温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

如何利用Python字符画生成甜心教主

发布时间:2022-05-30 10:20:50 来源:亿速云 阅读:147 作者:iii 栏目:开发技术

这篇文章主要讲解了“如何利用Python字符画生成甜心教主”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“如何利用Python字符画生成甜心教主”吧!

    字符画:字符画是一系列字符的组合,我们可以把字符看作是比较大块的像素,一个字符能表现一种颜色,字符的种类越多,可以表现的颜色也越多,图片也会更有层次感。 如果我们想要手工绘制出字符画,首先要有扎实的美术基础,其次还要花费大量的时间和精力。但是我们可以使用Python,只需要几行代码,就能够将一张图片轻而易举地转化为一个字符画。

    工具准备

    开发工具:pycharm

    开发环境:python3.7, Windows10

    使用工具包:PIL, cv2, numpy

    项目效果展示

    如何利用Python字符画生成甜心教主

    项目思路解析

    首先我们先将这个项目思路进行明确定位,把我们甜心教主的视频转换成字符画的视频,首先自备一段教主的视频,在将视频进行拆分,拆分成一张张单独的图片,因为我们转成字符画其实本质上就是转化成图片数据

    如何利用Python字符画生成甜心教主

    然后在对每一张图片进行灰度处理,我们做个相对来说简单一点的,灰度数据的话只有黑白,颜色更好把控,把图片数据转化成一个数组,通过k聚类算法把图像进行聚类划分,在将划分的图片数组根据亮度情况进行替换,根据亮度情况亮一点的用数字,稍稍暗一点的用1,白的用空白,将视频里的图片数据进行全部替换,在将替换好的图片组合成一个视频

    1.视频拆分成视频

    首先使用cv2.VideoCapture进行视频进行抽帧,将抽帧好的图片使用read方式进行读取,把读取好的数据保存在文件夹里,使用数字来保存图片名,也方便我们在之后进行提取图片数据进行使用

    # 将视频转换为图片 并进行计数,返回总共生成了多少张图片!
    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由视频一共生成了{}张图片!'.format(number))
        os.chdir("..")
        return number

    2.将图片转换字符画

    循环取出文件夹里面所有的图片数据进行转换,首先通过cv2进行图片读取,获取到他的图片数据通道,获取到图片数据的3通道rgb的数据信息,在将数据进行灰度处理,我们需要用他的颜色用来区分他的数据样式,所以只能灰度来实现,在使用numpy进行数据转换,将获取到的矩阵数据进行降维,转换成一个类似列表的数据信息,使用kmeans算法对图像数据进行分类,设置他的矩阵中心数,最大迭代数,以及试错等级,k聚类算法可以自行了解,会给我们返回labels(类别)、centroids(矩心) compactness(密度值),将矩心进行数据转换成整数,我们可以更好的替换符号,对矩心进行排序,矩心大的说明颜色越暗,矩心小的越淡,在根据亮度数据将数据进行替换成一个新的画布,将我们的符号替换到画布上去,到这里我们就能吧单独的图片替换成字符画了

    def img2strimg(frame, K=3):
        # 读取矩阵的长度 有时返回两个值,有时三个值
        height, width, *_ = frame.shape
        # print(frame.shape)
        # 颜色空间转化 图片对象, 灰度处理
        frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # print(frame_gray)
        # 转换数据类型,将数据降维
        frame_array = np.float32(frame_gray.reshape(-1))
        # print(frame_array)
        # 得到labels(类别)、centroids(矩心) compactness(密度值)。
        # 如第一行6个像素labels=[0,2,2,1,2,0],则意味着6个像素分别对应着 第1个矩心、第3个矩心、第3、2、3、1个矩心。
        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)  # 转换成整形
        # labels的数个矩心以随机顺序排列,所以需要简单处理矩心.
        # 返回一个折叠成一维的数组
        centroids = centroids.flatten()
        # 排序
        centroids_sorted = sorted(centroids)
        # 获得不同centroids的明暗程度,0最暗
        centroids_index = np.array([centroids_sorted.index(value) for value in centroids])
        # 亮度设置
        bright = [abs((3 * i - 2 * K) / (3 * K)) for i in range(1, 1 + K)]
        bright_bound = bright.index(np.min(bright))
        # 背景阴影设置
        shadow = [abs((3 * i - K) / (3 * K)) for i in range(1, 1 + K)]
        shadow_bound = shadow.index(np.min(shadow))
        # 返回一个折叠成一维的数组
        labels = labels.flatten()
        print(labels)
        # 将labels转变为实际的明暗程度列表,0最暗。
        labels = centroids_index[labels]
        print(labels)
        # 列表解析,每2*2个像素挑选出一个,组成(height*width*灰)数组。
        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)  # 创建长宽为原图三倍的白色画布。
    
