1. 为什么偏偏选海龟来复刻图标这条路其实很值提起python 图标复制Turtle不少人第一反应是这也太玩具了想复制图标为什么不直接截图、不直接用图像处理库我最初也这么想直到有一回为了给一个小工具做一套海龟绘制风格的宣传动画才认真把 Turtle 复刻图标这件事从头做了一遍。做完之后我意识到这个需求的价值根本不在复制这两个字而在过程中必须亲手搞清楚的坐标系换算、图像采样、颜色量化、绘制调度优化——这些东西放在教科书里都很枯燥但放在把一张图标画出来这个具体目标里就变得非常有意思。对刚学 Python 的人它足够友好对写过几年代码的人也有值得回味的细节。Turtle 是标准库自带的绘图模块模型特别简单一支笔在平面上移动落笔就画线抬笔就移动笔头还能变成自定义形状去盖图章也能路径填充色块。要用它复制一张图标本质上只有一件事——把图标里的图形信息翻译成这支笔能执行的指令。翻译策略不同会分出两条完全不同的路线一条是把图片拆成网格逐格填充颜色适合像素风另一条是先把图标的轮廓找出来再沿轮廓闭合填充适合圆角和曲线较多的图形。前者我习惯叫像素映射法后者叫轮廓追踪法下文都会给出能直接跑的代码。1.1 这个项目到底能干什么它能做到临摹级的复刻。你把一张软件图标或 Logo 的 PNG 丢进来脚本读完图片以后会在画布上一格一格或者一笔一笔地把它画出来。因为绘制过程是实时可见的你可以亲眼看到图标从无到有比直接双击打开图片截图有表演感得多做出来也特别适合发在动态里。它更大的价值是练手。整个项目只需要标准库自带的 turtle 再加一个图像读取库涉及的知识点恰好是很多教程里一带而过、但实际干活经常撞上的图像坐标 y 轴朝下而画布坐标 y 轴朝上、透明通道怎么取舍、批量绘制时怎么避免卡顿。把这些弄明白以后以后再碰图像转画布数据可视化转图形这类需求都会顺手很多。适合参考的人我觉得有两类一是学完 Turtle 基础、正在找进阶小项目练手的初学者二是想给个人页面或演示脚本配几张手绘感图标的从业者。不过先泼一盆冷水如果你只是要 1:1 像素级复现原图直接贴图就好完全没必要走 Turtle。这个项目的意义在于过程和风格化输出不在于保真度。1.2 什么样的图标适合 Turtle 复制Turtle 复刻的强项是色块型图标颜色种类少、边缘清楚、整体尺寸不大。典型的比如扁平化的按钮图标、像素风的小房子、一个电源开关符号这类图通常只用不到十种颜色路径也简单画出来辨识度非常高。反过来一张照片或者带大量渐变、阴影、抗锯齿的复杂 Logo 就非常不适合——海龟画出来要么马赛克化严重要么路径数量爆炸耗时翻几倍效果还差一截。所以动手前先判断素材类型这是整个项目里我做过的最重要的一步。我自己的经验是三条简单标准原图超过 256×256 就先缩图颜色超过 32 种就先做颜色量化透明区域占比大就得先想清楚背景怎么处理。别小看这三步它们能直接决定后面的脚本是跑几秒还是跑几分钟。2. 开工前准备环境安装与把图标变成可绘制数据这一步看着不起眼其实决定了后面所有代码能不能顺利跑通。Turtle 是解释器自带的不用安装但读取图片和找轮廓需要第三方库。按需装就行pip install pillow pip install opencv-python如果只走像素映射法装 Pillow 就够要走轮廓追踪法再多装一个 OpenCV。版本上没什么特别要求Python 3.8 以上随便装。2.1 依赖与测试素材的选择为了验证方案我随手画了一张 256×256 的开关按钮图标圆角矩形做底中间一个圆形电源符号白底、黑边框一共只有 5 种颜色。这个素材恰好是适合 Turtle 复刻的典型——色块大、颜色少、有透明通道。你也可以先用任意一个扁平化图标测试建议控制在 256×256 以内。读图的代码很简单但有一个前提哪怕原图是白底也好统一转成 RGBA 四通道再处理。这样做的好处是能拿到 alpha 通道后面透明区域要不要画、怎么画都由我们自己决定而不是被图片格式牵着走。from PIL import Image IMG_PATH switch_icon.png GRID 64 img Image.open(IMG_PATH).convert(RGBA) img img.resize((GRID, GRID), Image.LANCZOS) img img.quantize(colors16).convert(RGBA) # 把像素读到一个列表里后面直接遍历 pixels [] for row in range(GRID): for col in range(GRID): r, g, b, a img.getpixel((col, row)) pixels.append((col, row, r, g, b, a))2.2 让图标变成可绘制数据的三个关键操作第一是缩图也就是 resize。缩到什么尺寸直接对应输出画布的分辨率64×64 的网格已经很接近像素画的感觉128×128 会更细腻但绘制时间会明显变长。缩放算法这次我用 LANCZOS因为它对平滑图形的边缘保留更好。如果你处理的是真正的像素画素材那应该用 NEAREST 保持硬边缘这一点经常被忽略。Lanczos 会把原本的锯齿磨掉像素风反而不纯正。第二是颜色量化代码里的quantize(colors16)会把颜色相近的像素合并成 16 种。别小看这个动作很多扁平化图标表面看就几种颜色但抗锯齿边缘会产生一大片介于两种颜色之间的过渡色如果不量化这些过渡色都会变成独立的色块画出来的轮廓会很脏。量化之后边缘会硬朗很多也更接近图标本来的设计感。第三是 alpha 通道处理。RGBA 里 alpha 为 0 的像素就是完全透明。如果默认把它当成有颜色来画图标周围会冒出一圈灰黑色块。我在代码里逐像素检查 alpha透明就跳过。如果你的图标边缘是半透明抗锯齿直接用白色背景先合成一次会更干净具体做法是bg Image.new(RGBA, img.size, (255, 255, 255, 255)) bg.alpha_composite(img) img bg这三步做完图片就变成了一组(x, y, r, g, b, a)的纯数据后面无论走哪条路线都是对这组数据做变换。