Básicamente estuve experimentando con algoritmos de computer vision (¿visión computacional sería la traducción?), y el proceso es más o menos así:

1) Lanzo una letra en una posición aleatoria
2) Comparo si la imagen resultante es más similar o menos a la imagen de reference (la foto de Lennon)
3) Si es más similar, vuelvo al punto 1, pero esta vez muevo otra letra. Si es distinta, muevo la letra de nuevo a donde estaba antes, y vuelvo al punto 1
4) Espero suficiente tiempo y varios millones de ciclos en esto hasta que el resultado de letras posicionadas se parece bastante a la foto (esto lo hago a ojo, viendo el resultado en la pantalla).

Un detalle importante es el punto 2, “comparo la imagen”. Para esto en muchos casos se puede usar PSNR (viene explicado en Wikipedia), pero en el caso del ejemplo no es válido porque PSNR compara pixel a pixel los valores, y yo estoy creando la image con texto totalmente negro sobre fondo totalmente blanco, mientras que la image de referencia está en escala de grises. Así que para ello uso varias valoraciones de PSRN con convoluciones en distintos radios para el kernel. La idea es que, por ejemplo, una secuencia de puntos blancos intercalados con puntos negros creen un promedio visual de tono gris.

En fin… me gustaría tener tiempo para explicarlo mucho más a fondo y mejor, pero no dispongo de más tiempo.