您好,登錄后才能下訂單哦!
這篇文章主要講解了“如何利用Python字符畫生成甜心教主”,文中的講解內(nèi)容簡(jiǎn)單清晰,易于學(xué)習(xí)與理解,下面請(qǐng)大家跟著小編的思路慢慢深入,一起來(lái)研究和學(xué)習(xí)“如何利用Python字符畫生成甜心教主”吧!
字符畫:字符畫是一系列字符的組合,我們可以把字符看作是比較大塊的像素,一個(gè)字符能表現(xiàn)一種顏色,字符的種類越多,可以表現(xiàn)的顏色也越多,圖片也會(huì)更有層次感。 如果我們想要手工繪制出字符畫,首先要有扎實(shí)的美術(shù)基礎(chǔ),其次還要花費(fèi)大量的時(shí)間和精力。但是我們可以使用Python,只需要幾行代碼,就能夠?qū)⒁粡垐D片輕而易舉地轉(zhuǎn)化為一個(gè)字符畫。
開發(fā)工具:pycharm
開發(fā)環(huán)境:python3.7, Windows10
使用工具包:PIL, cv2, numpy
首先我們先將這個(gè)項(xiàng)目思路進(jìn)行明確定位,把我們甜心教主的視頻轉(zhuǎn)換成字符畫的視頻,首先自備一段教主的視頻,在將視頻進(jìn)行拆分,拆分成一張張單獨(dú)的圖片,因?yàn)槲覀冝D(zhuǎn)成字符畫其實(shí)本質(zhì)上就是轉(zhuǎn)化成圖片數(shù)據(jù)
然后在對(duì)每一張圖片進(jìn)行灰度處理,我們做個(gè)相對(duì)來(lái)說簡(jiǎn)單一點(diǎn)的,灰度數(shù)據(jù)的話只有黑白,顏色更好把控,把圖片數(shù)據(jù)轉(zhuǎn)化成一個(gè)數(shù)組,通過k聚類算法把圖像進(jìn)行聚類劃分,在將劃分的圖片數(shù)組根據(jù)亮度情況進(jìn)行替換,根據(jù)亮度情況亮一點(diǎn)的用數(shù)字,稍稍暗一點(diǎn)的用1,白的用空白,將視頻里的圖片數(shù)據(jù)進(jìn)行全部替換,在將替換好的圖片組合成一個(gè)視頻
首先使用cv2.VideoCapture進(jìn)行視頻進(jìn)行抽幀,將抽幀好的圖片使用read方式進(jìn)行讀取,把讀取好的數(shù)據(jù)保存在文件夾里,使用數(shù)字來(lái)保存圖片名,也方便我們?cè)谥筮M(jìn)行提取圖片數(shù)據(jù)進(jìn)行使用
# 將視頻轉(zhuǎn)換為圖片 并進(jìn)行計(jì)數(shù),返回總共生成了多少?gòu)垐D片! def video_to_pic(vp): # vp = cv2.VideoCapture(video_path) number = 0 if vp.isOpened(): r, frame = vp.read() if not os.path.exists('cache_pic'): os.mkdir('cache_pic') os.chdir('cache_pic') else: r = False while r: number += 1 cv2.imwrite(str(number) + '.jpg', frame) r, frame = vp.read() print('\n由視頻一共生成了{(lán)}張圖片!'.format(number)) os.chdir("..") return number
循環(huán)取出文件夾里面所有的圖片數(shù)據(jù)進(jìn)行轉(zhuǎn)換,首先通過cv2進(jìn)行圖片讀取,獲取到他的圖片數(shù)據(jù)通道,獲取到圖片數(shù)據(jù)的3通道rgb的數(shù)據(jù)信息,在將數(shù)據(jù)進(jìn)行灰度處理,我們需要用他的顏色用來(lái)區(qū)分他的數(shù)據(jù)樣式,所以只能灰度來(lái)實(shí)現(xiàn),在使用numpy進(jìn)行數(shù)據(jù)轉(zhuǎn)換,將獲取到的矩陣數(shù)據(jù)進(jìn)行降維,轉(zhuǎn)換成一個(gè)類似列表的數(shù)據(jù)信息,使用kmeans算法對(duì)圖像數(shù)據(jù)進(jìn)行分類,設(shè)置他的矩陣中心數(shù),最大迭代數(shù),以及試錯(cuò)等級(jí),k聚類算法可以自行了解,會(huì)給我們返回labels(類別)、centroids(矩心) compactness(密度值),將矩心進(jìn)行數(shù)據(jù)轉(zhuǎn)換成整數(shù),我們可以更好的替換符號(hào),對(duì)矩心進(jìn)行排序,矩心大的說明顏色越暗,矩心小的越淡,在根據(jù)亮度數(shù)據(jù)將數(shù)據(jù)進(jìn)行替換成一個(gè)新的畫布,將我們的符號(hào)替換到畫布上去,到這里我們就能吧單獨(dú)的圖片替換成字符畫了
