少走弯路：单片机使用点阵字体通过像素化的正确获取

要在单片机内自由显示文字，必须准备相应的字库。之前也发文介绍过：

在esp32(esp8266) 提供软字库显示中文的解决方案_esp32中文字库-CSDN博客

包括已经开源的项目：

https://github.com/StarCompute/tftziku

这种字体获取思路是：把GB2312字符集输出到一块画布上，然后获取画布的像素点，依照像素点的值解析成0或者1。单片机的输出类似如下：

对于字符的显示基本没有问题，但是如果你仔细看就会察觉到这里面有瑕疵：

"2"显示不完整，3的显示不标准。

造成这一问题的原因是因为字符被输出到画布的时候都会边缘模糊，每个像素都是RGB的，哪怕我们使用的字体颜色是纯黑black也同样有这个问题，所以在实际生成这个字库的时候使用了某个值来判断，例如：

python 复制代码

            if dotpix[0] > 90 and dotpix[1] > 90 and dotpix[2] > 90:
                # img.getpixel()
                ss += " 1"
                chars += "1"

            else:
                ss += "  "
                chars += "0"

上面的dotpix是dotpix = img.getpixel((d, i)) 从画布获取的对应像素点，dotpix是个RGB的像素点，这个90是一遍一遍尝试过后相对最优的取值。

这个判断值如果给的太大，字库会存在残缺，反之出现严重的粘连，笔画越密集的地方越容易出问题。

这个问题困扰了好久，尝试过各种方案都无法解决，你们从网上能找到的字符像素化很多都是HZK16这种宋体16号的字库，如果要使用其他楷体，雅黑等等以及不同字号的时候就无解了。

哥有强迫症，隔一段时间就尝试找一下方案，各种调整参数，反正各种折腾下来这个时间跨度有一年以上了，直到今天又看了一下，还是不行，然后深入了一下：

python 复制代码

im = Image.new('RGB', (256, 256), (0, 0, 0))

在这个Image对象的new方法中深入了一下，看到了

python 复制代码

    im = Image()
    if mode == "P" and isinstance(color, (list, tuple)) and len(color) in [3, 4]:
        # RGB or RGBA value for a P image
        from . import ImagePalette

        im.palette = ImagePalette.ImagePalette()
        color = im.palette.getcolor(color)

这个mode，除了RGB和RGBA外居然还有一个P,虽然不懂这个P到底是干啥的，但是大胆尝试了一下：

python 复制代码

im = Image.new('P', (256, 256), (0, 0, 0))

这一改就发现之前的dotpix = img.getpixel((d, i)) 工作不正常，以前是个RGB的像素点，现在居然这个像素点直接返回了0或者1，我靠，一下就猜测可能这次对了。

以前是：

python 复制代码

            dotpix = img.getpixel((d, i))
            if dotpix[0] > 90 and dotpix[1] > 90 and dotpix[2] > 90:
                # img.getpixel()
                ss += " 1"
                chars += "1"

            else:
                ss += "  "
                chars += "0"

现在是：

python 复制代码

            dotpix = img.getpixel((d, i))
            chars+=str(dotpix)

验证如下：

python 复制代码

对比一下像素方式生产的结果：

python 复制代码

最后重新生成的字库显示如下：

这个就是完全正常的，和PCtoLCD2018的输出是一模一样的。

两种不同模式生成的字放大很多倍后进行对比：

前面是RGB模式，后面是P模式，简单的看就是一个锯齿的问题，其实并不是这么简单，因为这其实又涉及到两种图的基本构成，所以并不是简单的锯齿化这个问题。

详细代码就不贴出来了，了解了原理怎么都可以写出代码来。