【Python实现代码视频/视频转字符画/代码风格视频】
该程序改良自GitHub开源项目VideoCharDraw
在源程序CharDraw_thread.py
带压缩和多线程版本字符画的基础上使用Tkinter
库添加了图形化
的操作,使用户操作体验更方便。
什么是视频字符画?
视频转字符画是一种将视频中的每一帧图像转换为由字符组成的图像表示的技术。通过将图像的像素信息映射到特定的字符集合中,可以用字符来近似地表示图像的内容。
在这个过程中,通常会对图像进行灰度化处理,然后根据像素的灰度值选择相应的字符来替代。较暗的像素可能会被映射为一些较密集的字符,而较亮的像素则可能会被映射为较稀疏的字符。
这样处理后的每帧图像看起来就像是由字符组成的画,将这些字符画按顺序组合起来,就可以形成一个视频的字符画版本。这种转换可以用于创造独特的视觉效果,或者在一些情况下,如低带宽环境或特殊的艺术表达中,用于减少视频的数据量或展示视频的基本内容。
视频字符画举例
比较典型的,耳熟能详的比如烂苹果
小黑子等
使用Python实现代码转字符画
import cv2
import os
import numpy as np
from PIL import Image, ImageDraw, ImageFont
import threading
import tkinter as tk
from tkinter import filedialog
from tkinter import simpledialogdef select_file_path(): #选择视频路径root = tk.Tk()root.withdraw() # 隐藏主窗口video_path = filedialog.askopenfilename() # 选择文件if video_path:print(f"Selected file path: {video_path}")return video_pathelse:print("No file selected.")def get_user_input(): # 线程数,建议CPU线程数-1root = tk.Tk()root.withdraw() # 隐藏主窗口thread_num = simpledialog.askinteger("输入线程", "请输入一个整数作为线程数:(建议设置为CPU线程数-1)")if thread_num is not None:print(f"User input: {thread_num}")return thread_numelse:print("No input provided.")
video_path = select_file_path()
thread_num = get_user_input()
out_path = "VideoTestOut/" # 输出目录
huaZhi = 1 # 清晰度,最低1,无上限# -----以下为程序使用变量-----#
video_info = []num = 0info = []
'''
图片转换成字符里面的相关大小,
为元组,第一个是resize的宽高,第二个是图片输出的宽高
'''video = cv2.VideoCapture(video_path)# 定义一个线程安全的队列来存储待处理的图片
image_queue = []# 获取视频信息
def getVideoInfo() -> list:ret = [](major_ver, minor_ver, subminor_ver) = cv2.__version__.split('.')if int(major_ver) < 3:fps = video.get(cv2.cv.CV_CAP_PROP_FPS)else:fps = video.get(cv2.CAP_PROP_FPS)ret.append(fps) # 视频帧数ret.append(video.read()[1].shape[0]) # 视频高度ret.append(video.read()[1].shape[1]) # 视频宽度return ret# 获取视频所有截图
def outVideoAllCapture():# 判断载入视频是否可以打开ret = video.isOpened()global num# 循环读取视频帧while ret:num = num + 1# 进行单张图片的读取,ret的值为True或者Flase,frame表示读入的图片ret, frame = video.read()if ret:cv2.imwrite(out_path + str(num) + '.jpg', frame)image_queue.append(out_path + str(num) + '.jpg') # 将图片路径加入队列cv2.waitKey(1)else:break# 单张图片转换成字符画
def imageToChar(filename, number):# 字符列表ascii_char = list("$@B%8&WM#*oahkbdpqwmZO0QLCJUYXzcvunxrjft/|()1{}[]?-_+~ <>i!lI;:,\"^`'. ")# 判断图片是否存在if os.path.exists(filename):# 将图片转化为灰度图像,并重设大小img_array = np.array(Image.open(filename).resize(info[0], Image.LANCZOS).convert('L')) # resize里面 宽, 高 输出宽高/7# 创建新的图片对象img = Image.new('L', info[1], 255) # 宽, 高draw_object = ImageDraw.Draw(img)# 设置字体font = ImageFont.truetype('consola.ttf', 10, encoding='unic')# 根据灰度值添加对应的字符for j in range(info[0][1]): # 是resize的高for k in range(info[0][0]): # 宽x, y = k * 8, j * 8index = int(img_array[j][k] / 4)draw_object.text((x, y), ascii_char[index], font=font, fill=0)# 保存字符图片img.save(out_path + str(number) + "g.jpg", 'JPEG')cv2.imwrite(out_path + str(number) + "g.jpg", cv2.imread(out_path + str(number) + "g.jpg"),[cv2.IMWRITE_JPEG_QUALITY, 2])os.remove(out_path + str(number) + '.jpg') # 删除原始图片print("已成功把第" + str(number) + "帧转换成字符画")# 工作线程函数
