matlab利用字符作画（汉字绘画）

大家好，欢迎来到IT知识分享网。

1 算法实现原理

算法的原理比较简单，就是利用不同字符具有不同的密度，比如字符“一”具有较低的密度，字符“曩”具有较高的密度。对于白底黑字来说，密度越高意味着该点附近具有较高的灰度值，这样文字就与图像的灰度值建立了一一对应的关系。

所以算法主要包括两个部分，一个是建立一个字符库，包含字符与其密度之间的关系；一个是实现字符密度和图像灰度值之间转换的方法。

2 实现

之后将5000个汉字输出在一个文字框中，统计汉字图像中的黑色部分的比例。
具体代码如下，其中str5000为之间保存的5000汉字，strH_gray为每个字符的密度值：

%字符转密度值 clear load('str5000.mat') strH=str5000; N=length(strH); strH_gray=zeros(N,1); figure('color',[1 1 1])%白色背景 %循环5000个字 for j=1:N %绘制文字 text(0,0,strH(j),'FontUnits','normalized','FontSize',0.9,'verticalAlignment','bottom'); xlim([0,0.5]);ylim([0,0.5]); set(gcf,'Position',[488 342 375 420]); set(gca,'Position',[0.0 0.0 1 1]); axis off %获取文字图像信息 F = getframe; strdata=F.cdata; imshow(F.cdata) %计算文字所占密度 strdata1=strdata(:,:,1); strdata1=uint8((strdata1~=255)); n=length(strdata1(:)); s=sum(strdata1(:)); strH_gray(j)=s/n; clf%清空图像 end %最后保存文字密度表strH_gray 

之后拥有文字表和对应的文字密度表后，就可以创建文字密度和图像灰度值之间一一对应的关系了。具体代码如下：

clear load('str5000_gray.mat')%文字密度表 load('str5000.mat')%文字表 strH=[str5000]; strH_gray=[str5000_gray]; x=imread('camera.jpg'); x=imresize(x,[32,32]); x=double(x);%uint8格式不能表示0-1小数 strid=zeros(size(x(:,:,1))); %将RGB转换为灰度。可以用rgb2gray简化处理 im_gray = ((x(:,:,1)).^2.2 * 0.2973 + (x(:,:,2)).^2.2 * 0.6274 + (x(:,:,3)).^2.2 * 0.0753).^(1/2.2); im_gray=1-im_gray/255; %由于文字最大密度也不能到100%，而图像却可以很暗，所以需要对文字的密度值进行一定缩放 enlarge=max(im_gray(:))/max(strH_gray(:)); %对每一个像素点的灰度值与文字密度进行匹配，记录下对应的文字编码 for j=1:length(im_gray(:)) im_g_j=im_gray(j); [~,minid]=min(abs(im_g_j-strH_gray*enlarge)); strid(j)=minid; end %按照行进行每行的文字输出 n=size(im_gray,1); str_img=cell(1,n); figure('color',[1 1 1]) for j=1:n str_img=strH(strid(j,:)); %由于默认matlab中text的行间距太大，这里人为约束固定每一行位置 text(0,1-1/n*j,str_img,'FontUnits','normalized','FontSize',1/n,... 'verticalAlignment','bottom','HorizontalAlignment','center'); end xlim([-1,1]);%将文字居中 axis off %获取gcf F = getframe; strdata=F.cdata; imwrite(strdata,'A.png'); 

64×64个字符下的字符画：

32×32个字符下的字符画：

3 动图和视频的实现

动图的实现原理与普通图片的实现原理没有区别，但是细节上需要对格式进行整合，需要对每一帧都输出成字符画。

这里用猫和老鼠的一个动图作为具体的实现展示。

将这幅动图转换为字符画的代码如下：

clear %载入文字库 load('str5000_gray.mat') load('str5000.mat') strH=[str5000]; strH_gray=[str5000_gray]; %载入gif动图 [A,map]=imread('E:\期末复习\研一下\寒假\文字作图\tomandjerry.gif', 'gif','frame','all'); C=squeeze(A); %把动图变为灰度图，并调整尺寸 sizeimgnew=[116,160]; DRGB=zeros([size(C,1),size(C,2),3]); D_gray2=zeros([sizeimgnew,size(C,3)]); for k=1:size(C,3) RGB=ind2rgb(C(:,:,k),map); D_gray=rgb2gray(RGB); DRGB(:,:,1)=D_gray; DRGB(:,:,2)=D_gray; DRGB(:,:,3)=D_gray; DRGB2=imresize(DRGB,sizeimgnew); D_gray2(:,:,k)=DRGB2(:,:,1); end D_gray2(D_gray2>1)=1; D_gray2=1-D_gray2; %按比例线性填充至01区间 D_gray2=(D_gray2-min(D_gray2(:)))/(max(D_gray2(:))-min(D_gray2(:))); strH_gray=(strH_gray-min(strH_gray(:)))/(max(strH_gray(:))-min(strH_gray(:))); %逐个扫描像素，转换为对应标号 strid=zeros(size(D_gray2)); for j=1:length(D_gray2(:)) im_g_j=D_gray2(j); [~,minid]=min(abs(im_g_j-strH_gray)); strid(j)=minid; end %逐帧输出每一副图像 n=size(D_gray2,1); figure('color',[1 1 1]) for k=1:size(D_gray2,3) for j=1:n %逐行扫描文字 str_img=strH(strid(j,:,k)); text(0,1-1/n*j,str_img,'FontUnits','normalized','FontSize',1/n,... 'verticalAlignment','bottom','HorizontalAlignment','center'); end xlim([-1,1]); axis off pause(0.1) F = getframe; strdata=F.cdata; [I,map] = rgb2ind(strdata,32); %将真彩色图像转化为索引图像 if k==2 imwrite(I,map,'A.gif','gif','Loopcount',inf,'DelayTime',0.05); elseif k>2&&k<=23 imwrite(I,map,'A.gif','gif','WriteMode','append','DelayTime',0.05);%DelayTime:帧与帧之间的时间间隔 end clf end 