3. 像素映射法把图片转成网格色块再逐个盖章像素映射法的思路非常直白图片被缩成 GRID×GRID 的网格以后每个格子就是一个像素程序把每个格子的颜色读出来让海龟在对应位置盖一个同色方块全部盖完就是一张马赛克风格的图标。这个方法实现最简单也是踩坑最多的方案因为坐标系这一步最容易出错。3.1 图片坐标系与 Turtle 坐标系的换算逻辑先解释一个我当初绕了很久的坑。图片的坐标系是左上角是 (0,0)x 轴向右y 轴向下。而 Turtle 画布默认的中心是 (0,0)x 轴向右y 轴向上。如果你直接把图片的 row 当 y 坐标传给海龟画出来的图标一定是上下颠倒的。换算公式其实很简单。设定每个网格在画布上占据 CELL 个像素那么第 col 列、第 row 行的格子中心位置是x_turtle col * CELL CELL / 2 - GRID * CELL / 2 y_turtle GRID * CELL / 2 - row * CELL - CELL / 2后两项- GRID*CELL/2和GRID*CELL/2的作用是把图标整体移到画布中心。关键是 y 轴那行的减号图像坐标越往下row 越大换算到画布后 y 反而越小这样图标就正过来了。我自己第一次跑脚本时偷懒没做这一步结果画出的房子屋顶朝下找了半天才发现是这里的问题。完整脚本如下直接用 stamp() 盖方块from turtle import Turtle, Screen from PIL import Image IMG_PATH switch_icon.png GRID 64 CELL 10 MARGIN GRID * CELL // 2 img Image.open(IMG_PATH).convert(RGBA) img img.resize((GRID, GRID), Image.LANCZOS) img img.quantize(colors16).convert(RGBA) scr Screen() scr.tracer(0) scr.register_shape(pixel, ((-0.5, -0.5), (0.5, -0.5), (0.5, 0.5), (-0.5, 0.5))) pen Turtle() pen.speed(0) pen.penup() pen.shape(pixel) pen.shapesize(CELL, CELL) pen.hideturtle() for row in range(GRID): for col in range(GRID): r, g, b, a img.getpixel((col, row)) if a 10: continue pen.color((r / 255, g / 255, b / 255)) pen.goto(col * CELL CELL / 2 - MARGIN, MARGIN - row * CELL - CELL / 2) pen.stamp() scr.update() scr.mainloop()3.2 用 stamp() 代替逐格画方块性能取舍的关键我一开始没用 stamp()而是老老实实每个格子pen.forward(CELL)转四次画一个方块也就是每个像素要执行 4 次移动和 4 次转向64×64 的网格最多 4096 个像素累计几万次指令。即便开了tracer(0)也慢得让人怀疑程序死了。换成 stamp() 之后每个像素只需要一次goto加一次stamp()命令量直接少了一个数量级。它的原理是把海龟的形状注册成一个小方块再用shapesize(CELL, CELL)把方块拉伸到指定宽高然后像盖章一样把当前形状盖在当前位置。章盖下去只记录一个图形不需要逐条画边性能自然好得多。这里有个容易忽略的细节pen.hideturtle()之后海龟箭头虽然隐藏了但stamp()盖出来的图章仍然会显示。所以你可以放心把画笔藏起来避免画布上出现一个巨大的移动方块干扰视线。另外tracer(0)必须在绘制之前调用绘制完成后再scr.update()一次性刷新否则每个像素都重绘一次画布卡顿依旧。3.3 效果怎么调参数往哪动最直观的调节参数是 GRID 和 CELL。GRID 决定图像的采样粒度CELL 决定每个色块在画布上的大小两者相乘就是最终画布尺寸。同一个图标GRID 从 32 提到 128马赛克感会明显降低但绘制耗时几乎是按网格数的平方上涨的。我的实际建议是默认 64 足够看清细节追求速度降到 32追求细腻再上 128。颜色数也一样16 种是安全起点如果觉得颜色太杂就降到 8大部分扁平图标依然能表达清楚。提示如果透明区域被量化成了杂色问题通常出在 quantize 顺序上。先补白背景再量化比先量化再补背景稳定得多。4. 轮廓追踪法用边缘检测还原矢量线条像素映射法的短板很明显任何斜线、圆角都会被切成锯齿格子。我那个开关图标圆角矩形在 64 网格下画出来棱角分明怎么看都别扭。于是我用 OpenCV 做了第二条路线——先检测轮廓再让海龟沿着轮廓走一圈并填充颜色。这样画出来的是真正的矢量路径圆就是圆斜线就是斜线。4.1 从 alpha 通道到轮廓坐标轮廓检测不需要分析整张彩图直接用 alpha 通道作为形状掩码就够了。alpha 大于某个阈值的像素被视为图形内部其余是背景。对掩码找轮廓得到的每一条轮廓就是图形的一块封闭边界。import cv2 import numpy as np from PIL import Image pil_img Image.open(switch_icon.png).convert(RGBA) arr np.array(pil_img) alpha arr[:, :, 3] _, mask cv2.threshold(alpha, 10, 255, cv2.THRESH_BINARY) mask cv2.copyMakeBorder(mask, 1, 1, 1, 1, cv2.BORDER_CONSTANT, value0) contours, _ cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) contours [c for c in contours if cv2.contourArea(c) 50]这里有个很容易踩的坑如果图形贴着图片边缘findContours会把边缘当成开口路径处理导致外轮廓不封闭。