简介基于Python与OpenCV开发的一套字符画生成工具可将输入图像转为文本文件或图片形式也能将视频转为字符画视频支持黑白、灰度与彩色输出并可选用中英日韩德法西俄等语言字符集适合图像处理入门者、Python开发者学习算法或直接应用到个人项目。资源打包为zip压缩包共43个文件约532MB主要包含7个Python源码脚本、jpg/gif/png演示样例、5个ttf字体、1个mp4示例、说明文档及license文件还附带多语言示例输出和演示动图目录结构清晰便于按模块取用。已有670人浏览学习。下载后可获得完整源码、多样例和字体资源直接运行即可复现图像到文本、图像到图像、视频到视频三类转换效果还能通过调整background和mode参数尝试不同背景与配色方案对理解OpenCV图像处理流程、字符画生成原理和视频帧处理有直接帮助。 从一张风景照片变成满屏的#$%再到一段视频被实时转换成带有动态质感的字符动画——这就是 ASCII 生成器最直观的魅力。我第一次跑通“图像到文本”的时候盯着终端里那个由字符拼出来的蒙娜丽莎说实话挺震撼的。后来又把玩法扩展到“图像到图像”“视频到视频”才发现这玩意儿不是简单的玩具背后涉及的灰度映射、字符集设计、视频抽帧与合成是一套非常有代表性的图像处理流程。无论你是想做个命令行小工具还是打算给视频做风格化转码这篇内容都能给你一条可以落地的路线。它适合谁适合刚入门图像处理但不想只调库的开发者适合对字符艺术感兴趣但不知道怎么开始的创作者也适合想给视频加一点“极客味”的玩家。我会尽量把原理和实操糅在一起讲尽量让你看完能直接动手鼓捣出自己的版本。1. ASCII生成器到底在做什么1.1 三个方向的真实应用场景先拆解标题里的三个能力它们其实代表了三种不同的处理目标。“图像到文本”是基础款。把一张图片的每个像素区域采样映射成一个 ASCII 字符最后得到一幅完全由字符拼成的“画”。这个输出可以放进终端、网页、文档甚至打印出来裁剪成装饰画。很多编程竞赛、开源项目里的 Logo 就是用这种办法生成的。“图像到图像”可以理解成风格转换。输入一张普通照片输出一张同样尺寸但带有字符纹理的“伪图像”——它不是把字符打印成文本而是把每个字符渲染成像素块组合成一张新的位图。比如用这种方式把照片变成版画风格的海报或者给图片加一层“黑客帝国”质感。“视频到视频”则是把上述逻辑按时间轴展开。视频拆成一帧帧图片每帧转成字符帧再合成新的视频。这个方向除了要处理单帧效果还得考虑时序上的连贯性否则画面会疯狂闪烁看得人眼睛疼。实际用途包括制作字幕特效、给Vlog做转场、在直播画面上叠加字符滤镜等。1.2 从作品反推技术需求很多人在网上看过那种超级惊艳的字符画以为用了什么神秘算法其实核心就三步采样、映射、渲染。但要把这三步做到“能看”就需要回答几个问题字符集怎么选灰度怎么映射分辨率降到多少合适视频还要多一个“帧间一致性”的考量。举个实际例子如果你想用 ASCII 字符画还原一张人脸照片直接用默认字符集往往效果很脏因为字符形状带来的视觉重量不同W和i虽然灰度值近似但占用的空间差异会让轮廓变形。所以真正的需求是理解字符本身的视觉密度再决定如何分配字符序列。我做的时候把整个过程拆成了四个模块输入解码、灰度预处理、字符映射、输出渲染。后面所有内容都会围绕这四个模块展开。2. 核心原理与字符映射2.1 灰度值映射为什么不是直接替换最直觉的做法是遍历每个像素根据像素亮度选择一个字符。比如像素值 0-2550 是黑255 是白黑用白用空格。理论上没问题但实际效果很差。原因在于人眼对字符的感知不是只看它的“灰度平均值”还看笔画结构和空间占用。同一个亮度级别#看起来比更“满”因为它们笔画覆盖面积不同。所以业界常用一个固定的“字符亮度梯度”ramp从小到大排列字符$B%8WM#*oahkbdpqwmZO0QLCJUYXzcvunxrjft/\|()1{}[]?-_~i!lI;:,^.这个序列从左到右视觉重量递减。前面字符密实适合表现暗部后面字符稀疏适合表现亮部。映射公式可以写成char_index int((1 - brightness) * (len(ramp) - 1))其中brightness取 0 到 11 - brightness是因为字符序列里前面代表更暗后面代表更亮。如果你用 PIL 读取灰度图pixel值是 0 到 255需要先归一化brightness pixel / 255.0 idx int((1.0 - brightness) * (len(charset) - 1))这样暗像素会落在字符序列的左侧亮像素落在右侧。缺了这个反转你会得到一张“负片”效果的字符画暗部全变成空格亮部全变成$。2.2 字符集的选择与密度排序字符集不是越长越好关键是要有一个可靠的密度排序。上面那串经典 ramp 是社区多年调出来的兼容性和视觉效果都很好。你也可以自定义字符集比如只用%#*-:.那密度梯度更小风格更接近极简版画。选字符集时有个容易被忽略的点等宽字体 vs 比例字体。如果你最终的输出要放进终端必须用等宽字体否则字符宽度不一致会导致画面扭曲。浏览器里用的pre标签也默认等宽但如果你把结果贴到 Word 里就很容易变形。另一个细节是字符的高度和宽度比。终端里的字符大概是 1:2 的宽高关系一个字符的宽度约为高度的一半。如果你把一张正方形图片直接映射到一个二维字符网格出来的字符画会显得被纵向拉伸。常见的做法是在采样时压缩横向采样率比如每隔 2 列像素采样一次这样输出的字符画更接近原图的纵横比。