def img2strimg(frame, K=3): # 讀取矩陣的長(zhǎng)度 有時(shí)返回兩個(gè)值,有時(shí)三個(gè)值 height, width, *_ = frame.shape # print(frame.shape) # 顏色空間轉(zhuǎn)化 圖片對(duì)象, 灰度處理 frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # print(frame_gray) # 轉(zhuǎn)換數(shù)據(jù)類型,將數(shù)據(jù)降維 frame_array = np.float32(frame_gray.reshape(-1)) # print(frame_array) # 得到labels(類別)、centroids(矩心) compactness(密度值)。 # 如第一行6個(gè)像素labels=[0,2,2,1,2,0],則意味著6個(gè)像素分別對(duì)應(yīng)著 第1個(gè)矩心、第3個(gè)矩心、第3、2、3、1個(gè)矩心。 compactness, labels, centroids = cv2.kmeans(frame_array, K, None, (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0), 10, cv2.KMEANS_RANDOM_CENTERS) print(labels) centroids = np.uint8(centroids) # 轉(zhuǎn)換成整形 # labels的數(shù)個(gè)矩心以隨機(jī)順序排列,所以需要簡(jiǎn)單處理矩心. # 返回一個(gè)折疊成一維的數(shù)組 centroids = centroids.flatten() # 排序 centroids_sorted = sorted(centroids) # 獲得不同centroids的明暗程度,0最暗 centroids_index = np.array([centroids_sorted.index(value) for value in centroids]) # 亮度設(shè)置 bright = [abs((3 * i - 2 * K) / (3 * K)) for i in range(1, 1 + K)] bright_bound = bright.index(np.min(bright)) # 背景陰影設(shè)置 shadow = [abs((3 * i - K) / (3 * K)) for i in range(1, 1 + K)] shadow_bound = shadow.index(np.min(shadow)) # 返回一個(gè)折疊成一維的數(shù)組 labels = labels.flatten() print(labels) # 將labels轉(zhuǎn)變?yōu)閷?shí)際的明暗程度列表,0最暗。 labels = centroids_index[labels] print(labels) # 列表解析,每2*2個(gè)像素挑選出一個(gè),組成(height*width*灰)數(shù)組。 labels_picked = [labels[rows * width:(rows + 1) * width:2] for rows in range(0, height, 2)] canvas = np.zeros((3 * height, 3 * width, 3), np.uint8) canvas.fill(255) # 創(chuàng)建長(zhǎng)寬為原圖三倍的白色畫布。 # 因?yàn)?nbsp;字體大小為0.45時(shí),每個(gè)數(shù)字占6*6個(gè)像素,而白底畫布為原圖三倍 # 所以 需要原圖中每2*2個(gè)像素中挑取一個(gè),在白底畫布中由6*6像素大小的數(shù)字表示這個(gè)像素信息。 y = 0 for rows in labels_picked: x = 0 for cols in rows: if cols <= shadow_bound: # 添加文字 圖片,添加的文字,左上角坐標(biāo),字體,字體大小,顏色,字體粗細(xì) cv2.putText(canvas, str(random.randint(2, 9)), (x, y), cv2.FONT_HERSHEY_PLAIN, 0.45, 0.1) elif cols <= bright_bound: cv2.putText(canvas, "-", (x, y),cv2.FONT_HERSHEY_PLAIN, 0.4, 0, 1) x += 6 y += 6 return canvas
將全部的圖片數(shù)據(jù)在進(jìn)行合成一個(gè)新的視頻,視頻數(shù)據(jù)盡量不要太大,幀數(shù)越細(xì)的話,生成的視頻越大,可能好幾個(gè)G
def jpg_to_video(char_image_path, FPS): video_fourcc = cv2.VideoWriter_fourcc(*"MP42") # 設(shè)置視頻編碼器,這里使用使用MP42編碼器,可以生成更小的視頻文件 char_img_path_list = [char_image_path + r'/{}.jpg'.format(i) for i in range(1, number + 1)] # 生成目標(biāo)字符圖片文件的路徑列表 char_img_test = Image.open(char_img_path_list[1]).size # 獲取圖片的分辨率 if not os.path.exists('video'): os.mkdir('video') video_writter = cv2.VideoWriter('video/new_char_video.avi', video_fourcc, FPS, char_img_test) sum = len(char_img_path_list) count = 0 for image_path in char_img_path_list: img = cv2.imread(image_path) video_writter.write(img) end_str = '100%' count = count + 1 process_bar(count / sum, start_str='', end_str=end_str, total_length=15) video_writter.release() print('\n') print('=======================') print('The video is finished!') print('=======================')