        # 因为 字体大小为0.45时,每个数字占6*6个像素,而白底画布为原图三倍
        # 所以 需要原图中每2*2个像素中挑取一个,在白底画布中由6*6像素大小的数字表示这个像素信息。
        y = 0
        for rows in labels_picked:
            x = 0
            for cols in rows:
                if cols <= shadow_bound:
                    # 添加文字  图片,添加的文字,左上角坐标,字体,字体大小,颜色,字体粗细
                    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.合成视频

    将全部的图片数据在进行合成一个新的视频,视频数据尽量不要太大,帧数越细的话,生成的视频越大,可能好几个G

    def jpg_to_video(char_image_path, FPS):
        video_fourcc = cv2.VideoWriter_fourcc(*"MP42")  # 设置视频编码器,这里使用使用MP42编码器,可以生成更小的视频文件
        char_img_path_list = [char_image_path + r'/{}.jpg'.format(i) for i in range(1, number + 1)]  # 生成目标字符图片文件的路径列表
        char_img_test = Image.open(char_img_path_list[1]).size  # 获取图片的分辨率
        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('=======================')

    简易源码分享

    # from platypus import
    import os
    from PIL import Image, ImageFont, ImageDraw
    import cv2
    import random
    import numpy as np
    import threading
    
    
    # 将视频转换为图片 并进行计数,返回总共生成了多少张图片!
    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由视频一共生成了{}张图片!'.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)]  # 生成目标图片文件的路径列表
        task = 0
        for image_path in img_path_list:
            img_width, img_height = Image.open(image_path).size  # 获取图片的分辨率
            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):
        # 读取矩阵的长度 有时返回两个值,有时三个值
        height, width, *_ = frame.shape
        # print(frame.shape)
        # 颜色空间转化 图片对象, 灰度处理
        frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # print(frame_gray)
        # 转换数据类型,将数据降维
        frame_array = np.float32(frame_gray.reshape(-1))
        # print(frame_array)
        # 得到labels(类别)、centroids(矩心) compactness(密度值)。
        # 如第一行6个像素labels=[0,2,2,1,2,0],则意味着6个像素分别对应着 第1个矩心、第3个矩心、第3、2、3、1个矩心。
        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)  # 转换成整形
        # labels的数个矩心以随机顺序排列,所以需要简单处理矩心.
        # 返回一个折叠成一维的数组
        centroids = centroids.flatten()
        # 排序
        centroids_sorted = sorted(centroids)
        # 获得不同centroids的明暗程度,0最暗
        centroids_index = np.array([centroids_sorted.index(value) for value in centroids])
        # 亮度设置
        bright = [abs((3 * i - 2 * K) / (3 * K)) for i in range(1, 1 + K)]
        bright_bound = bright.index(np.min(bright))
        # 背景阴影设置
        shadow = [abs((3 * i - K) / (3 * K)) for i in range(1, 1 + K)]
        shadow_bound = shadow.index(np.min(shadow))
        # 返回一个折叠成一维的数组
        labels = labels.flatten()
        print(labels)
        # 将labels转变为实际的明暗程度列表,0最暗。
        labels = centroids_index[labels]
        print(labels)
        # 列表解析,每2*2个像素挑选出一个,组成(height*width*灰)数组。
        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)  # 创建长宽为原图三倍的白色画布。
    
        # 因为 字体大小为0.45时,每个数字占6*6个像素,而白底画布为原图三倍
        # 所以 需要原图中每2*2个像素中挑取一个,在白底画布中由6*6像素大小的数字表示这个像素信息。
        y = 0
        for rows in labels_picked:
            x = 0
            for cols in rows:
                if cols <= shadow_bound:
                    # 添加文字  图片,添加的文字,左上角坐标,字体,字体大小,颜色,字体粗细
                    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")  # 设置视频编码器,这里使用使用MP42编码器,可以生成更小的视频文件
        char_img_path_list = [char_image_path + r'/{}.jpg'.format(i) for i in range(1, number + 1)]  # 生成目标字符图片文件的路径列表
        char_img_test = Image.open(char_img_path_list[1]).size  # 获取图片的分辨率
        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)  # 返回图片数据 (高度, 宽度,通道数)
            print(img)
            # 若字符画结果不好,可以尝试更改K为3。若依然无法很好地表现原图,请换图尝试。 -_-||
            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)

    感谢各位的阅读,以上就是“如何利用Python字符画生成甜心教主”的内容了,经过本文的学习后,相信大家对如何利用Python字符画生成甜心教主这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是亿速云,小编将为大家推送更多相关知识点的文章,欢迎关注!

    向AI问一下细节

    免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

    AI