如何用Python实现书法字母的线条粗细自适应点填充效果

核心思路 #

利用距离变换获取文字线条的粗细信息，以此控制点的大小，再通过网格采样绘制连贯的点集，替代原线条。

步骤1：图像预处理（提取文字+获取粗细信息） #

先把图像转为灰度并二值化，再通过距离变换计算每个文字像素到边缘的距离（距离值直接对应线条粗细）：

import cv2
import numpy as np

# 读取图像
img = cv2.imread("your_calligraphy_img.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化（反相，让文字区域为白色）
_, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

# 距离变换：计算每个文字像素到最近边缘的距离，值越大线条越粗
distance_map = cv2.distanceTransform(binary, cv2.DIST_L2, 5)

步骤2：映射距离值为点半径 #

把距离值归一化到你需要的点大小范围，比如最小1像素，最大8像素：

min_radius = 1
max_radius = 8
# 归一化距离值到半径区间
radius_map = cv2.normalize(distance_map, None, min_radius, max_radius, cv2.NORM_MINMAX)

步骤3：采样并绘制点填充效果 #

用网格采样遍历文字区域，按对应半径绘制圆形，保证点的连贯性：

# 创建空白画布
result = np.zeros_like(img)
# 采样步长：控制点的密度，步长越小点越密
sample_step = 3

# 遍历采样点
for y in range(0, binary.shape[0], sample_step):
    for x in range(0, binary.shape[1], sample_step):
        # 只在文字区域绘制点
        if binary[y, x] == 255:
            radius = int(radius_map[y, x])
            cv2.circle(result, (x, y), radius, (255, 255, 255), -1)

# 保存或显示结果
cv2.imwrite("dot_fill_result.jpg", result)
cv2.imshow("Result", result)
cv2.waitKey(0)

优化技巧 #

• 如果原图像有噪点，预处理时加高斯模糊：gray = cv2.GaussianBlur(gray, (3, 3), 0)，避免噪点生成多余的点。
• 调整sample_step控制点的密度：步长为2-4时，点的连贯性较好，同时不会过于密集。
• 若想让点的颜色和原书法颜色一致，可把绘制颜色改为原图像对应位置的颜色：color = img[y, x]。

内容的提问来源于stack exchange，提问作者CepBep