解决办法就是我代码里的copyMakeBorder在掩码四周加一圈黑色背景把原本贴边的图形往里推一点轮廓就闭合了。这个技巧在 OpenCV 的轮廓处理里非常常用。RETR_EXTERNAL只取最外层轮廓适合实心色块。如果图标是圆环或者中间有镂空比如空心圆圈这种RETR_EXTERNAL会漏掉内部的孔洞。这时候可以改成RETR_CCOMP配合层级关系把内轮廓也画出来但代码复杂度会上升。对大多数扁平图标先跑EXTERNAL看效果再决定要不要处理内轮廓效率更高。4.2 轮廓抽稀与填充色的提取OpenCV 返回的轮廓点通常非常多一条圆角的边可能带几十上百个点。海龟每移动一个点都是一次goto点越多绘制越慢而且很多点在人眼看来完全多余。这时就要用道格拉斯-普克抽稀算法OpenCV 里对应的是approxPolyDPfor i, c in enumerate(contours): peri cv2.arcLength(c, True) contours[i] cv2.approxPolyDP(c, 0.02 * peri, True)第二个参数0.02 * peri是允许的最大误差以轮廓周长为基准。这个经验值是我试出来的平衡点0.01 太细轮廓几乎不精简绘制还是慢0.05 以上会让圆角明显变形。先从 0.02 开始圆角变形再降低速度不满意再调高。抽稀之后还需要知道每块区域用什么颜色填充。办法很简单对每条轮廓画一个填充掩码再取原图中该掩码范围内 RGB 三通道的平均值这个平均色就是填充色。海龟颜色要求是 0 到 1 的小数记得除以 255。from turtle import Turtle, Screen GRID 64 CELL 10 MARGIN GRID * CELL // 2 scale (GRID * CELL) / max(pil_img.size) scr Screen() scr.tracer(0) pen Turtle() pen.speed(0) pen.penup() pen.hideturtle() for c in contours: pts c.reshape(-1, 2).astype(float) mask_part np.zeros(arr.shape[:2], np.uint8) cv2.drawContours(mask_part, [c], -1, 255, -1) mean_rgb cv2.mean(arr[:, :, :3], maskmask_part)[:3] / 255.0 pen.color(mean_rgb) pen.goto((pts[0][0] - pil_img.size[0] / 2) * scale, (pil_img.size[1] / 2 - pts[0][1]) * scale) pen.begin_fill() pen.pendown() for x, y in pts[1:]: pen.goto((x - pil_img.size[0] / 2) * scale, (pil_img.size[1] / 2 - y) * scale) pen.penup() pen.end_fill() scr.update() scr.mainloop()坐标换算和像素映射法同样的坑y 轴方向必须翻转这里用(pil_img.size[1] / 2 - y) * scale完成同时乘上 scale 把图片尺寸映射到画布尺寸。填充用begin_fill()和end_fill()包裹一段闭合路径海龟会自动用当前颜色填满路径内部不需要自己画连接线。5. 两种方案实测对比与调参心得纸上谈兵没用我把同一个开关按钮图标分别用两种方案跑了一遍结果差异还是挺明显的。这里给出我这边的一手数据和对比结论供你预估时参考。5.1 同一图标的横评数据与结果差异对比项像素映射法轮廓追踪法核心思路网格取色、逐格盖章边缘检测、路径填充需要的库PillowPillow OpenCV输出风格像素马赛克矢量路径圆角和斜线更接近原图对透明区域的处理逐像素跳过alpha 掩码自动忽略代码量约 60 行约 90 行64 网格实测耗时约 5 秒左右约 2 秒左右我的测试机就是一台普通笔记本64×64 网格下像素映射法盖了两千多个章耗时大概 5 秒轮廓追踪法只找到 5 条闭合轮廓加上抽稀之后总共才一百多个路径点2 秒内跑完。结论很清楚如果图标是圆角矩形、圆、斜线这类几何特征明显的形状轮廓追踪法在速度和质量上都占优如果图标本来就是 8-bit 像素风素材像素映射法反而更有味道。这里要说清楚轮廓追踪法的耗时高度依赖轮廓点数量。遇到复杂图标轮廓可能从一个变成五十个路径点指数级上涨这个方法就不一定快了。所以我的选择逻辑是先看一眼素材像素风走像素映射几何风走轮廓追踪而不是无脑套用某一种。5.2 分辨率、颜色数和 epsilon 怎么配调参有一个优先级和手感问题我总结成一张速查表现象优先调整边缘锯齿太重提高 GRID或改用轮廓追踪法颜色看起来脏降低 quantize 的 colors 值圆角被磨平降低 approxPolyDP 的 epsilon 系数绘制太慢先确认 tracer 关了再降 GRID 或增大 epsilon透明区域出现色块检查 alpha 阈值或先补白底核心原则是看起来像比完全一致重要。Turtle 画出来的东西本质上是风格化输出没必要追求和原图逐像素相同。我通常在量化颜色时故意少给几种颜色让画面更平面、更干净输出反而更像一个正经的海龟艺术作品而不是粗糙的复印件。6. 踩坑实录坐标颠倒、卡顿和偏色的完整排查链路写这篇之前我又重新跑了一遍两套代码把当初最折磨我的四个坑按完整排查过程整理出来。