如何利用Python字符畫生成甜心教主

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。

工具準(zhǔn)備

開發(fā)工具：pycharm

開發(fā)環(huán)境：python3.7， Windows10

使用工具包：PIL， cv2， numpy

項(xiàng)目效果展示

項(xiàng)目思路解析

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

1.視頻拆分成視頻

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

2.將圖片轉(zhuǎn)換字符畫

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

3.合成視頻

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('=======================')

簡(jiǎn)易源碼分享

# 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！