用PLT比較輕量級，用opencv是比較重量級

import numpy as npfrom PIL import Imageif __name__ == '__main__': image_file = '/Users/mac/Documents/學習文檔/機器學習/5.Package/son.png' height = 100 #假定寫入圖片的高度是100 img = Image.open(image_file) img_width, img_height = img.size #獲取img的尺寸 width = 2 * height * img_width // img_height # 假定字符的高度是寬度的2倍，寫入圖片的高度是寬度的2倍 img = img.resize((width, height), Image.ANTIALIAS) #改變尺寸，將新定的寬度，高度重定img的size賦給img pixels = np.array(img.convert('L')) #轉成灰度值喂給array,pixels是個存灰度值的數組 print(pixels.shape) print(pixels) chars = "MNHQ$OC?7>!:-;. " #256色的不同通道濃淡，M代表0-15，N代表16-31 N = len(chars) step = 256 // N print(N) print step result = '' for i in range(height):  for j in range(width):   result += chars[pixels[i][j] // step] #像素點的值除以step是可以找到step這個像素點的位置，char做素引，是指對應的該   #點的值填充成上面更濃的色，故就顯示出來了  result += '/n' with open('text.txt', mode='w') as f:  f.write(result)

用PIT詳解步驟：

img = Image.open(path)#打開圖片

img.getpixel((height, width))#得到(height, width)處的像素值（可能是一個list，3通道） 

img.convert("L")#轉灰度圖 

size = (64, 64) img.resize(size, Image.ANTIALIAS)#改變尺寸 

box = (10, 10, 100, 100) img.crop(box).show#在img上的box處截圖,show顯示圖片

#shape[0]-1梯度下降的辦法取x,y值，再將img_data[x][y][0]x,y處0通道賦255色值img_data = np.array(img)  for i in xrange(300):  x = random.randint(0, img_data.shape[0]-1)  y = random.randint(0, img_data.shape[1]-1) #shape[0]是表幾行，shape[1]表示幾列，y在列向量上故用shape[1] img_data[x][y][0] = 255  img = Image.fromarray(img_data)#加300個噪音,轉來轉去麻煩可以直接用skimage度圖片就不用轉了 img.show()

img.rotate(90)#圖片旋轉90 

img.transpose(Image.FLIP_LEFT_RIGHT)#圖片鏡像 

二、skimage打開的圖片img_data：

from skimage import io,transform img_data = io.imread(img_path) transform.resize(img_data, (64, 64))#改變尺寸