Abstract Fibrosis, the pathological excess of fibroblast activity, is a significant health issue that hinders the function of many organs in the body, in some cases fatally. However, the severity of fibrosis-derived conditions depends on both the positioning of fibrotic affliction, and the microscopic patterning of fibroblast-deposited matrix proteins within afflicted regions. Variability in an individual’s manifestation of a type of fibrosis is an important factor in explaining differences in symptoms, optimum treatment and prognosis, but a need for ex vivo procedures and a lack of experimental control over conflating factors has meant this variability remains poorly understood. In this work, we present a computational methodology for the generation of patterns of fibrosis microstructure, demonstrating the technique using histological images of four types of cardiac fibrosis. Our generator and automated tuning method prove flexible enough to capture each of these very distinct patterns, allowing for rapid generation of new realisations for high-throughput computational studies. We also demonstrate via simulation, using the generated fibrotic patterns, the importance of micro-scale variability by showing significant differences in electrophysiological impact even within a single class of fibrosis.