def worker():while True:if image_queue:filename = image_queue.pop(0)number = int(os.path.splitext(os.path.basename(filename))[0])imageToChar(filename, number)else:breakdef mergeImage():print("开始将图片合并成MP4视频")# global numvideoWriter = cv2.VideoWriter(out_path + 'out.mp4', cv2.VideoWriter_fourcc('m', 'p', '4', 'v'), video_info[0],info[1])for i in range(1, num):filename = out_path + str(i) + 'g.jpg'if os.path.exists(filename):img = cv2.imread(filename=filename)cv2.waitKey(100)videoWriter.write(img)print("完成图片合并成MP4视频")def deleteImg():print("开始删除转换图片")global numfor i in range(1, num):os.remove(out_path + str(i) + 'g.jpg')print("删除转换图片完毕")if __name__ == "__main__":if not os.path.exists(out_path): # 如果没有这个输出目录就创建os.makedirs(out_path)video_info = getVideoInfo() # 获取视频信息info.append((int(video_info[2] * huaZhi / 8), int(video_info[1] * huaZhi / 8))) # 添加计算设置数值info.append((int(video_info[2] * huaZhi / 8) * 8, int(video_info[1] * huaZhi / 8) * 8)) # 添加计算设置数值# print(info)outVideoAllCapture() # 截取视频所有帧threads = []for _ in range(thread_num): # 创建多个工作线程t = threading.Thread(target=worker)t.start()threads.append(t)for t in threads: # 等待所有工作线程完成t.join()mergeImage() # 合并图片成视频deleteImg() # 删除每一帧的字符画video.release()
代码解析
该程序的主要功能是将视频转换为字符画视频,具体实现步骤如下:
- 选择视频路径和线程数:
- 通过
select_file_path
函数使用tkinter
的filedialog
模块弹出文件选择对话框,让用户选择视频文件,并返回视频路径。 - 通过
get_user_input
函数使用tkinter
的simpledialog
模块弹出输入对话框,让用户输入线程数,并返回线程数。
- 通过
- 设置输出目录和清晰度:
- 定义输出目录
out_path
为"VideoTestOut/"。 - 定义清晰度
huaZhi
为1。
- 定义输出目录
- 获取视频信息:
- 在
getVideoInfo
函数中,根据cv2
的版本获取视频的帧率、高度和宽度信息。
- 在
- 截取视频所有帧:
- 在
outVideoAllCapture
函数中,读取视频帧并保存为图片,同时将图片路径添加到image_queue
队列中。
- 在
- 单张图片转换成字符画:
- 在
imageToChar
函数中,对每张图片进行灰度化处理,然后根据灰度值选择相应的字符来表示图像内容,并保存为字符图片。
- 在
- 工作线程处理:
- 创建多个工作线程,每个线程从
image_queue
中取出图片路径,调用imageToChar
函数进行转换。
- 创建多个工作线程,每个线程从
- 合并图片成视频:
- 在
mergeImage
函数中,将转换后的字符图片合并成MP4视频。
- 在
- 删除转换图片:
- 在
deleteImg
函数中,删除转换过程中生成的字符图片。
- 在
代码实现原理主要包括以下几个方面:
- 视频读取和处理:
- 使用
cv2.VideoCapture
读取视频,通过循环逐帧读取视频并保存为图片。 - 对图片进行灰度化和重设大小处理,然后根据灰度值将像素映射为字符,生成字符图片。
- 使用
- 多线程处理:
- 使用线程安全的队列
image_queue
存储待处理的图片路径。 - 创建多个线程,每个线程从队列中取出图片路径进行处理,提高转换效率。
- 使用线程安全的队列
- 图片合并和视频生成:
- 使用
cv2.VideoWriter
将字符图片合并成MP4视频。
- 使用
- 文件管理:
- 在输出目录中创建必要的文件夹和文件,保存图片和视频。
- 删除转换过程中生成的中间文件,如原始图片和字符图片。
其他
输出文件压缩
在函数imageToChar
里面的倒数第三行有一个
[cv2.IMWRITE_JPEG_QUALITY, 2]
这个是压缩的格式,后面那个2
可以变动,范围是1-100
以内
0的话就是死命压缩,不过画质不太好
如果想要看清楚字符的话可以考虑把这个调高一点,但相对应的
输出图片所占硬盘大小也会很高
如果你不想删除输出的图片的话,把倒数第四行那个daleteImg()给他注释掉就行
相关文章:

