创建 ASCII 艺术世界地图

Question

鉴于此 GeoJSON 文件，我想呈现 ASCII 艺术世界地图。我的基本方法是将 GeoJSON 加载到Shapely 中，使用pyproj将点转换为墨卡托，然后对我的 ASCII 艺术网格的每个字符的几何图形进行命中测试。当以本初子午线为中心时，它看起来（编辑：大部分）OK：但以纽约市 ( lon_0=-74)为中心，它突然失控了：我很确定我在这里的预测有问题。（并且将 ASCII 地图坐标转换为纬度/经度可能比转换整个几何更有效，但我不确定如何。）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')

Answer 1

我在底部进行编辑，发现新问题（为什么没有加拿大和Shapely和Pyproj的不可靠性）

---

尽管它不能完全解决问题，但我相信这种态度比使用 pyproc 和 Shapely 更有潜力，并且在未来，如果你做更多的 Ascii 艺术，会给你更多的可能性和灵活性。首先我会写优点和缺点。

PS：最初我想在您的代码中找到问题，但是我在运行它时遇到了问题，因为 pyproj 返回了一些错误。

优点

1）我能够提取所有点（加拿大确实缺少）并旋转图像

2）处理速度非常快，因此您可以创建动画 Ascii 艺术。

3）打印一次完成，无需循环

缺点（已知问题，可解决）

1）这种态度显然不能正确转换地理坐标 - 太平面了，它应该看起来更球形

2）我没有花时间试图找出填充边框的解决方案，所以只有边框有'*'。因此这种态度需要找到算法来填充国家。我认为这不应该是问题，因为 JSON 文件包含分隔的国家

3）除了 numpy - opencv（您可以使用 PIL 代替）和 Colorama 之外，您还需要 2 个额外的库，因为我的示例是动画的，我需要通过将光标移动到 (0,0) 而不是使用 os.system( 'cls')

4）我让它只在python 3 中运行。在 python 2 中它也可以工作，但我在使用 sys.stdout.buffer 时遇到错误

将终端上的字体大小更改为最低点，以便打印的字符适合终端。字体更小，分辨率更高

动画应该看起来像地图在“旋转” 

我用了一点你的代码来提取数据。步骤在评论中

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

也许最好解释一下代码中的主要算法是什么。我喜欢尽可能使用 numpy。整件事是我假装图像中的坐标，或者它可能是什么（在你的情况下地理坐标）是矩阵索引。然后我有 2 个矩阵 - Real Image 和 Charray 作为掩码。然后我在真实图像中获取有趣像素的索引，并为 Charray Mask 中的相同索引分配我想要的任何字母。多亏了这一点，整个算法不需要一个循环。

关于未来的可能性

想象一下，您还将获得有关地形（高度）的信息。假设您以某种方式创建了世界地图的灰度图像，其中灰色阴影表示高度。这种灰度图像的形状为 x,y。您将准备形状 = [x,y,256] 的3Dmatrix。对于 3D 矩阵中 256 个层中的每一层，您分配一个字母“....;;;;### 等等”来表示阴影。准备好后，您可以拍摄灰度图像，其中任何像素实际上都有 3 个坐标：x、y 和阴影值。因此，您将从灰度地图图像中获得3 个索引数组-> x,y,shade。您的新 charray 将简单地提取带有图层字母的3Dmatrix，因为：

#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)

因为这个过程没有循环，你可以一次打印chararray，你实际上可以以巨大的FPS将电影打印到终端

例如，如果你有地球旋转的镜头，你可以制作这样的东西 -（250*70 个字母），渲染时间 0.03658s

您当然可以将其发挥到极致并在您的终端中实现超分辨率，但由此产生的 FPS 并不是那么好：0.23157s，大约是 4-5 FPS。有趣的是，这种态度FPS是巨大的，但终端根本无法处理打印，所以这种低FPS是由于终端的限制而不是计算的限制，因为这种高分辨率的计算需要0.00693s，即144 FPS。

与上述某些陈述相矛盾

我不小心打开了原始 json 文件，发现有 CANADA 和 RUSSIA 具有完全正确的坐标。我错误地依赖于结果中我们都没有加拿大的事实，所以我希望我的代码没问题。在 JSON 中，数据具有不同的 NOT-UNIFIED 结构。俄罗斯和加拿大有“Multipolygon”，因此您需要对其进行迭代。

这是什么意思？不要依赖 Shapely 和 pyproj。显然他们不能提取一些国家，如果他们不能可靠地做到这一点，你不能指望他们做任何更复杂的事情。

修改代码后，一切正常

代码：这是正确加载文件的方法

...

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) 

...