然后在这个时代，会编程的人越来越多（尤其是 MATLAB，Python 等非常适合图像处理的脚本语言），类似的教程更是数不胜数。甚至可以说，在 2018 年还剩一个多月就要结束的时候还要搞一个这种基于 Python 的字符画生成教学，实在是太丢人了，也几乎没有什么意义。

　　笔者最早接触生成字符画的代码，可能是源自这个 B 站视频（刚打开时候的音乐不太妙）。UP 主在 Vim 中写下一行又一行的 C++ 代码，看得那年刚上大学的我如痴如醉。

　　第二，要搞清楚所选字符的宽和高的关系。这里我经过简单测试，得出高大概是宽的 1.865 倍。（不同的屏幕 PPI，不同的字号，都可能会导致宽高比发生变动，因此最好在一开始就固定一个字号，如八号字）

　　第四，还有一件小事，那就是这样的算法可能并不适合所有图片。我们设计这样的字符列表，是因为一般图片的直方图能够充满整个色域。但是有的时候，存在偏亮或者偏暗的图片，那时候再套用相同的算法，效果图可能就不那么理想了。就比如我的头像这张图（出自《古剑奇谭三》）：

　　这里做的改进是直方图均衡化（histogram equalization），目的是让图片的直方图尽可能地平整（因为图片的像素点的亮度是离散的，无法做到真正的平整），覆盖尽量宽的亮度，从而提高图片的对比度。就头像图而言，相应的直方图如下：

　　另外，因为直方图均衡化只适用于单通道图片（如灰度图）。如果想要对彩色的图片进行直方图均衡化小儿收惊符，正确的做法并不是单独对 R、G、B 三个通道分别进行均衡化（比如某张图片红色很亮，蓝色通道很暗，那么分别进行均衡化势必使输出图片的色调发生明显变化），而应该是只对图片的亮度进行调整。

　　具体而言，可以先将图片转为 HSV （Hue 色相，Saturation 饱和度，V 明度），然后只针对 V 施加均衡化，最后再重新变回 RGB 空间。也有说将图片转为 YCbCr，然后对 Y 通道进行操作的。但从实际效果而言，转为 HSV 似乎更能让人接受一些。

　　这里可以多说几句。MATLAB 在较新的版本中，histeq 函数已经可以接受 RGB 三通道图片了，但是具体操作细节不明。尝试了上述转为 HSV 和 YCbCr 再均衡化的方法（效果见下图 HSV 和 YCbCr），效果均与直接 histeq （效果见下图 histeq）存在一定差别。

　　另外，MATLAB 还有一个函数名为 adapthisteq。与对整体直接进行均衡化不同，这个方法将图片划分为多个矩形区域（Tile），针对每个区域进行均衡化操作，再借助双线性插值（Bilinear Interpolation）将各个区域连接起来。效果明显比 histeq 更加能够让人接受（因为避免了对比度过高的现象）。然而这个方法不适用于三通道图片（笔者使用版本为 2018b，目前尚不支持）。因此，我尝试了先转为 HSV，再单独对 V 进行 adapthisteq 的方法（效果见下图 adapthisteq），发现效果很好。我也尝试了先转为 YCbCr 的方法，但是效果与下图 YCbCr 有些类似，均有点泛白，不如 HSV 好，故不做展示（主要是六张图正好，多一张图不好摆放……）。

　　至于分别对 RGB 进行操作（见下图 RGB），效果似乎也能忍，但是这一定不是最正确的方法。

　　只是黑白，似乎不能满足人民日益增长的审美需求。因此，我们可以用类似的思路，给不同的字符以不同的颜色。也因此，我们就不能再输出 .txt 文件了。取而代之，我们可以采用 Python 的 Pillow 库，直接将文字打印到图片上，再进行输出。至于为什么不用 OpenCV，是因为 OpenCV 的 cv2.putText 方法不支持自定义字体（只能使用默认的 Hershey 系列文字，效果不理想）。

　　这里我们就不必使用之前设计的字符列表了，因为字符的颜色已经包含了亮度信息，没有必要再根据亮度选择不同的字符了。所以我们也不需要量化图片了。这次我们采用随机的大写字母。

　　这是为什么呢？其实原因很简单，因为每一个字符的笔画只占整个字符面积的一小部分，所以“离远了看”，所有字符对于整个图片的亮度和颜色的贡献非常有限（背景色更占优势）。那么对策总不能是严格计算每一个字符的笔画所占比例小儿多少岁，然后进行调整吧？

　　这样计算代价实在是太大，而且未必能够换来令人期待的效果，因此笔者并没有进行相关的尝试（其实有兴趣的朋友可以试试，在黑色背景上打印白色字符，然后从输出图片的像素级别对笔画的占比进行计算）。我们可以借助图像编辑软件（如 Win 10 自带的「照片」，只需要右键需要调整的图片，选择“使用照片编辑”即可）。

　　那这样好了，我们采用一种懒省事儿的方式，背景叠加一张非常模糊的、亮度略有降低的原图好了。这里我们使用尺寸为 25x25 的高斯模糊（Gaussian blur），亮度调节为原图的 70%。效果如下：

　　看到这里，是不是觉得其实字符画也不过如此。只要有了思路，会一门编程语言，就可以做出上述的效果了？没错，就是这样。

　　诚然，本文的标题是“从入门到不屑”。但是我们嫌弃的，仅仅是因为经过一番思考之后，轻松地就实现了上面的效果，发现这其中其实并没有什么很深奥的不可战胜的知识，而不是去嫌弃做这些事情的人。第一个发明字符画的人注定是了不起的；而每一个独立写代码实现出这一效果的人，也同样是了不起的。每一个这样的人，都打开了图像处理的大门，拥有不可估量的未来。