鑒于此 GeoJSON 文件，我想呈現 ASCII 藝術世界地圖。我的基本方法是將 GeoJSON 加載到Shapely 中，使用pyproj將點轉換為墨卡托，然后對我的 ASCII 藝術網格的每個字符的幾何圖形進行命中測試。當以本初子午線為中心時，它看起來（編輯：大部分）OK：但以紐約市 ( lon_0=-74)為中心，它突然失控了：我很確定我在這里的預測有問題。（并且將 ASCII 地圖坐標轉換為緯度/經度可能比轉換整個幾何更有效，但我不確定如何。）import functoolsimport jsonimport shutilimport sysimport pyprojimport shapely.geometryimport shapely.ops# Load the mapwith open('world-countries.json') as f: countries = [] for feature in json.load(f)['features']: # buffer(0) is a trick for fixing polygons with overlapping coordinates country = shapely.geometry.shape(feature['geometry']).buffer(0) countries.append(country)mapgeom = shapely.geometry.MultiPolygon(countries)# Apply a projectiontform = functools.partial( pyproj.transform, pyproj.Proj(proj='longlat'), # input: WGS84 pyproj.Proj(proj='webmerc', lon_0=0), # output: Web Mercator)mapgeom = shapely.ops.transform(tform, mapgeom)# Convert to ASCII artminx, miny, maxx, maxy = mapgeom.boundssrcw = maxx - minxsrch = maxy - minydstw, dsth = shutil.get_terminal_size((80, 20))for y in range(dsth): for x in range(dstw): pt = shapely.geometry.Point( (srcw*x/dstw) + minx, (srch*(dsth-y-1)/dsth) + miny # flip vertically ) if any(country.contains(pt) for country in mapgeom): sys.stdout.write('*') else: sys.stdout.write(' ') sys.stdout.write('\n')
1 回答
手掌心
TA貢獻1942條經驗 獲得超3個贊
我在底部進行編輯，發現新問題（為什么沒有加拿大和Shapely和Pyproj的不可靠性）
盡管它不能完全解決問題，但我相信這種態度比使用 pyproc 和 Shapely 更有潛力，并且在未來，如果你做更多的 Ascii 藝術，會給你更多的可能性和靈活性。首先我會寫優點和缺點。
PS：最初我想在您的代碼中找到問題，但是我在運行它時遇到了問題，因為 pyproj 返回了一些錯誤。
優點
1）我能夠提取所有點（加拿大確實缺少）并旋轉圖像
2）處理速度非常快，因此您可以創建動畫 Ascii 藝術。
3）打印一次完成，無需循環
缺點（已知問題，可解決）
1）這種態度顯然不能正確轉換地理坐標 - 太平面了，它應該看起來更球形
2）我沒有花時間試圖找出填充邊框的解決方案，所以只有邊框有'*'。因此這種態度需要找到算法來填充國家。我認為這不應該是問題，因為 JSON 文件包含分隔的國家
3）除了 numpy - opencv（您可以使用 PIL 代替）和 Colorama 之外，您還需要 2 個額外的庫，因為我的示例是動畫的，我需要通過將光標移動到 (0,0) 而不是使用 os.system( 'cls')
4）我讓它只在python 3 中運行。在 python 2 中它也可以工作，但我在使用 sys.stdout.buffer 時遇到錯誤
將終端上的字體大小更改為最低點，以便打印的字符適合終端。字體更小，分辨率更高
動畫應該看起來像地圖在“旋轉”
我用了一點你的代碼來提取數據。步驟在評論中
import json
import sys
import numpy as np
import colorama
import sys
import time
import cv2
#understand terminal_size as how many letters in X axis and how many in Y axis. Sorry not good name
if len(sys.argv)>1:
terminal_size = (int(sys.argv[1]),int(sys.argv[2]))
else:
terminal_size=(230,175)
with open('world-countries.json') as f:
countries = []
minimal = 0 # This can be dangerous. Expecting negative values
maximal = 0 # Expecting bigger values than 0
for feature in json.load(f)['features']: # getting data - I pretend here, that geo coordinates are actually indexes of my numpy array
indexes = np.int16(np.array(feature['geometry']['coordinates'][0])*2)
if indexes.min()<minimal:
minimal = indexes.min()
if indexes.max()>maximal:
maximal = indexes.max()
countries.append(indexes)
countries = (np.array(countries)+np.abs(minimal)) # Transform geo-coordinates to image coordinates
correction = np.abs(minimal) # because geo-coordinates has negative values, I need to move it to 0 - xaxis
colorama.init()
def move_cursor(x,y):
print ("\x1b[{};{}H".format(y+1,x+1))
move = 0 # 'rotate' the globe
for i in range(1000):
image = np.zeros(shape=[maximal+correction+1,maximal+correction+1]) #creating clean image
move -=1 # you need to rotate with negative values
# because negative one are by numpy understood. Positive one will end up with error
for i in countries: # VERY STRANGE,because parsing the json, some countries has different JSON structure