这些坑如果只看结论会觉得简单但不把排查思路走出来下次换个角度还会再踩。6.1 图标上下颠倒90% 的人第一个遇到的错现象画出来的图标和原图完全镜像屋顶在下面文字方向也反了。我第一次跑像素映射法就是这个结果第一反应是是不是图片读倒了于是去翻 Pillow 的文档确认发现图片坐标就是左上角原点、y 向下。问题本质是两套坐标系的 y 轴方向冲突。图片坐标 (col, row) 的 row 越大越靠下但 Turtle 画布的 y 坐标越大越靠上。排查时我先打印了图片里屋顶像素的 row 坐标发现是 15再打印海龟落到那个格子时的 y 坐标结果是MARGIN - 15 * CELL - CELL / 2也就是靠近画布顶部。这说明转换公式没问题问题出在最初写代码时把公式写成了y MARGIN row * CELL...符号错了。把加号改成减号图标立刻正过来。如果是左右翻转那就是 x 轴的计算符号问题对照同一套思路很快就能定位。6.2 慢得像卡死Tracer 与 Stamp 的配合问题现象像素映射法脚本跑起来后画面一格一格地慢慢爬64×64 画到一半我已经想放弃了。初始代码其实已经写了pen.speed(0)但没用tracer(0)。排查过程是这样的我先怀疑是goto太多于是把每个像素的stamp注释掉只留 goto发现移动速度并没有好转。然后在goto前后加时间戳发现单次并不慢慢的是每执行一条移动指令画布就自动重绘一次。Turtle 默认是实时刷新模式几千次重绘叠加起来就成了灾难。解决方式是绘制前调用scr.tracer(0)关闭自动刷新全部画完后scr.update()一次性重绘。加上这一行同一脚本从几乎无法完成变成大约 5 秒跑完。排查卡顿问题永远最先检查刷新模式而不是怀疑指令数量。6.3 颜色偏色和透明像素变黑块的根源现象图标边缘出现一圈黑灰色方块另外某些颜色深一块浅一块和原图差别很大。前者一眼就能判断是透明像素没处理好——alpha 为 0 的像素我并不想画但最初代码没判断 alpha 就直接pen.color((r/255, g/255, b/255))透明像素的 RGB 值通常是 0自然画成黑块。后者的问题更隐蔽。Turtle 的颜色参数取值范围默认是 0 到 1 的浮点数如果直接传 0 到 255 的整数Turtle 不会报错但颜色会被截断得乱七八糟。比如传(255, 0, 0)会被当成(1, 0, 0)附近的颜色整体看起来就偏。排查时我先用print(pen.color())打印当前颜色值发现传进去的量级不对才意识到是范围没转换。解决办法就是所有 RGB 值统一除以 255或者在初始化时调用scr.colormode(255)告诉 Turtle我要用 0 到 255 的模式。我推荐后一种代码更直观。6.4 圆角被磨平与导出矢量结果的折中办法现象轮廓追踪法画出开关按钮的圆角矩形四个角全部变成锐角或者多边形折线。我最初以为是轮廓检测的问题调了半天阈值没效果后来才想到是approxPolyDP的 epsilon 值太大把弧线段的点删过头了圆曲率信息全部丢失。把系数从 0.05 降到 0.02圆角立刻回来了。代价是路径点数多了一些但 64 范围内依然很快。这类精度和速度的取舍每次改参数后跑一次对比图最直观。画好的结果想保存下来有一个少有人提的办法Turtle 画布是 Tk 的画布对象可以直接导出 PostScript 矢量文件。scr.getcanvas().postscript(fileresult.eps)这样导出的 EPS 是真正的矢量图放大多少倍都不会糊之后用常见转换工具可以再转成 PDF 或 PNG。我平时做素材就是先跑 Turtle 再导 EPS比直接截屏清晰得多。如果你嫌 EPS 处理麻烦那就直接系统截图保存成 PNG最省事只是画面分辨率受窗口大小限制。7. 收尾把复制脚本封装成谁都能用的小工具两套方案跑通以后我还把这套逻辑封装成了一个命令行小工具方便以后拿到任意图标直接调用。封装思路非常简单用 argparse 接收图片路径、网格大小、颜色数和方法名内部再分派到对应的绘制函数。import argparse def parse_args(): parser argparse.ArgumentParser(description把图标用 Turtle 复刻出来) parser.add_argument(image, help图标文件路径) parser.add_argument(--grid, typeint, default64, help网格大小) parser.add_argument(--colors, typeint, default16, help量化颜色数) parser.add_argument(--method, choices[pixel, contour], defaultpixel, help绘制方法) return parser.parse_args() if __name__ __main__: args parse_args() run(args)封好之后以后画一个图标只需要一条命令python draw_icon.py switch_icon.png --grid 64 --colors 8 --method contour。这个工具我放在自己的脚本目录里遇到适合的素材随时能跑。最后分享两个我自己摸索出来的心得。第一个是对于几何特征极其明显的图标比如一个电源符号圆圈加一竖线不要浪费算力去跑图像处理直接写三条 Turtle 指令画出来反而更快更准。算法是为了处理人眼能识别但手动描太麻烦的图形不是为了替代思考。第二个是性能优化的优先级顺序先关 tracer再换 stamp然后藏画笔最后才去降分辨率。前两项通常就能解决 90% 的卡顿问题剩下的优化收益会越来越小。这套python 图标复制Turtle的小项目说不上多高深但把图像坐标、路径简化、绘制性能这些基础概念串成了一个完整的闭环做完之后我再看到任何把图片变成手绘风的需求第一反应都是先想坐标映射而不是急着调库。
