利用Python字元畫生成甜心教主

2022-05-28 14:00:22

字元畫：字元畫是一系列字元的組合，我們可以把字元看作是比較大塊的畫素，一個字元能表現一種顏色，字元的種類越多，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製出字元畫，首先要有紮實的美術基礎，其次還要花費大量的時間和精力。但是我們可以使用Python，只需要幾行程式碼，就能夠將一張圖片輕而易舉地轉化為一個字元畫。

工具準備

開發工具：pycharm

開發環境：python3.7， Windows10

使用工具包：PIL， cv2， numpy

專案效果展示

專案思路解析

首先我們先將這個專案思路進行明確定位，把我們甜心教主的視訊轉換成字元畫的視訊，首先自備一段教主的視訊，在將視訊進行拆分，拆分成一張張單獨的圖片，因為我們轉成字元畫其實本質上就是轉化成圖片資料

然後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，灰度資料的話只有黑白，顏色更好把控，把圖片資料轉化成一個陣列，通過k聚類演演算法把影象進行聚類劃分，在將劃分的圖片陣列根據亮度情況進行替換，根據亮度情況亮一點的用數位，稍稍暗一點的用1，白的用空白，將視訊裡的圖片資料進行全部替換，在將替換好的圖片組合成一個視訊

1.視訊拆分成視訊

首先使用cv2.VideoCapture進行視訊進行抽幀，將抽幀好的圖片使用read方式進行讀取，把讀取好的資料儲存在資料夾裡，使用數位來儲存圖片名，也方便我們在之後進行提取圖片資料進行使用

# 將視訊轉換為圖片 並進行計數，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由視訊一共生成了{}張圖片！'.format(number))
    os.chdir("..")
    return number

2.將圖片轉換字元畫

迴圈取出資料夾裡面所有的圖片資料進行轉換，首先通過cv2進行圖片讀取，獲取到他的圖片資料通道，獲取到圖片資料的3通道rgb的資料資訊，在將資料進行灰度處理，我們需要用他的顏色用來區分他的資料樣式，所以只能灰度來實現，在使用numpy進行資料轉換，將獲取到的矩陣資料進行降維，轉換成一個類似列表的資料資訊，使用kmeans演演算法對影象資料進行分類，設定他的矩陣中心數，最大迭代數，以及試錯等級，k聚類演演算法可以自行了解，會給我們返回labels(類別)、centroids(矩心) compactness(密度值)，將矩心進行資料轉換成整數，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，在根據亮度資料將資料進行替換成一個新的畫布，將我們的符號替換到畫布上去,到這裡我們就能吧單獨的圖片替換成字元畫了

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 圖片物件， 灰度處理
    frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    # print(frame_gray)
    # 轉換資料型別，將資料降維
    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個畫素labels=[0,2,2,1,2,0],則意味著6個畫素分別對應著 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.
    # 返回一個摺疊成一維的陣列
    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])
    # 亮度設定
    bright = [abs((3 * i - 2 * K) / (3 * K)) for i in range(1, 1 + K)]
    bright_bound = bright.index(np.min(bright))
    # 背景陰影設定
    shadow = [abs((3 * i - K) / (3 * K)) for i in range(1, 1 + K)]
    shadow_bound = shadow.index(np.min(shadow))
    # 返回一個摺疊成一維的陣列
    labels = labels.flatten()
    print(labels)
    # 將labels轉變為實際的明暗程度列表，0最暗。
    labels = centroids_index[labels]
    print(labels)
    # 列表解析，每2*2個畫素挑選出一個，組成（height*width*灰）陣列。
    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)  # 建立長寬為原圖三倍的白色畫布。

    # 因為 字型大小為0.45時，每個數位佔6*6個畫素，而白底畫布為原圖三倍
    # 所以 需要原圖中每2*2個畫素中挑取一個，在白底畫布中由6*6畫素大小的數位表示這個畫素資訊。
    y = 0
    for rows in labels_picked:
        x = 0
        for cols in rows:
            if cols <= shadow_bound:
                # 新增文字  圖片，新增的文字，左上角座標，字型，字型大小，顏色，字型粗細
                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.合成視訊

將全部的圖片資料在進行合成一個新的視訊，視訊資料儘量不要太大，幀數越細的話，生成的視訊越大，可能好幾個G

def jpg_to_video(char_image_path, FPS):
    video_fourcc = cv2.VideoWriter_fourcc(*"MP42")  # 設定視訊編碼器,這裡使用使用MP42編碼器,可以生成更小的視訊檔
    char_img_path_list = [char_image_path + r'/{}.jpg'.format(i) for i in range(1, number + 1)]  # 生成目標字元圖片檔案的路徑列表
    char_img_test = Image.open(char_img_path_list[1]).size  # 獲取圖片的解析度
    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('=======================')

簡易原始碼分享

# from platypus import
import os
from PIL import Image, ImageFont, ImageDraw
import cv2
import random
import numpy as np
import threading


# 將視訊轉換為圖片 並進行計數，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由視訊一共生成了{}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)]  # 生成目標圖片檔案的路徑列表
    task = 0
    for image_path in img_path_list:
        img_width, img_height = Image.open(image_path).size  # 獲取圖片的解析度
        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 圖片物件， 灰度處理
    frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    # print(frame_gray)
    # 轉換資料型別，將資料降維
    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個畫素labels=[0,2,2,1,2,0],則意味著6個畫素分別對應著 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.
    # 返回一個摺疊成一維的陣列
    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])
    # 亮度設定
    bright = [abs((3 * i - 2 * K) / (3 * K)) for i in range(1, 1 + K)]
    bright_bound = bright.index(np.min(bright))
    # 背景陰影設定
    shadow = [abs((3 * i - K) / (3 * K)) for i in range(1, 1 + K)]
    shadow_bound = shadow.index(np.min(shadow))
    # 返回一個摺疊成一維的陣列
    labels = labels.flatten()
    print(labels)
    # 將labels轉變為實際的明暗程度列表，0最暗。
    labels = centroids_index[labels]
    print(labels)
    # 列表解析，每2*2個畫素挑選出一個，組成（height*width*灰）陣列。
    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)  # 建立長寬為原圖三倍的白色畫布。

    # 因為 字型大小為0.45時，每個數位佔6*6個畫素，而白底畫布為原圖三倍
    # 所以 需要原圖中每2*2個畫素中挑取一個，在白底畫布中由6*6畫素大小的數位表示這個畫素資訊。
    y = 0
    for rows in labels_picked:
        x = 0
        for cols in rows:
            if cols <= shadow_bound:
                # 新增文字  圖片，新增的文字，左上角座標，字型，字型大小，顏色，字型粗細
                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")  # 設定視訊編碼器,這裡使用使用MP42編碼器,可以生成更小的視訊檔
    char_img_path_list = [char_image_path + r'/{}.jpg'.format(i) for i in range(1, number + 1)]  # 生成目標字元圖片檔案的路徑列表
    char_img_test = Image.open(char_img_path_list[1]).size  # 獲取圖片的解析度
    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)  # 返回圖片資料 （高度， 寬度，通道數）
        print(img)
        # 若字元畫結果不好，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)

到此這篇關於利用Python字元畫生成甜心教主的文章就介紹到這了,更多相關Python字元畫內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！