if len(i.shape)==2:
image[i[:,1],i[:,0]+move]=255 # indexes that once were geocoordinates now serves to position the countries in the image
if len(i.shape)==3:
image[i[0][:,1],i[0][:,0]+move]=255
cut = np.where(image==255) # Bounding box
if move == -1: # creating here bounding box - removing empty edges - from sides and top and bottom - we need space. This needs to be done only once
max_x,min_x = cut[0].max(),cut[0].min()
max_y,min_y = cut[1].max(),cut[1].min()
new_image = image[min_x:max_x,min_y:max_y] # the bounding box
new_image= new_image[::-1] # reverse, because map is upside down
new_image = cv2.resize(new_image,terminal_size) # resize so it fits inside terminal
ascii = np.chararray(shape = new_image.shape).astype('|S4') #create container for asci image
ascii[:,:]='' #chararray contains some random letters - dunno why... cleaning it
ascii[:,-1]='\n' #because I pring everything all at once, I am creating new lines at the end of the image
new_image[:,-1]=0 # at the end of the image can be country borders which would overwrite '\n' created one step above
ascii[np.where(new_image>0)]='*' # transforming image array to chararray. Better to say, anything that has pixel value higher than 0 will be star in chararray mask
move_cursor(0,0) # 'cleaning' the terminal for new animation
sys.stdout.buffer.write(ascii) # print into terminal
time.sleep(0.025) # FPS
也許最好解釋一下代碼中的主要算法是什么。我喜歡盡可能使用 numpy。整件事是我假裝圖像中的坐標，或者它可能是什么（在你的情況下地理坐標）是矩陣索引。然后我有 2 個矩陣 - Real Image 和 Charray 作為掩碼。然后我在真實圖像中獲取有趣像素的索引，并為 Charray Mask 中的相同索引分配我想要的任何字母。多虧了這一點，整個算法不需要一個循環。
關于未來的可能性
想象一下，您還將獲得有關地形（高度）的信息。假設您以某種方式創建了世界地圖的灰度圖像，其中灰色陰影表示高度。這種灰度圖像的形狀為 x,y。您將準備形狀 = [x,y,256] 的3Dmatrix。對于 3D 矩陣中 256 個層中的每一層，您分配一個字母“....;;;;### 等等”來表示陰影。準備好后，您可以拍攝灰度圖像，其中任何像素實際上都有 3 個坐標：x、y 和陰影值。因此，您將從灰度地圖圖像中獲得3 個索引數組-> x,y,shade。您的新 charray 將簡單地提取帶有圖層字母的3Dmatrix，因為：
#Preparation phase
x,y = grayscale.shape
3Dmatrix = np.chararray(shape = [x,y,256])
table = ' ......;;;;;;;###### ...'
for i in range(256):
3Dmatrix[:,:,i] = table[i]
x_indexes = np.arange(x*y)
y_indexes = np.arange(x*y)
chararray_image = np.chararray(shape=[x,y])
# Ready to print
...
shades = grayscale.reshape(x*y)
chararray_image[:,:] = 3Dmatrix[(x_indexes ,y_indexes ,shades)].reshape(x,y)
因為這個過程沒有循環，你可以一次打印chararray，你實際上可以以巨大的FPS將電影打印到終端
例如，如果你有地球旋轉的鏡頭，你可以制作這樣的東西 -（250*70 個字母），渲染時間 0.03658s
您當然可以將其發揮到極致并在您的終端中實現超分辨率，但由此產生的 FPS 并不是那么好：0.23157s，大約是 4-5 FPS。有趣的是，這種態度FPS是巨大的，但終端根本無法處理打印，所以這種低FPS是由于終端的限制而不是計算的限制，因為這種高分辨率的計算需要0.00693s，即144 FPS。
與上述某些陳述相矛盾
我不小心打開了原始 json 文件，發現有 CANADA 和 RUSSIA 具有完全正確的坐標。我錯誤地依賴于結果中我們都沒有加拿大的事實，所以我希望我的代碼沒問題。在 JSON 中，數據具有不同的 NOT-UNIFIED 結構。俄羅斯和加拿大有“Multipolygon”，因此您需要對其進行迭代。
這是什么意思？不要依賴 Shapely 和 pyproj。顯然他們不能提取一些國家，如果他們不能可靠地做到這一點，你不能指望他們做任何更復雜的事情。
修改代碼后，一切正常
代碼：這是正確加載文件的方法
...
with open('world-countries.json') as f:
countries = []
minimal = 0
maximal = 0
for feature in json.load(f)['features']: # getting data - I pretend here, that geo coordinates are actually indexes of my numpy array
for k in range((len(feature['geometry']['coordinates']))):
indexes = np.int64(np.array(feature['geometry']['coordinates'][k]))
if indexes.min()<minimal:
minimal = indexes.min()
if indexes.max()>maximal:
maximal = indexes.max()
countries.append(indexes)
...
添加回答
舉報
0/150
提交
取消