利用Python字符画生成甜心教主

第利用Python字符画生成甜心教主目录工具准备项目效果展示项目思路解析1.视频拆分成视频2.将图片转换字符画3.合成视频简易源码分享字符画：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

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

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！

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由视频一共生成了{}张图片！'.format(number))

os.chdir("..")

returnnumber

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

defimg2strimg(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)forvalueincentroids])

#亮度设置

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

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

#背景阴影设置

shadow=[abs((3*i-K)/(3*K))foriinrange(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]forrowsinrange(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

forrowsinlabels_picked:

x=0

forcolsinrows:

ifcols=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)

elifcols=bright_bound:

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

x+=6

y+=6

returncanvas

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

defjpg_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)foriinrange(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

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('================