1. 为什么偏偏选海龟来复刻图标这条路其实很值提起python 图标复制Turtle不少人第一反应是这也太玩具了想复制图标为什么不直接截图、不直接用图像处理库我最初也这么想直到有一回为了给一个小工具做一套海龟绘制风格的宣传动画才认真把 Turtle 复刻图标这件事从头做了一遍。做完之后我意识到这个需求的价值根本不在复制这两个字而在过程中必须亲手搞清楚的坐标系换算、图像采样、颜色量化、绘制调度优化——这些东西放在教科书里都很枯燥但放在把一张图标画出来这个具体目标里就变得非常有意思。对刚学 Python 的人它足够友好对写过几年代码的人也有值得回味的细节。Turtle 是标准库自带的绘图模块模型特别简单一支笔在平面上移动落笔就画线抬笔就移动笔头还能变成自定义形状去盖图章也能路径填充色块。要用它复制一张图标本质上只有一件事——把图标里的图形信息翻译成这支笔能执行的指令。翻译策略不同会分出两条完全不同的路线一条是把图片拆成网格逐格填充颜色适合像素风另一条是先把图标的轮廓找出来再沿轮廓闭合填充适合圆角和曲线较多的图形。前者我习惯叫像素映射法后者叫轮廓追踪法下文都会给出能直接跑的代码。1.1 这个项目到底能干什么它能做到临摹级的复刻。你把一张软件图标或 Logo 的 PNG 丢进来脚本读完图片以后会在画布上一格一格或者一笔一笔地把它画出来。因为绘制过程是实时可见的你可以亲眼看到图标从无到有比直接双击打开图片截图有表演感得多做出来也特别适合发在动态里。它更大的价值是练手。整个项目只需要标准库自带的 turtle 再加一个图像读取库涉及的知识点恰好是很多教程里一带而过、但实际干活经常撞上的图像坐标 y 轴朝下而画布坐标 y 轴朝上、透明通道怎么取舍、批量绘制时怎么避免卡顿。把这些弄明白以后以后再碰图像转画布数据可视化转图形这类需求都会顺手很多。适合参考的人我觉得有两类一是学完 Turtle 基础、正在找进阶小项目练手的初学者二是想给个人页面或演示脚本配几张手绘感图标的从业者。不过先泼一盆冷水如果你只是要 1:1 像素级复现原图直接贴图就好完全没必要走 Turtle。这个项目的意义在于过程和风格化输出不在于保真度。1.2 什么样的图标适合 Turtle 复制Turtle 复刻的强项是色块型图标颜色种类少、边缘清楚、整体尺寸不大。典型的比如扁平化的按钮图标、像素风的小房子、一个电源开关符号这类图通常只用不到十种颜色路径也简单画出来辨识度非常高。反过来一张照片或者带大量渐变、阴影、抗锯齿的复杂 Logo 就非常不适合——海龟画出来要么马赛克化严重要么路径数量爆炸耗时翻几倍效果还差一截。所以动手前先判断素材类型这是整个项目里我做过的最重要的一步。我自己的经验是三条简单标准原图超过 256×256 就先缩图颜色超过 32 种就先做颜色量化透明区域占比大就得先想清楚背景怎么处理。别小看这三步它们能直接决定后面的脚本是跑几秒还是跑几分钟。2. 开工前准备环境安装与把图标变成可绘制数据这一步看着不起眼其实决定了后面所有代码能不能顺利跑通。Turtle 是解释器自带的不用安装但读取图片和找轮廓需要第三方库。按需装就行pip install pillow pip install opencv-python如果只走像素映射法装 Pillow 就够要走轮廓追踪法再多装一个 OpenCV。版本上没什么特别要求Python 3.8 以上随便装。2.1 依赖与测试素材的选择为了验证方案我随手画了一张 256×256 的开关按钮图标圆角矩形做底中间一个圆形电源符号白底、黑边框一共只有 5 种颜色。这个素材恰好是适合 Turtle 复刻的典型——色块大、颜色少、有透明通道。你也可以先用任意一个扁平化图标测试建议控制在 256×256 以内。读图的代码很简单但有一个前提哪怕原图是白底也好统一转成 RGBA 四通道再处理。这样做的好处是能拿到 alpha 通道后面透明区域要不要画、怎么画都由我们自己决定而不是被图片格式牵着走。from PIL import Image IMG_PATH switch_icon.png GRID 64 img Image.open(IMG_PATH).convert(RGBA) img img.resize((GRID, GRID), Image.LANCZOS) img img.quantize(colors16).convert(RGBA) # 把像素读到一个列表里后面直接遍历 pixels [] for row in range(GRID): for col in range(GRID): r, g, b, a img.getpixel((col, row)) pixels.append((col, row, r, g, b, a))2.2 让图标变成可绘制数据的三个关键操作第一是缩图也就是 resize。缩到什么尺寸直接对应输出画布的分辨率64×64 的网格已经很接近像素画的感觉128×128 会更细腻但绘制时间会明显变长。缩放算法这次我用 LANCZOS因为它对平滑图形的边缘保留更好。如果你处理的是真正的像素画素材那应该用 NEAREST 保持硬边缘这一点经常被忽略。Lanczos 会把原本的锯齿磨掉像素风反而不纯正。第二是颜色量化代码里的quantize(colors16)会把颜色相近的像素合并成 16 种。别小看这个动作很多扁平化图标表面看就几种颜色但抗锯齿边缘会产生一大片介于两种颜色之间的过渡色如果不量化这些过渡色都会变成独立的色块画出来的轮廓会很脏。量化之后边缘会硬朗很多也更接近图标本来的设计感。第三是 alpha 通道处理。RGBA 里 alpha 为 0 的像素就是完全透明。如果默认把它当成有颜色来画图标周围会冒出一圈灰黑色块。我在代码里逐像素检查 alpha透明就跳过。如果你的图标边缘是半透明抗锯齿直接用白色背景先合成一次会更干净具体做法是bg Image.new(RGBA, img.size, (255, 255, 255, 255)) bg.alpha_composite(img) img bg这三步做完图片就变成了一组(x, y, r, g, b, a)的纯数据后面无论走哪条路线都是对这组数据做变换。