利用Python字符畫生成甜心教主
更新時間：2022年05月28日 09:00:44 作者：五包辣條！
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，一個字符能表現一種顏色，字符的種類越多，可以表現的顏色也越多，圖片也會更有層次感。?本文將利用Python字符畫繪制一個甜心教主王心凌，需要的可以參考一下
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，一個字符能表現一種顏色，字符的種類越多，可以表現的顏色也越多，圖片也會更有層次感。 如果我們想要手工繪制出字符畫，首先要有扎實的美術基礎，其次還要花費大量的時間和精力。但是我們可以使用Python，只需要幾行代碼，就能夠將一張圖片輕而易舉地轉化為一個字符畫。
工具準備
開發(fā)工具：pycharm
開發(fā)環(huán)境：python3.7， Windows10
使用工具包：PIL， cv2， numpy
項目效果展示
項目思路解析
首先我們先將這個項目思路進行明確定位，把我們甜心教主的視頻轉換成字符畫的視頻，首先自備一段教主的視頻，在將視頻進行拆分，拆分成一張張單獨的圖片，因為我們轉成字符畫其實本質上就是轉化成圖片數據
然后在對每一張圖片進行灰度處理，我們做個相對來說簡單一點的，灰度數據的話只有黑白，顏色更好把控，把圖片數據轉化成一個數組，通過k聚類算法把圖像進行聚類劃分，在將劃分的圖片數組根據亮度情況進行替換，根據亮度情況亮一點的用數字，稍稍暗一點的用1，白的用空白，將視頻里的圖片數據進行全部替換，在將替換好的圖片組合成一個視頻
1.視頻拆分成視頻
首先使用cv2.VideoCapture進行視頻進行抽幀，將抽幀好的圖片使用read方式進行讀取，把讀取好的數據保存在文件夾里，使用數字來保存圖片名，也方便我們在之后進行提取圖片數據進行使用
# 將視頻轉換為圖片 并進行計數，返回總共生成了多少張圖片！
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{}張圖片！'.format(number))
os.chdir("..")
return number
2.將圖片轉換字符畫
循環(huán)取出文件夾里面所有的圖片數據進行轉換，首先通過cv2進行圖片讀取，獲取到他的圖片數據通道，獲取到圖片數據的3通道rgb的數據信息，在將數據進行灰度處理，我們需要用他的顏色用來區(qū)分他的數據樣式，所以只能灰度來實現，在使用numpy進行數據轉換，將獲取到的矩陣數據進行降維，轉換成一個類似列表的數據信息，使用kmeans算法對圖像數據進行分類，設置他的矩陣中心數，最大迭代數，以及試錯等級，k聚類算法可以自行了解，會給我們返回labels(類別)、centroids(矩心) compactness(密度值)，將矩心進行數據轉換成整數，我們可以更好的替換符號，對矩心進行排序，矩心大的說明顏色越暗，矩心小的越淡，在根據亮度數據將數據進行替換成一個新的畫布，將我們的符號替換到畫布上去,到這里我們就能吧單獨的圖片替換成字符畫了
def img2strimg(frame, K=3):
# 讀取矩陣的長度 有時返回兩個值，有時三個值
height, width, *_ = frame.shape
# print(frame.shape)
# 顏色空間轉化 圖片對象， 灰度處理
frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# print(frame_gray)
# 轉換數據類型，將數據降維
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個像素labels=[0,2,2,1,2,0],則意味著6個像素分別對應著 第1個矩心、第3個矩心、第3、2、3、1個矩心。
