字符画是什么？
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。
那么我们能将一张图片转化为一个字符画，我们能否将一个视频转化为一个字符画视频呢？
答案当然可以的啦！视频不就是由一张张图片组成的
文章结尾附完整代码
项目效果展示
首先我们要准备自己要转化的视频
导入本次项目需要的包
import os
from PIL import Image
import cv2
import random
import numpy as np接着将视频转化为图片
# 将视频转换为图片 并进行计数
def video_to_pic(vp):
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()
os.chdir("..")
return number效果：
接着将我们转化的图片在转化为字符画
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
# 颜色空间转化 图片对象， 灰度处理
frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 转换数据类型，将数据降维
frame_array = np.float32(frame_gray.reshape(-1))
# 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)
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()
# 将labels转变为实际的明暗程度列表，0最暗。
labels = centroids_index[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效果：
最后我们将所有的字符画合成为MP4视频
def charts2video(img_path, video_path):
"""将给定目录下的图片转成视频
Args:
img_path: 图片路径
video_path: 输出视频的路径和名称
Returns: 图片转成的视频
"""
images = os.listdir(img_path)
images.sort(key=lambda x: int(x[:-4])) # 以名称字符串的数字从小到大排序
fps = 30 # 帧数
fourcc = cv2.VideoWriter_fourcc('M', 'P', '4', 'V')
im = Image.open(img_path + images[0])
video_writer = cv2.VideoWriter(video_path, fourcc, fps, im.size)
for img_i in images:
frame = cv2.imread(img_path + img_i)
print('开始将 ' + img_i + ' 加入视频\n')
video_writer.write(frame) # 注意：图片尺寸必须和视频尺寸一样，不然不会被加入视频中！！！
video_writer.release()当然还差一个我们的主函数
if __name__ == '__main__':
video_path = 'xiaoye.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)
FPS = vp.get(cv2.CAP_PROP_FPS)
star_to_char(number, save_pic_path)
charts2video(save_charpic_path,'char_video.mp4')其中 video_path就是我们需要转化的视频的名字，最后一行的'char_video.mp4'就是我们最后要保存字符画视频的名字，这个自己随便起，其他的不用修改即可使用
最后的文件目录是这样的
最最最后就是本次项目的完整代码：
import os
from PIL import Image
import cv2
import random
import numpy as np
# 将视频转换为图片 并进行计数
def video_to_pic(vp):
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()
os.chdir("..")
return number
def star_to_char(number, save_pic_path):
if not os.path.exists('cache_char'):
os.mkdir('cache_char')
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
# 颜色空间转化 图片对象， 灰度处理
frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 转换数据类型，将数据降维
frame_array = np.float32(frame_gray.reshape(-1))
# 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)
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()
# 将labels转变为实际的明暗程度列表，0最暗。
labels = centroids_index[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 charts2video(img_path, video_path):
"""将给定目录下的图片转成视频
Args:
img_path: 图片路径
video_path: 输出视频的路径和名称
Returns: 图片转成的视频
"""
images = os.listdir(img_path)
images.sort(key=lambda x: int(x[:-4])) # 以名称字符串的数字从小到大排序
fps = 30 # 帧数
fourcc = cv2.VideoWriter_fourcc('M', 'P', '4', 'V')
im = Image.open(img_path + images[0])
video_writer = cv2.VideoWriter(video_path, fourcc, fps, im.size)
for img_i in images:
frame = cv2.imread(img_path + img_i)
print('开始将 ' + img_i + ' 加入视频\n')
video_writer.write(frame) # 注意：图片尺寸必须和视频尺寸一样，不然不会被加入视频中！！！
video_writer.release()
if __name__ == '__main__':
video_path = 'xiaoye.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)
FPS = vp.get(cv2.CAP_PROP_FPS)
star_to_char(number, save_pic_path)
charts2video(save_charpic_path,'char_video.mp4')其中cv2使用pip install opencv安装
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