# from platypus import import os from PIL import Image, ImageFont, ImageDraw import cv2 import random import numpy as np import threading # 將視頻轉(zhuǎn)換為圖片 并進(jìn)行計(jì)數(shù),返回總共生成了多少?gòu)垐D片! def video_to_pic(vp): # vp = cv2.VideoCapture(video_path) number = 0 if vp.isOpened(): r, frame = vp.read() if not os.path.exists('cache_pic'): os.mkdir('cache_pic') os.chdir('cache_pic') else: r = False while r: number += 1 cv2.imwrite(str(number) + '.jpg', frame) r, frame = vp.read() print('\n由視頻一共生成了{(lán)}張圖片!'.format(number)) os.chdir("..") return number def star_to_char(number, save_pic_path): if not os.path.exists('cache_char'): os.mkdir('cache_char') img_path_list = [save_pic_path + r'/{}.jpg'.format(i) for i in range(1, number + 1)] # 生成目標(biāo)圖片文件的路徑列表 task = 0 for image_path in img_path_list: img_width, img_height = Image.open(image_path).size # 獲取圖片的分辨率 task += 1 # img_to_char(image_path, img_width, img_height, task) print('{}/{} is finished.'.format(task, number)) print('=======================') print('All image was finished!') print('=======================') return 0 def img2strimg(frame, K=3): # 讀取矩陣的長(zhǎng)度 有時(shí)返回兩個(gè)值,有時(shí)三個(gè)值 height, width, *_ = frame.shape # print(frame.shape) # 顏色空間轉(zhuǎn)化 圖片對(duì)象, 灰度處理 frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # print(frame_gray) # 轉(zhuǎn)換數(shù)據(jù)類型,將數(shù)據(jù)降維 frame_array = np.float32(frame_gray.reshape(-1)) # print(frame_array) # 得到labels(類別)、centroids(矩心) compactness(密度值)。 # 如第一行6個(gè)像素labels=[0,2,2,1,2,0],則意味著6個(gè)像素分別對(duì)應(yīng)著 第1個(gè)矩心、第3個(gè)矩心、第3、2、3、1個(gè)矩心。 compactness, labels, centroids = cv2.kmeans(frame_array, K, None, (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0), 10, cv2.KMEANS_RANDOM_CENTERS) print(labels) centroids = np.uint8(centroids) # 轉(zhuǎn)換成整形 # labels的數(shù)個(gè)矩心以隨機(jī)順序排列,所以需要簡(jiǎn)單處理矩心. # 返回一個(gè)折疊成一維的數(shù)組 centroids = centroids.flatten() # 排序 centroids_sorted = sorted(centroids) # 獲得不同centroids的明暗程度,0最暗 centroids_index = np.array([centroids_sorted.index(value) for value in centroids]) # 亮度設(shè)置 bright = [abs((3 * i - 2 * K) / (3 * K)) for i in range(1, 1 + K)] bright_bound = bright.index(np.min(bright)) # 背景陰影設(shè)置 shadow = [abs((3 * i - K) / (3 * K)) for i in range(1, 1 + K)] shadow_bound = shadow.index(np.min(shadow)) # 返回一個(gè)折疊成一維的數(shù)組 labels = labels.flatten() print(labels) # 將labels轉(zhuǎn)變?yōu)閷?shí)際的明暗程度列表,0最暗。 