在終端機裡執行某些指令時,常會看到用純文字拼出來的「圖片」——遠看是一張圖,近看全是字元。本文就用 JavaScript 做兩件事:把任意圖片轉成 ASCII 字符畫,以及轉成只有黑白的單色圖。
原始圖片:

轉成 ASCII 之後,這裡用 I'mYasic 這八個字元來表徵不同明暗,輪廓仍可辨識:

轉成單色圖(純黑白)則是這樣:

螢幕上的圖片由一個個像素點組成,每個像素點以 RGBA 四個值描述,也就是我們在 CSS 裡熟悉的 rgba(255, 255, 255, 1)。除了像素資料,圖片檔還帶有描述用的 profile 資訊,這部分才是多數圖片壓縮會處理的地方。
既然每個像素都由數值決定,那麼改動哪些像素、改成什麼值,就決定了最終的視覺風格——各式濾鏡背後做的就是這件事。ASCII 圖也是同一個套路:把每個像素的顏色換算成一個統一的明暗值,再依明暗分組,每一組對應一個字元。
Canvas 的 getImageData() 會回傳一個物件,其中的 data 是一維陣列,每四個元素為一組,依序代表 R、G、B、A。
var canvasContext = canvas.getContext("2d");
canvasContext.drawImage(sourceImg, 0, 0);
var imgData = canvasContext.getImageData(0, 0, sourceImg.width, sourceImg.height);
var imgDataArray = imgData.data;
var r = imgDataArray[lineIndex];
var g = imgDataArray[lineIndex + 1];
var b = imgDataArray[lineIndex + 2];
var a = imgDataArray[lineIndex + 3];
值得一提的是,data 是一維陣列這件事增加了不少索引運算的負擔。若用二維陣列表示像素,甚至用第三個維度專門放 RGBA,程式碼會直觀許多——這算是瀏覽器 API 設計上的一個取捨。
要把每個像素歸成同一把尺,得先把 RGB 三值收斂成單一值 Y,且讓 R = G = B。由於三值相等時顏色落在黑白之間的灰階上,這個過程就叫灰階化(這裡先不考慮 alpha)。
算法很多,這裡採用最直白的平均法:
Y = (R + G + B) * 1/3
function rgb2gray(r, g, b) {
return r * 0.333 + g * 0.333 + b * 0.333;
}
灰階化之後的結果:

接下來是關鍵。把 0–255 的灰階等分成八個區間,每個區間指派一個字元;選字時有個簡單規律:顏色越深,字元筆畫越繁。
由於像素數量龐大,逐層 if 判斷會拖慢速度,這裡改用二分判斷,最多比兩次就能定位區間。
function gray2asc(gray) {
/* ASCII--I'mYasic */
/* 32 64 96 128 160 192 224 256 */
gray = 255 - gray;
if (gray < 128){
if (gray < 64){
if (gray < 32){ return '\'' } else { return 'c' }
} else {
if (gray < 96){ return 'i' } else { return 's' }
}
} else {
if (gray < 192){
if (gray < 160){ return 'I' } else { return 'm' }
} else {
if (gray < 224){ return 'a' } else { return 'Y' }
}
}
}
把每個像素都轉成字元是不現實的,圖片稍大一點計算量就吃不消。實務上做等間隔取樣即可,取樣間隔越小,成品解析度越高。
var result = "";
var lineIndex = 0;
for (var lineHeight = 0; lineHeight < sourceImg.height; lineHeight += 12){
var lineASC = "";
for (var lineFlag = 0; lineFlag < sourceImg.width; lineFlag += 5){
lineIndex = (lineHeight * sourceImg.width + lineFlag) * 4;
var r = imgDataArray[lineIndex];
var g = imgDataArray[lineIndex + 1];
var b = imgDataArray[lineIndex + 2];
lineASC += gray2asc(rgb2gray(r, g, b));
}
lineASC += '\n';
result += lineASC;
}
把 result 塞進頁面時有個坑:一般字型是 proportional 的,每個字元寬度不同,圖形會整個歪掉。指定 Monospace 等寬字型即可解決,同時也要用 white-space: pre 保留換行。
看完上面,單色圖就非常單純了:同樣取像素、同樣灰階化,只是量化時直接二選一——低於 128 設成全黑,否則全白,最後用 putImageData 寫回 canvas。
var canvasContext = targetCanvas.getContext("2d");
canvasContext.drawImage(sourceImg, 0, 0);
var imgData = canvasContext.getImageData(0, 0, sourceImg.width, sourceImg.height);
var imgDataArray = imgData.data;
for (var index = 0; index <= sourceImg.width * sourceImg.height * 4; index += 4){
var gray = rgb2gray(imgDataArray[index], imgDataArray[index + 1], imgDataArray[index + 2]);
if (gray < 128){
imgData.data[index] = 0;
imgData.data[index + 1] = 0;
imgData.data[index + 2] = 0;
} else {
imgData.data[index] = 255;
imgData.data[index + 1] = 255;
imgData.data[index + 2] = 255;
}
}
canvasContext.putImageData(imgData, 0, 0);
整套流程都是最樸素的版本,改進空間還不少。最明顯的是單色圖成品常出現零星噪點,也就是那些突兀的白點與黑點,可以加上中值濾波或鄰域取樣來抑制;取樣間隔也可以依圖片尺寸動態調整,讓不同解析度的原圖都能得到穩定的輸出品質。