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) # 轉換成整形
# labels的數個矩心以隨機順序排列，所以需要簡單處理矩心.
# 返回一個折疊成一維的數組
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))
# 返回一個折疊成一維的數組
labels = labels.flatten()
print(labels)
# 將labels轉變?yōu)閷嶋H的明暗程度列表，0最暗。
labels = centroids_index[labels]
print(labels)
# 列表解析，每2*2個像素挑選出一個，組成（height*width*灰）數組。
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)建長寬為原圖三倍的白色畫布。
# 因為 字體大小為0.45時，每個數字占6*6個像素，而白底畫布為原圖三倍
# 所以 需要原圖中每2*2個像素中挑取一個，在白底畫布中由6*6像素大小的數字表示這個像素信息。
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，字體，字體大小，顏色，字體粗細
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
將全部的圖片數據在進行合成一個新的視頻，視頻數據盡量不要太大，幀數越細的話，生成的視頻越大，可能好幾個G
def jpg_to_video(char_image_path, FPS):
video_fourcc = cv2.VideoWriter_fourcc(*"MP42") # 設置視頻編碼器,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
# 將視頻轉換為圖片 并進行計數，返回總共生成了多少張圖片！
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{}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):
# 讀取矩陣的長度 有時返回兩個值，有時三個值
height, width, *_ = frame.shape
# print(frame.shape)
# 顏色空間轉化 圖片對象， 灰度處理
frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# print(frame_gray)
# 轉換數據類型，將數據降維
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個像素labels=[0,2,2,1,2,0],則意味著6個像素分別對應著 第1個矩心、第3個矩心、第3、2、3、1個矩心。
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) # 轉換成整形
# labels的數個矩心以隨機順序排列，所以需要簡單處理矩心.
# 返回一個折疊成一維的數組
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))
# 返回一個折疊成一維的數組
labels = labels.flatten()
print(labels)
# 將labels轉變?yōu)閷嶋H的明暗程度列表，0最暗。
labels = centroids_index[labels]
print(labels)
# 列表解析，每2*2個像素挑選出一個，組成（height*width*灰）數組。
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)建長寬為原圖三倍的白色畫布。
# 因為 字體大小為0.45時，每個數字占6*6個像素，而白底畫布為原圖三倍
# 所以 需要原圖中每2*2個像素中挑取一個，在白底畫布中由6*6像素大小的數字表示這個像素信息。
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，字體，字體大小，顏色，字體粗細
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) # 返回圖片數據 （高度， 寬度，通道數）
print(img)
# 若字符畫結果不好，可以嘗試更改K為3。若依然無法很好地表現原圖，請換圖嘗試。 -_-||
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)
到此這篇關于利用Python字符畫生成甜心教主的文章就介紹到這了,更多相關Python字符畫內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
本文主要介紹了兩種在Python中獲取列表中指定元素索引的方法,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2025-01-01
這篇文章主要介紹了用python來制作的一個守護類小游戲兔子獵人守護城堡，文中的示例代碼介紹得很詳細，感興趣的小伙伴快來跟隨小編一起學習學習吧2021-12-12
Python英文文章詞頻統(tǒng)計(14份劍橋真題詞頻統(tǒng)計)
這篇文章主要介紹了Python英文文章詞頻統(tǒng)計(14份劍橋真題詞頻統(tǒng)計)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-10-10
這篇文章主要介紹了簡單了解python裝飾器原理及使用方法,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-12-12
這篇文章主要介紹了Python的flask常用函數route()，文章圍繞主題展開詳細的內容介紹，具有一定的參考價值，需要的小伙伴可以參考一下2022-07-07
在本篇文章里小編給大家整理的是一篇關于Python裝飾器的相關知識點內容，需要的朋友們可以學習下。2020-06-06
這篇文章主要為大家詳細介紹了pytorch構建網絡模型的4種方法，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-04-04
這篇文章主要為大家介紹了pymilvus?offset參數不生效解決示例,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2023-09-09
如何用python復制粘貼excel指定單元格(可保留格式)
這篇文章主要給大家介紹了關于如何用python復制粘貼excel指定單元格(可保留格式)的相關資料,利用python操作excel非常方便,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2023-07-07
在日常工作和生活中,我們經常需要發(fā)送郵件,手動發(fā)送郵件不僅繁瑣,而且容易出錯,下面我們就來看看如何使用Python實現批量郵件自動化操作吧2025-02-02