3. 像素映射法把图片转成网格色块再逐个盖章像素映射法的思路非常直白图片被缩成 GRID×GRID 的网格以后每个格子就是一个像素程序把每个格子的颜色读出来让海龟在对应位置盖一个同色方块全部盖完就是一张马赛克风格的图标。这个方法实现最简单也是踩坑最多的方案因为坐标系这一步最容易出错。3.1 图片坐标系与 Turtle 坐标系的换算逻辑先解释一个我当初绕了很久的坑。图片的坐标系是左上角是 (0,0)x 轴向右y 轴向下。而 Turtle 画布默认的中心是 (0,0)x 轴向右y 轴向上。如果你直接把图片的 row 当 y 坐标传给海龟画出来的图标一定是上下颠倒的。换算公式其实很简单。设定每个网格在画布上占据 CELL 个像素那么第 col 列、第 row 行的格子中心位置是x_turtle col * CELL CELL / 2 - GRID * CELL / 2 y_turtle GRID * CELL / 2 - row * CELL - CELL / 2后两项- GRID*CELL/2和GRID*CELL/2的作用是把图标整体移到画布中心。关键是 y 轴那行的减号图像坐标越往下row 越大换算到画布后 y 反而越小这样图标就正过来了。我自己第一次跑脚本时偷懒没做这一步结果画出的房子屋顶朝下找了半天才发现是这里的问题。完整脚本如下直接用 stamp() 盖方块from turtle import Turtle, Screen from PIL import Image IMG_PATH switch_icon.png GRID 64 CELL 10 MARGIN GRID * CELL // 2 img Image.open(IMG_PATH).convert(RGBA) img img.resize((GRID, GRID), Image.LANCZOS) img img.quantize(colors16).convert(RGBA) scr Screen() scr.tracer(0) scr.register_shape(pixel, ((-0.5, -0.5), (0.5, -0.5), (0.5, 0.5), (-0.5, 0.5))) pen Turtle() pen.speed(0) pen.penup() pen.shape(pixel) pen.shapesize(CELL, CELL) pen.hideturtle() for row in range(GRID): for col in range(GRID): r, g, b, a img.getpixel((col, row)) if a 10: continue pen.color((r / 255, g / 255, b / 255)) pen.goto(col * CELL CELL / 2 - MARGIN, MARGIN - row * CELL - CELL / 2) pen.stamp() scr.update() scr.mainloop()3.2 用 stamp() 代替逐格画方块性能取舍的关键我一开始没用 stamp()而是老老实实每个格子pen.forward(CELL)转四次画一个方块也就是每个像素要执行 4 次移动和 4 次转向64×64 的网格最多 4096 个像素累计几万次指令。即便开了tracer(0)也慢得让人怀疑程序死了。换成 stamp() 之后每个像素只需要一次goto加一次stamp()命令量直接少了一个数量级。它的原理是把海龟的形状注册成一个小方块再用shapesize(CELL, CELL)把方块拉伸到指定宽高然后像盖章一样把当前形状盖在当前位置。章盖下去只记录一个图形不需要逐条画边性能自然好得多。这里有个容易忽略的细节pen.hideturtle()之后海龟箭头虽然隐藏了但stamp()盖出来的图章仍然会显示。所以你可以放心把画笔藏起来避免画布上出现一个巨大的移动方块干扰视线。另外tracer(0)必须在绘制之前调用绘制完成后再scr.update()一次性刷新否则每个像素都重绘一次画布卡顿依旧。3.3 效果怎么调参数往哪动最直观的调节参数是 GRID 和 CELL。GRID 决定图像的采样粒度CELL 决定每个色块在画布上的大小两者相乘就是最终画布尺寸。同一个图标GRID 从 32 提到 128马赛克感会明显降低但绘制耗时几乎是按网格数的平方上涨的。我的实际建议是默认 64 足够看清细节追求速度降到 32追求细腻再上 128。颜色数也一样16 种是安全起点如果觉得颜色太杂就降到 8大部分扁平图标依然能表达清楚。提示如果透明区域被量化成了杂色问题通常出在 quantize 顺序上。先补白背景再量化比先量化再补背景稳定得多。4. 轮廓追踪法用边缘检测还原矢量线条像素映射法的短板很明显任何斜线、圆角都会被切成锯齿格子。我那个开关图标圆角矩形在 64 网格下画出来棱角分明怎么看都别扭。于是我用 OpenCV 做了第二条路线——先检测轮廓再让海龟沿着轮廓走一圈并填充颜色。这样画出来的是真正的矢量路径圆就是圆斜线就是斜线。4.1 从 alpha 通道到轮廓坐标轮廓检测不需要分析整张彩图直接用 alpha 通道作为形状掩码就够了。alpha 大于某个阈值的像素被视为图形内部其余是背景。对掩码找轮廓得到的每一条轮廓就是图形的一块封闭边界。import cv2 import numpy as np from PIL import Image pil_img Image.open(switch_icon.png).convert(RGBA) arr np.array(pil_img) alpha arr[:, :, 3] _, mask cv2.threshold(alpha, 10, 255, cv2.THRESH_BINARY) mask cv2.copyMakeBorder(mask, 1, 1, 1, 1, cv2.BORDER_CONSTANT, value0) contours, _ cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) contours [c for c in contours if cv2.contourArea(c) 50]这里有个很容易踩的坑如果图形贴着图片边缘findContours会把边缘当成开口路径处理导致外轮廓不封闭。