2.3 分辨率的取舍与宽高比修正分辨率处理是整个流程里最影响观感的一步。假设输入图片是 1920x1080如果你对每个像素都生成一个字符最终的字符文本就会有 1920 列终端一行根本装不下而且字符和像素的宽高比差异会让画面严重畸形。我的做法是先确定目标字符宽度比如 80 列然后根据字符宽高比反推字符行数。终端等宽字体一般高度大约是宽度的两倍所以如果我们要生成 80 列字符那么行数约等于rows int(cols * (image_height / image_width) * 0.5)这里的0.5就是字符高度修正系数。如果你用 PIL 生成图片图像到图像则不需要这个修正因为渲染时你直接把每个字符绘制成占用固定网格的大像素块。只需要把原图缩放成cols * rows的尺寸就行。宽高比修正是新手最容易忽略的坑。不做修正的话一个圆形会变成椭圆一张人脸会变成驴脸。最好在代码里内置一个终端检测工具如果不清楚当前终端字体的宽高比可以先用默认 0.5再根据输出效果手动微调。3. 实操用Python从零实现图像到文本3.1 环境与依赖准备我用的环境是 Python 3.9 Pillow不需要额外装 OpenCV纯 Pillow 就能处理静态图。视频部分需要用到 OpenCV 的VideoCapture和VideoWriter这个后面再说。先安装 Pillowpip install pillow如果后面做视频再补装pip install opencv-python接下来我会给出一个完整的image_to_ascii.py脚本它包含上面讲的所有关键点。3.2 处理流程与关键代码下面是一个可直接运行的版本我把每一步的注释都写清楚了import sys from PIL import Image # 经典的字符密度梯度由密到疏 CHARSET $B%8WM#*oahkbdpqwmZO0QLCJUYXzcvunxrjft/\\|()1{}[]?-_~i!lI;:,\^. def resample_image(image_path, new_width80): img Image.open(image_path) # 转成灰度图 img img.convert(L) width, height img.size # 根据字符宽高比修正行数宽高比系数一般为0.5 ratio height / width * 0.5 new_height int(new_width * ratio) # 用 LANCZOS 重采样缩略图质量更高 resized img.resize((new_width, new_height), Image.LANCZOS) return resized def pixels_to_ascii(img): pixels img.getdata() ascii_str ramp CHARSET ramp_len len(ramp) for idx, pixel in enumerate(pixels): # 0是黑255是白灰度值越大越亮 brightness pixel / 255.0 # 亮像素映射到字符列表尾部稀疏字符 char_idx int((1.0 - brightness) * (ramp_len - 1)) ascii_str ramp[char_idx] if (idx 1) % img.width 0: ascii_str \n return ascii_str if __name__ __main__: input_path sys.argv[1] width int(sys.argv[2]) if len(sys.argv) 2 else 80 img resample_image(input_path, width) output pixels_to_ascii(img) print(output)运行方式python image_to_ascii.py input.jpg 100我会建议你从 80 列开始调试因为终端宽度有限太宽会自动换行反而破坏了画面结构。如果你想把结果保存到文件直接把 stdout 重定向到.txt即可python image_to_ascii.py input.jpg 100 output.txt3.3 效果调试对比度与字符密度跑通了基础版之后你会发现某些图片的输出灰蒙蒙的层次感很差。这是因为原图的对比度不够或者映射到字符时中间调太多。我的经验是增加一步“对比度拉伸”预处理。PIL 的ImageOps.autocontrast很好用from PIL import ImageOps img ImageOps.autocontrast(img, cutoff2)它会自动把像素亮度范围拉满暗的更暗亮的更亮字符画瞬间立体不少。另一个调参点是字符集的密度长度。比如经典 ramp 有 70 多个字符但如果你做的是纯白底文字配图字符数太多反而显得杂。我常用的是精简版CHARSET %#*-:. 这个只有 10 档风格更干净适合做海报底纹。选字符集的标准很简单高密度字符给暗部中密度字符给过渡空格和点给高光。4. 进阶视频到视频的实现思路4.1 视频拆帧与合成视频到视频的原理并不复杂用 OpenCV 读取每一帧转成灰度图然后复用静态图的字符画逻辑最后把字符画渲染成画面写回视频。这里有一个关键选择你要输出的是“字符文本流”还是“字符画面视频”前者只是把每帧的纯文本按时间顺序拼进文件适合做字幕脚本或终端动画后者是把每个字符绘制成图片像素生成一个真正的 MP4 视频适合在社交媒体发布。