第利用Python字符畫生成甜心教主目錄工具準備項目效果展示項目思路解析1.視頻拆分成視頻2.將圖片轉(zhuǎn)換字符畫3.合成視頻簡易源碼分享字符畫：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(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(shù)基礎(chǔ)，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?qū)⒁粡垐D片輕而易舉地轉(zhuǎn)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(zhuǎn)換成字符畫的視頻，首先自備一段教主的視頻，在將視頻進行拆分，拆分成一張張單獨的圖片，因為我們轉(zhuǎn)成字符畫其實本質(zhì)上就是轉(zhuǎn)化成圖片數(shù)據(jù)

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(shù)據(jù)的話只有黑白，顏色更好把控，把圖片數(shù)據(jù)轉(zhuǎn)化成一個數(shù)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(shù)組根據(jù)亮度情況進行替換，根據(jù)亮度情況亮一點的用數(shù)字，稍稍暗一點的用1，白的用空白，將視頻里的圖片數(shù)據(jù)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(shù)據(jù)保存在文件夾里，使用數(shù)字來保存圖片名，也方便我們在之后進行提取圖片數(shù)據(jù)進行使用

#將視頻轉(zhuǎn)換為圖片并進行計數(shù)，返回總共生成了多少張圖片！

defvideo_to_pic(vp):

#vp=cv2.VideoCapture(video_path)

number=0

ifvp.isOpened():

r,frame=vp.read()

ifnotos.path.exists('cache_pic'):

os.mkdir('cache_pic')

os.chdir('cache_pic')

else:

r=False

whiler:

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("..")

returnnumber

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)進行轉(zhuǎn)換，首先通過cv2進行圖片讀取，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)進行灰度處理，我們需要用他的顏色用來區(qū)分他的數(shù)據(jù)樣式，所以只能灰度來實現(xiàn)，在使用numpy進行數(shù)據(jù)轉(zhuǎn)換，將獲取到的矩陣數(shù)據(jù)進行降維，轉(zhuǎn)換成一個類似列表的數(shù)據(jù)信息，使用kmeans算法對圖像數(shù)據(jù)進行分類，設(shè)置他的矩陣中心數(shù)，最大迭代數(shù)，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(shù)據(jù)轉(zhuǎn)換成整數(shù)，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(jù)亮度數(shù)據(jù)將數(shù)據(jù)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

defimg2strimg(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(zhuǎn)化圖片對象，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個像素labels=[0,2,2,1,2,0],則意味著6個像素分別對應(yīng)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(zhuǎn)換成整形

#labels的數(shù)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(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)forvalueincentroids])

#亮度設(shè)置

bright=[abs((3*i-2*K)/(3*K))foriinrange(1,1+K)]

bright_bound=bright.index(np.min(bright))

#背景陰影設(shè)置

shadow=[abs((3*i-K)/(3*K))foriinrange(1,1+K)]

shadow_bound=shadow.index(np.min(shadow))

#返回一個折疊成一維的數(shù)組

labels=labels.flatten()

print(labels)

#將labels轉(zhuǎn)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(shù)組。

labels_picked=[labels[rows*width:(rows+1)*width:2]forrowsinrange(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(shù)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(shù)字表示這個像素信息。

y=0

forrowsinlabels_picked:

x=0

forcolsinrows:

ifcols=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)

elifcols=bright_bound:

cv2.putText(canvas,"-",(x,y),cv2.FONT_HERSHEY_PLAIN,0.4,0,1)

x+=6

y+=6

returncanvas

3.合成視頻

將全部的圖片數(shù)據(jù)在進行合成一個新的視頻，視頻數(shù)據(jù)盡量不要太大，幀數(shù)越細的話，生成的視頻越大，可能好幾個G

defjpg_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)foriinrange(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

ifnotos.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

forimage_pathinchar_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('================