解决办法就是我代码里的copyMakeBorder在掩码四周加一圈黑色背景把原本贴边的图形往里推一点轮廓就闭合了。这个技巧在 OpenCV 的轮廓处理里非常常用。RETR_EXTERNAL只取最外层轮廓适合实心色块。如果图标是圆环或者中间有镂空比如空心圆圈这种RETR_EXTERNAL会漏掉内部的孔洞。这时候可以改成RETR_CCOMP配合层级关系把内轮廓也画出来但代码复杂度会上升。对大多数扁平图标先跑EXTERNAL看效果再决定要不要处理内轮廓效率更高。4.2 轮廓抽稀与填充色的提取OpenCV 返回的轮廓点通常非常多一条圆角的边可能带几十上百个点。海龟每移动一个点都是一次goto点越多绘制越慢而且很多点在人眼看来完全多余。这时就要用道格拉斯-普克抽稀算法OpenCV 里对应的是approxPolyDPfor i, c in enumerate(contours): peri cv2.arcLength(c, True) contours[i] cv2.approxPolyDP(c, 0.02 * peri, True)第二个参数0.02 * peri是允许的最大误差以轮廓周长为基准。这个经验值是我试出来的平衡点0.01 太细轮廓几乎不精简绘制还是慢0.05 以上会让圆角明显变形。先从 0.02 开始圆角变形再降低速度不满意再调高。抽稀之后还需要知道每块区域用什么颜色填充。办法很简单对每条轮廓画一个填充掩码再取原图中该掩码范围内 RGB 三通道的平均值这个平均色就是填充色。海龟颜色要求是 0 到 1 的小数记得除以 255。from turtle import Turtle, Screen GRID 64 CELL 10 MARGIN GRID * CELL // 2 scale (GRID * CELL) / max(pil_img.size) scr Screen() scr.tracer(0) pen Turtle() pen.speed(0) pen.penup() pen.hideturtle() for c in contours: pts c.reshape(-1, 2).astype(float) mask_part np.zeros(arr.shape[:2], np.uint8) cv2.drawContours(mask_part, [c], -1, 255, -1) mean_rgb cv2.mean(arr[:, :, :3], maskmask_part)[:3] / 255.0 pen.color(mean_rgb) pen.goto((pts[0][0] - pil_img.size[0] / 2) * scale, (pil_img.size[1] / 2 - pts[0][1]) * scale) pen.begin_fill() pen.pendown() for x, y in pts[1:]: pen.goto((x - pil_img.size[0] / 2) * scale, (pil_img.size[1] / 2 - y) * scale) pen.penup() pen.end_fill() scr.update() scr.mainloop()坐标换算和像素映射法同样的坑y 轴方向必须翻转这里用(pil_img.size[1] / 2 - y) * scale完成同时乘上 scale 把图片尺寸映射到画布尺寸。填充用begin_fill()和end_fill()包裹一段闭合路径海龟会自动用当前颜色填满路径内部不需要自己画连接线。5. 两种方案实测对比与调参心得纸上谈兵没用我把同一个开关按钮图标分别用两种方案跑了一遍结果差异还是挺明显的。这里给出我这边的一手数据和对比结论供你预估时参考。5.1 同一图标的横评数据与结果差异对比项像素映射法轮廓追踪法核心思路网格取色、逐格盖章边缘检测、路径填充需要的库PillowPillow OpenCV输出风格像素马赛克矢量路径圆角和斜线更接近原图对透明区域的处理逐像素跳过alpha 掩码自动忽略代码量约 60 行约 90 行64 网格实测耗时约 5 秒左右约 2 秒左右我的测试机就是一台普通笔记本64×64 网格下像素映射法盖了两千多个章耗时大概 5 秒轮廓追踪法只找到 5 条闭合轮廓加上抽稀之后总共才一百多个路径点2 秒内跑完。结论很清楚如果图标是圆角矩形、圆、斜线这类几何特征明显的形状轮廓追踪法在速度和质量上都占优如果图标本来就是 8-bit 像素风素材像素映射法反而更有味道。这里要说清楚轮廓追踪法的耗时高度依赖轮廓点数量。遇到复杂图标轮廓可能从一个变成五十个路径点指数级上涨这个方法就不一定快了。所以我的选择逻辑是先看一眼素材像素风走像素映射几何风走轮廓追踪而不是无脑套用某一种。5.2 分辨率、颜色数和 epsilon 怎么配调参有一个优先级和手感问题我总结成一张速查表现象优先调整边缘锯齿太重提高 GRID或改用轮廓追踪法颜色看起来脏降低 quantize 的 colors 值圆角被磨平降低 approxPolyDP 的 epsilon 系数绘制太慢先确认 tracer 关了再降 GRID 或增大 epsilon透明区域出现色块检查 alpha 阈值或先补白底核心原则是看起来像比完全一致重要。Turtle 画出来的东西本质上是风格化输出没必要追求和原图逐像素相同。我通常在量化颜色时故意少给几种颜色让画面更平面、更干净输出反而更像一个正经的海龟艺术作品而不是粗糙的复印件。6. 踩坑实录坐标颠倒、卡顿和偏色的完整排查链路写这篇之前我又重新跑了一遍两套代码把当初最折磨我的四个坑按完整排查过程整理出来。