输出的结果如下：

3 尝试更少的字符表现更高的分辨率

由于文字具有不同的形状，所以根据这个原理可以减少使用文字的量。比如说“品”字上半部分具有较低的密度，下半部分具有较高的密度。比如文字“缸”的左半边密度就要大于右半边密度。

这样，就需要调整一下之前的算法，第一步需要将文字划分为4个部分，保存每个部分的密度；第二步需要根据4个图像像素和同一文字的4个密度，进行向量匹配，根据图像找到最接近的文字向量。

第一部分的文字密度向量的算法如下：

%字符转密度值4向量版 clear load('str5000.mat');strH=str5000; N=length(strH); strH_gray=zeros(N,4); figure('color',[1 1 1]) for j=1:N text(0,0,strH(j),'FontUnits','normalized','FontSize',0.9, 'verticalAlignment','bottom','HorizontalAlignment','center'); xlim([-0.5,0.5]);ylim([0,0.5]); set(gcf,'Position',[488 342 373 419]);set(gca,'Position',[0.0 0.0 1 1]); axis off F = getframe;strdata=F.cdata; imshow(F.cdata) %计算灰度值 strdata1=strdata(:,:,1); strdata1=uint8((strdata1~=255));%其实可以不转换格式 [m,n]=size(strdata1); %四个不同的密度向量 mn=m*n/4; s1=sum(sum(strdata1(1:m/2,1:n/2)));%左上 s2=sum(sum(strdata1(1:m/2,n/2+1:end)));%右上 s3=sum(sum(strdata1(m/2+1:end,1:n/2)));%左下 s4=sum(sum(strdata1(m/2+1:end,n/2+1:end)));%右下 strH_gray(j,1)=s1/mn; strH_gray(j,2)=s2/mn; strH_gray(j,3)=s3/mn; strH_gray(j,4)=s4/mn; clf end 

将图片转换为文字的代码如下：

clear load('str5000_gray4.mat')%之前的strH_gray保存的结果 load('str5000.mat') strH=[str5000]; strH_gray=[str5000_gray4]; x=imread('camera.jpg'); x=imresize(x,[64,64]); x=double(x); %转换为灰度值 im_gray = ((x(:,:,1)).^2.2 * 0.2973 + (x(:,:,2)).^2.2 * 0.6274 + (x(:,:,3)).^2.2 * 0.0753).^(1/2.2); im_gray=1-im_gray/255; %按比例线性填充至01区间 im_gray=(im_gray-min(im_gray(:)))/(max(im_gray(:))-min(im_gray(:))); strH_gray=(strH_gray-min(strH_gray(:)))/(max(strH_gray(:))-min(strH_gray(:))); %匹配 %转换成4角格式 im_gray4=im2im4corner(im_gray); [m,n]=size(im_gray4(:,:,1)); strid=zeros([m,n]); %进行匹配 for j=1:m*n [I,J] = ind2sub([m,n],j); im_g_j=reshape(im_gray4(I,J,:),1,4); cospdist=pdist2(strH_gray,im_g_j,'euclidean');%利用欧拉距离值匹配 [~,minid]=min(cospdist); strid(j)=minid; end %输出text n=size(im_gray4,1); str_img=cell(1,n); figure('color',[1 1 1]) for j=1:n str_img{ 
   j}=strH(strid(j,:)); text(0,1-1/n*j,str_img{ 
   j},'FontUnits','normalized','FontSize',1/n,... 'verticalAlignment','bottom','HorizontalAlignment','center'); end xlim([-1,1]); axis off %获取gcf F = getframe; strdata=F.cdata; imwrite(strdata,'A2.png'); %脚本后置函数 function A4=im2im4corner(A) %用于将图片转换为和文字密度匹配的4角格式 [m,n]=size(A); A4=zeros(floor((m-2)/2)+1,floor((n-2)/2)+1,4); for j=1:2:m-1 for k=1:2:n-1 A4((j+1)/2,(k+1)/2,1)=A(j,k);%左上 A4((j+1)/2,(k+1)/2,2)=A(j,k+1);%右上 A4((j+1)/2,(k+1)/2,3)=A(j+1,k);%左下 A4((j+1)/2,(k+1)/2,4)=A(j+1,k+1);%右下 end end end 

和之前64字符的进行对比，可以看到向量法（左图）对边缘的刻画过渡更加平滑，但是对于灰度值的描述就不如直接灰度法描述的好。比如4角向量的方式，衣服内部的文字几乎相同，灰度值信息丢失较多。

向量法的细节图，在不同灰度变化较大的交接处，大量使用逐、罐、必、趟、茂等密度不对称的字，来增加边缘处整体的平滑度。

4 尝试利用边缘线条实现字符作画

利用edge函数可以提取边缘，进而利用边缘的图像来作画。
例如下图：

这里代码和之前第3节的代码几乎相同，就是文字库由汉字更换成为特殊符号，边缘检测利用matlab自带的approxcanny方法。具体代码就不放上了。其中edge的使用方法如下：

im_gray = edge(x2,'approxcanny') 

详情参见官方文档：https://www.mathworks.com/help/images/ref/edge.html

这里要注意特殊符号库的选取，要统一全角、半角，不能混着搭配，否则会出现文字排版混乱。比如下图，就是不小心用了半角的空格“ ”而不是全角的空格“　”。当然如果混用的话也可以，但是估计要修改 text函数的x坐标，固定每个符号的中心位置。