础,接下来就直接上手开干了。
首先我们找了一张月亮的图片,然后准备把「今晚的月色真美」填充到图片中。当然此处对内容做了简化,你完全可以将任何自己想告诉对方的话写进去。
首先定义好要用到的基本变量,像素放大尺寸 img_child_size、内容、字体设置、图片路径等。
from PIL import Image, ImageDraw, ImageFont
img_child_size = 15 text = "今晚的月色真美" font = ImageFont.truetype('AliPuHui-Bold.ttf', img_child_size)
img_path = './moon.png'
其次创建一个大小为 img_child_size 的小图 img_child 用于填充字体,一个原始图片扩大 img_child_size 倍的新图 img_ans 用于装载前面填充好字体的小图。
img = Image.open(img_path)
img_w, img_h = img.size
img_child = Image.new("RGB", (img_child_size, img_child_size))
img_ans = Image.new("RGB", (img_child_size * img_w, img_child_size * img_h))
最后,就是循环遍历原图的每一个像素点,针对每个像素点(x,y)都要用绘制好文字的小图 img_child 粘贴到新图 img_ans 的对应位置上去。当然其中为了让字体居中还做了一些处理。
text_w, text_h = font.getsize("中") # 获取单个文字的宽、高 offset_x = (img_child_size - text_w) >> 1 # 文字水平居中 offset_y = (img_child_size - text_h) >> 1 # 文字垂直居中 char_index = 0 draw = ImageDraw.Draw(img_child) # 小图的绘图对象,用于绘制文字 for x in range(img_w): # 宽在外 高在内,因此文字的方向是从左到右,从上到下排列的 for y in range(img_h): draw.rectangle((0, 0, img_child_size, img_child_size), fill='lightgray') # 绘制背景,看起来会好一些 draw.text((offset_x, offset_y), text[char_index], font=font, fill=img.getpixel((x, y))) # 用(x,y)处像素点的色值绘制字体 img_ans.paste(img_child, (x * img_child_size, y * img_child_size)) char_index = (char_index + 1) % len(text) img_ans.save('moon-text.png')
来看看最终结果。
看不是很清楚对不对,咱放大看。
有点意思了对不对,继续放大。
哈哈哈,惊不惊喜,意不意外。
今天派森酱带大家一起搞了个好玩的,用文字来填充图片,只要理解了图片、像素、文字之间的关系代码就很容易写出来了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05