我推荐后者因为终端播放纯文本动画的通用性太差。实现时用一个最直接的办法import cv2 from PIL import Image, ImageDraw, ImageFont def render_ascii_frame(frame, char_size12, charsetCHARSET): # 先缩放到字符网格尺寸 gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) h, w gray.shape cols 80 rows int(cols * h / w * 0.5) resized cv2.resize(gray, (cols, rows), interpolationcv2.INTER_AREA) # 创建空白画布 canvas Image.new(RGB, (w, h), (0, 0, 0)) draw ImageDraw.Draw(canvas) # 等宽字体路径需根据系统修改 font ImageFont.truetype(DejaVuSansMono.ttf, char_size) cell_w char_size * 0.6 cell_h char_size for y in range(rows): for x in range(cols): brightness resized[y][x] / 255.0 idx int((1.0 - brightness) * (len(charset) - 1)) char charset[idx] # 把字符绘制在原画面尺寸的对应位置 draw.text((x * cell_w, y * cell_h), char, fontfont, fill(255,255,255)) return cv2.cvtColor(numpy.array(canvas), cv2.COLOR_RGB2BGR)这段代码把每一帧先缩小成 80 列的字符网格再根据原图尺寸放大回写。渲染字体的字体文件路径需要你本地确认Windows 常见的是consola.ttfmacOS 常见的是Menlo.ttf。4.2 减少闪烁的实用技巧视频转换最大的问题是输出画面疯狂闪。原因是每帧的亮度分布略有变化同一个位置的字符可能在|和:之间反复横跳视觉上就像噪点。解决思路有三个层次。第一层是降低时间分辨率——不用每帧都重新采样比如每 2 帧或 3 帧取一次数据中间帧直接复制上一帧的字符画。因为 ASCII 视频的动态信息量本身不高常见的 20FPS 转成字符动画后降到 10FPS 观感也没问题。第二层是平滑灰度直方图。我试过对每帧做一个轻微的cv2.GaussianBlur把细小的纹理抹掉字符序列的稳定性会好很多。这个操作让边缘更清晰字符变化更连续。第三层是关键使用“滞后映射”。维护一个上一帧的字符索引数组如果当前帧某个像素映射的字符与上一帧差别太大就强制往上一帧的字符方向拉近一档。这相当于给字符变化加了惯性有效消除闪烁代价是稍微损失细节。这个方案我实际测试过Vlog 片头用 5 分钟视频转字符动画闪烁感大幅降低。5. 常见问题与排查记录5.1 输出乱码或比例异常如果你发现输出的字符画里有大量异常空白或挤压变形先检查两个地方第一终端字体是否是等宽字体第二new_height计算是否正确。很多人直接用了height * new_width / width没乘 0.5 修正系数结果圆形变椭圆。修正系数 0.5 只是经验值如果你的终端里字符高度接近宽度可以改成 0.6 或 0.55 微调。另一个常见问题是 Windows 命令行对 UTF-8 字符集支持不好中文环境容易出现乱码。解决办法是在脚本开头加sys.stdout.reconfigure(encodingutf-8)或者在文件保存时指定encodingutf-8。5.2 视频转换太慢怎么办视频转字符画是纯计算密集型任务100 帧 720p 的视频我最初跑了将近两分钟瓶颈在于每帧都用 Pillow 绘制大量小文本。优化办法有两个方向。方向一是降低字符网格分辨率。从 80 列降到 60 列像素填充量减少 40% 以上视觉差异并不大。方向二是用 OpenCV 的原生putText代替 Pillow 的ImageDraw.text虽然字体控制没那么灵活但速度能快 3 到 5 倍。还可以做并行处理用 Python 的multiprocessing.Pool把帧列表分块处理重点是把输出帧的顺序保持好。我试过 8 核机器处理器占比能跑到 100%总耗时压缩了 60% 左右。5.3 如何让字符画更“像”原图想让字符画更像原图核心思路不是增加字符集长度而是加强边缘感知。我会在灰度预处理后加一个边缘提取步骤把边缘像素强制映射为高密度字符或#让轮廓更硬朗。edges cv2.Canny(gray, 100, 200)然后把边缘图和灰度图组合边缘位置直接用最暗字符非边缘位置正常映射。这样得到的字符画在轮廓上明显更接近原图尤其是人脸和建筑这类高结构感的题材效果提升非常明显。最后一句话的经验这些天折腾下来我最大的感受是ASCII 生成器的门槛不在算法而在“审美调参”。理解了字符密度、宽高比、对比度拉伸你就能做出完全属于自己风格的字符画。别看这类工具像是老玩意现在很多直播弹幕、网页特效、复古滤镜都在用它。你完全可以把我上面的脚本改造成一个命令行小工具再接上摄像头做成实时字符摄像头那又是另一层乐趣。如果你也做出来了好玩的东西欢迎回来交流。本文还有配套的精品资源点击获取