labels = centroids_index[labels] print(labels) # 列表解析,每2*2個(gè)像素挑選出一個(gè),組成(height*width*灰)數(shù)組。 labels_picked = [labels[rows * width:(rows + 1) * width:2] for rows in range(0, height, 2)] canvas = np.zeros((3 * height, 3 * width, 3), np.uint8) canvas.fill(255) # 創(chuàng)建長(zhǎng)寬為原圖三倍的白色畫布。 # 因?yàn)?nbsp;字體大小為0.45時(shí),每個(gè)數(shù)字占6*6個(gè)像素,而白底畫布為原圖三倍 # 所以 需要原圖中每2*2個(gè)像素中挑取一個(gè),在白底畫布中由6*6像素大小的數(shù)字表示這個(gè)像素信息。 y = 0 for rows in labels_picked: x = 0 for cols in rows: if cols <= shadow_bound: # 添加文字 圖片,添加的文字,左上角坐標(biāo),字體,字體大小,顏色,字體粗細(xì) cv2.putText(canvas, str(random.randint(2, 9)), (x, y), cv2.FONT_HERSHEY_PLAIN, 0.45, 0.1) elif cols <= bright_bound: cv2.putText(canvas, "-", (x, y),cv2.FONT_HERSHEY_PLAIN, 0.4, 0, 1) x += 6 y += 6 return canvas def jpg_to_video(char_image_path, FPS): video_fourcc = cv2.VideoWriter_fourcc(*"MP42") # 設(shè)置視頻編碼器,這里使用使用MP42編碼器,可以生成更小的視頻文件 char_img_path_list = [char_image_path + r'/{}.jpg'.format(i) for i in range(1, number + 1)] # 生成目標(biāo)字符圖片文件的路徑列表 char_img_test = Image.open(char_img_path_list[1]).size # 獲取圖片的分辨率 if not os.path.exists('video'): os.mkdir('video') video_writter = cv2.VideoWriter('video/new_char_video.avi', video_fourcc, FPS, char_img_test) sum = len(char_img_path_list) count = 0 if __name__ == '__main__': video_path = '王心凌.mp4' save_pic_path = 'cache_pic' save_charpic_path = 'cache_char' vp = cv2.VideoCapture(video_path) number = video_to_pic(vp) for i in range(1, number): fp = r"cache_pic/{}.jpg".format(i) img = cv2.imread(fp) # 返回圖片數(shù)據(jù) (高度, 寬度,通道數(shù)) print(img) # 若字符畫結(jié)果不好,可以嘗試更改K為3。若依然無(wú)法很好地表現(xiàn)原圖,請(qǐng)換圖嘗試。 -_-|| str_img = img2strimg(img) cv2.imwrite("cache_char/{}.jpg".format(i), str_img) # number = 1692 # print(number) FPS = vp.get(cv2.CAP_PROP_FPS) star_to_char(number, save_pic_path) jpg_to_video(save_charpic_path, FPS)
感謝各位的閱讀,以上就是“如何利用Python字符畫生成甜心教主”的內(nèi)容了,經(jīng)過本文的學(xué)習(xí)后,相信大家對(duì)如何利用Python字符畫生成甜心教主這一問題有了更深刻的體會(huì),具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是億速云,小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章,歡迎關(guān)注!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。