python 实现将图像转化为位图数组

引言

目前在做Arduino的知识学习，在使用OLED屏幕的时候为了实现精美的图片展示，需要将图像转化为位图数组的形式，网上的资源很多，可是自己想实现一下，本篇记录下探索的过程。

开发环境

Jupyter 永远的神，当然这只是编写代码的环境，具体使用Python3，涉及pillow(PIL)的模块。

准备素材

百度上找了一个图片（PS：如果侵权请及时联系我删除）

流程

我准备将该图片放入128*64分辨率的0.96屏幕，显然这个图片比例和尺寸都不合适，而且Oled使用的是二值化图像，所以整个流程分为：

1、裁剪尺寸；

导入图片，我的图片尺寸是640X480

img = Image.open('img.jpg')	#读入图片
w,h=img.size	# 查看图片尺寸
print(w,h)		#打印图像尺寸，方便我们进行收东验证

裁剪图片，这里用的是128：64的宽高比例，当然可以自己自定义

w_h=128/64#宽：高
h_w=64/128#高：宽
w,h=img.size# 得到图片尺寸
if w>h*w_h:#宽比高值大，则保留高，裁剪宽
    #我们准备从左上角开始裁剪，这里输入左上角和右下角坐标
    #例如我是640X480图片，宽高比例128:64,因此640<480*128/64=960
    #也就是说我们需要保留完整的宽度，而去对高度进行裁剪
    new_img = img.crop((0, 0, h*w_h, h))
else:
	#宽比高值小，则保留宽，裁剪高
    new_img = img.crop((0, 0, w, h_w*w))

裁剪后的图像如下：

我们再进行等比例放缩

#进行图片缩放 这里用128*64的分辨率，即尺寸就是128X64
small_img=new_img.resize((128,64))
#保存一下，等下我们验证用的
small_img.save("small.jpg")

效果如下：

2、灰度处理

# 转化为黑白图片#进行灰度处理
black_img = small_img.convert("L")

效果如下：

3、二值化处理

获取图像的数据量，十进制的

#转换为像素数据 长度8192，128*64
bdata_list= list(black_img.getdata())

可以看到数据流的形式：

二值化，自己定义阈值（灰度界限）

# 接下来进行二值化
# 自定义灰度界限，大于这个值为黑色，小于这个值为白色，也可以翻过啦，实现背景色的反转
threshold = 128#阈值自己可以自定义
bvalue_list = [0 if i<threshold else 1 for i in bdata_list]

同样我们可以看到数据是这样的：

4、转化为位图数据也就是16进制数组

首先将数组进行分组，形成二进制字符串数组

#将8位一组放在一起
ob_list=[]
s="0b"
for i in range(1,len(bvalue_list)+1):
    s+=str(bvalue_list[i-1])
    if i%8==0:
        ob_list.append(s)
        s="0b"

我们可以看到数据是这样的：

最后将数据转化为16进制

#转换为16进制字符串 格式定位两位
ox_list=['0x'+'%02x' % int(i, 2) for i in ob_list]
#下面的代码 似乎不会保证固定的两位格式 比如0,会转化成0x0，而我们期望0x00
#ox_list=[hex(int(i, 2)) for i in ob_list]

我们16个一行输出

j=0
for i in ox_list:
    j+=1
    print(i,end=",")
    if j%16==0:
        print("")

处理之后的数据是这样的：

5、完整代码

from PIL import Image
img = Image.open('img.jpg')#读入图片
w,h=img.size# 查看图片尺寸
print(w,h)
#裁剪矩形，作为（左、上、右、下）元组,即左上角坐标和右下角坐标
w_h=128/64#宽：高
h_w=64/128#高：宽
#我们准备从左上角开始裁剪
w,h=img.size# 查看图片尺寸
if w>h*w_h:#宽比高值大，则保留高，裁剪宽
    new_img = img.crop((0, 0, h*w_h, h))
else:#宽比高值小，则保留宽，裁剪高
    new_img = img.crop((0, 0, w, h_w*w))
#####################################
small_img=new_img.resize((128,64))#进行图片缩放 这里用128*64的分辨率
small_img.save("small.jpg")
black_img = small_img.convert("L")# 转化为黑白图片#进行灰度处理
bdata_list= list(black_img.getdata())#转换为像素数据 长度8192
# 接下来进行二值化
# 自定义灰度界限，大于这个值为黑色，小于这个值为白色
threshold = 128
bvalue_list = [0 if i<threshold else 1 for i in bdata_list]
##############################################
#将8位一组放在一起
ob_list=[]
s="0b"
for i in range(1,len(bvalue_list)+1):
    s+=str(bvalue_list[i-1])
    if i%8==0:
        ob_list.append(s)
        s="0b"
#转换为16进制字符串 格式定位两位
ox_list=['0x'+'%02x' % int(i, 2) for i in ob_list]
#ox_list=[hex(int(i, 2)) for i in ob_list]
#########################################
j=0
for i in ox_list:
    j+=1
    print(i,end=",")
    if j%16==0:
        print("")

验证

这里我没有上板子验证，通过一个在线的图像转位图的网站进行对比，地址在这里
我们将裁剪的图像保存到本地

就是这行代码实现的保存，在上面的过程中我们已经保存了

small_img.save("small.jpg")

上传到网站看看效果

再看看生成的位图数据，这里选择一个字节，水平（一行一行读）存放：

上传我们的位图数据，进行图像生成看看效果，我们的数据也是水平保存的，白色背景，我们看看效果：

当如如果你选择 列读取会这样，图像乱了：

细节对比，上边是我们处理的，下边是网站处理的

总结

对比发现还是有些许差别的，这和我们灰度处理和处理的顺序都有关系，大家不妨自己尝试，寻找最佳的方案。如果有问题欢迎指出。