这些坑如果只看结论会觉得简单但不把排查思路走出来下次换个角度还会再踩。6.1 图标上下颠倒90% 的人第一个遇到的错现象画出来的图标和原图完全镜像屋顶在下面文字方向也反了。我第一次跑像素映射法就是这个结果第一反应是是不是图片读倒了于是去翻 Pillow 的文档确认发现图片坐标就是左上角原点、y 向下。问题本质是两套坐标系的 y 轴方向冲突。图片坐标 (col, row) 的 row 越大越靠下但 Turtle 画布的 y 坐标越大越靠上。排查时我先打印了图片里屋顶像素的 row 坐标发现是 15再打印海龟落到那个格子时的 y 坐标结果是MARGIN - 15 * CELL - CELL / 2也就是靠近画布顶部。这说明转换公式没问题问题出在最初写代码时把公式写成了y MARGIN row * CELL...符号错了。把加号改成减号图标立刻正过来。如果是左右翻转那就是 x 轴的计算符号问题对照同一套思路很快就能定位。6.2 慢得像卡死Tracer 与 Stamp 的配合问题现象像素映射法脚本跑起来后画面一格一格地慢慢爬64×64 画到一半我已经想放弃了。初始代码其实已经写了pen.speed(0)但没用tracer(0)。排查过程是这样的我先怀疑是goto太多于是把每个像素的stamp注释掉只留 goto发现移动速度并没有好转。然后在goto前后加时间戳发现单次并不慢慢的是每执行一条移动指令画布就自动重绘一次。Turtle 默认是实时刷新模式几千次重绘叠加起来就成了灾难。解决方式是绘制前调用scr.tracer(0)关闭自动刷新全部画完后scr.update()一次性重绘。加上这一行同一脚本从几乎无法完成变成大约 5 秒跑完。排查卡顿问题永远最先检查刷新模式而不是怀疑指令数量。6.3 颜色偏色和透明像素变黑块的根源现象图标边缘出现一圈黑灰色方块另外某些颜色深一块浅一块和原图差别很大。前者一眼就能判断是透明像素没处理好——alpha 为 0 的像素我并不想画但最初代码没判断 alpha 就直接pen.color((r/255, g/255, b/255))透明像素的 RGB 值通常是 0自然画成黑块。后者的问题更隐蔽。Turtle 的颜色参数取值范围默认是 0 到 1 的浮点数如果直接传 0 到 255 的整数Turtle 不会报错但颜色会被截断得乱七八糟。比如传(255, 0, 0)会被当成(1, 0, 0)附近的颜色整体看起来就偏。排查时我先用print(pen.color())打印当前颜色值发现传进去的量级不对才意识到是范围没转换。解决办法就是所有 RGB 值统一除以 255或者在初始化时调用scr.colormode(255)告诉 Turtle我要用 0 到 255 的模式。我推荐后一种代码更直观。6.4 圆角被磨平与导出矢量结果的折中办法现象轮廓追踪法画出开关按钮的圆角矩形四个角全部变成锐角或者多边形折线。我最初以为是轮廓检测的问题调了半天阈值没效果后来才想到是approxPolyDP的 epsilon 值太大把弧线段的点删过头了圆曲率信息全部丢失。把系数从 0.05 降到 0.02圆角立刻回来了。代价是路径点数多了一些但 64 范围内依然很快。这类精度和速度的取舍每次改参数后跑一次对比图最直观。画好的结果想保存下来有一个少有人提的办法Turtle 画布是 Tk 的画布对象可以直接导出 PostScript 矢量文件。scr.getcanvas().postscript(fileresult.eps)这样导出的 EPS 是真正的矢量图放大多少倍都不会糊之后用常见转换工具可以再转成 PDF 或 PNG。我平时做素材就是先跑 Turtle 再导 EPS比直接截屏清晰得多。如果你嫌 EPS 处理麻烦那就直接系统截图保存成 PNG最省事只是画面分辨率受窗口大小限制。7. 收尾把复制脚本封装成谁都能用的小工具两套方案跑通以后我还把这套逻辑封装成了一个命令行小工具方便以后拿到任意图标直接调用。封装思路非常简单用 argparse 接收图片路径、网格大小、颜色数和方法名内部再分派到对应的绘制函数。import argparse def parse_args(): parser argparse.ArgumentParser(description把图标用 Turtle 复刻出来) parser.add_argument(image, help图标文件路径) parser.add_argument(--grid, typeint, default64, help网格大小) parser.add_argument(--colors, typeint, default16, help量化颜色数) parser.add_argument(--method, choices[pixel, contour], defaultpixel, help绘制方法) return parser.parse_args() if __name__ __main__: args parse_args() run(args)封好之后以后画一个图标只需要一条命令python draw_icon.py switch_icon.png --grid 64 --colors 8 --method contour。这个工具我放在自己的脚本目录里遇到适合的素材随时能跑。最后分享两个我自己摸索出来的心得。第一个是对于几何特征极其明显的图标比如一个电源符号圆圈加一竖线不要浪费算力去跑图像处理直接写三条 Turtle 指令画出来反而更快更准。算法是为了处理人眼能识别但手动描太麻烦的图形不是为了替代思考。第二个是性能优化的优先级顺序先关 tracer再换 stamp然后藏画笔最后才去降分辨率。前两项通常就能解决 90% 的卡顿问题剩下的优化收益会越来越小。这套python 图标复制Turtle的小项目说不上多高深但把图像坐标、路径简化、绘制性能这些基础概念串成了一个完整的闭环做完之后我再看到任何把图片变成手绘风的需求第一反应都是先想坐标映射而不是急着调库。
