使用Python生成甜心教主王心凌字符画实例教程

五包辣条！ 2024-08-14 17:14:28编程技术

124

在数字艺术的世界里，字符画(ASCII Art)以其独特的魅力吸引着众多创作者和爱好者。字符画利用简单的文本字符来描绘图像，这种艺术形式既古老又现代。在本文中，我们将通过Python编程，生成甜心教主王心凌的字符画，展示如何将编程技术和艺术创作相结合。这不仅是一次技术实践，也是一次别具一格的艺术创作之旅。

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

使用Python生成甜心教主王心凌字符画实例教程

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

使用Python生成甜心教主王心凌字符画实例教程

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！
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由视频一共生成了{}张图片！'.format(number))
    os.chdir("..")
    return number

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

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
    # 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) 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()
    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] 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

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

def jpg_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) for i in range(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
    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('=======================')

简易源码分享

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


# 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！
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由视频一共生成了{}张图片！'.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)]  # 生成目标图片文件的路径列表
    task = 0
    for image_path in img_path_list:
        img_width, img_height = Image.open(image_path).size  # 获取图片的分辨率
        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):
    # 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) 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()
    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] 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 jpg_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) for i in range(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
    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)
        # 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)

总结

通过本教程的学习，我们不仅掌握了使用Python生成字符画的基本技术，还体验了一种新颖的艺术创作方式。从图像处理到字符映射，每一步都展示了编程与艺术的完美结合。王心凌的甜美形象通过字符画的形式呈现出来，既是对她甜美气质的独特诠释，也是对字符画这一艺术形式的致敬。希望这篇教程能够激发更多人对字符画创作的兴趣，同时也鼓励大家在编程的世界里寻找更多的艺术可能性。

Python 字符画

本文来源于#五包辣条！，由@蜜芽整理发布。如若内容造成侵权/违法违规/事实不符，请联系本站客服处理!

该文章观点仅代表作者本人，不代表本站立场。本站不承担相关法律责任。

如若转载，请注明出处：https://www.zhanid.com/biancheng/1637.html

THE END

蜜芽

故事不长，也不难讲，四字概括，毫无意义。

关注