【Python实现代码视频/视频转字符画/代码风格视频】
该程序改良自GitHub开源项目VideoCharDraw 在源程序CharDraw_thread.py 带压缩和多线程版本字符画的基础上使用Tkinter库添加了图形化的操作,使用户操作体验更方便。 什么是视频字符画? 视频转字符画是一种将视频中的每一帧图像转换为由字符组成的图…...

基于级联深度学习算法的前列腺病灶检测在双参数MRI中的评估| 文献速递-基于深度学习的乳房、前列腺疾病诊断系统
Title 题目 Evaluation of a Cascaded Deep Learning–based Algorithm for Prostate Lesion Detection at Biparametric MRI 基于级联深度学习算法的前列腺病灶检测在双参数MRI中的评估 Background 背景 Multiparametric MRI (mpMRI) improves prostate cancer (PCa) de…...

基于STM32开发的智能门铃系统
目录 引言环境准备工作 硬件准备软件安装与配置系统设计 系统架构硬件连接代码实现 初始化代码控制代码应用场景 家庭门铃系统智能社区门禁管理常见问题及解决方案 常见问题解决方案结论 1. 引言 智能门铃系统结合了传统门铃功能与现代技术,通过摄像头、麦克风、…...

【WebRTC指南】远程视频流
远程视频流使用入门 RTCPeerConnection 连接到远程对等设备后,就可以在它们之间流式传输音频和视频。此时,我们会将从 getUserMedia() 收到的数据流连接到 RTCPeerConnection。媒体流包含至少一个媒体轨道,当我们想将媒体传输到远程对等设备时,它们会分别添加到 RTCPeerCo…...

前端构建URL的几种方法比对,以及函数实现
当我们在前端开发中处理 URL 时,可能会用到字符串拼接、ES6 模板语法 (template literals) 或者使用 new URL() 构造函数。这三者各有优劣,适用于不同的场景。 1. 字符串拼接与 ES6 模板语法 字符串拼接 和 ES6 模板语法 都是将不同的字符串片段组合在…...

场外个股期权如何发出行权指令?
场外期权行权指令也就是平仓指令的意思,一般场外个股期权交易有三种方式开仓和行权平仓指令,分别是市价,限价和半小时询价,跟普通股票的买卖和交易方式类似,唯一区别是手动发出场外个股期权的行权指令,下文…...

AH8681锂电升压3.7升5V升12V 2A可支持QC2.0 3.0
135.3806.7573在探讨AH8681这款专为3.7V升压5V至12V,并具备2A输出能力,同时兼容QC2.0与QC3.0快充协议的升压芯片时,我们不得不深入其技术细节、应用场景、设计优势以及市场定位等多个维度,以全面理解其在现代电子设备中的重要作用…...

那些年我们一起遇到过的奇技淫巧
EVAL长度限制突破技巧 PHP Eval函数参数限制在16个字符的情况下 ,如何拿到Webshell? 写一段限制长度在小于17位的字符,拿下webshell <?php highlight_file(__FILE__); $param $_REQUEST[param]; if (strlen($param) < 17 &&am…...

机器学习笔记:编码器与解码器
目录 介绍 组成结构 代码实现 编码器 解码器 合并编码器-解码器 思考 介绍 在机器翻译中,输入的序列与输出的序列经常是长度不相等的序列,此时,像自然语言处理这种直接使用循环神经网络或是门控循环单元的方法就行不通了。因此&#x…...

加密狗创新解决方案助力工业自动化
面临的挑战 早在1991年,COPA-DATA就认识到需要一个既能提供长期保护又能灵活应对的解决方案,以防止软件盗版并确保客户在各种复杂的工业环境下能够顺利使用其产品。这一解决方案不仅要兼容Windows系统,还必须在网络连接受限的情况下ÿ…...

浅谈文件缓冲区和翻译环境
文章目录 1、文件缓冲区2、程序环境A、翻译过程概述B、详解编译和链接a、编译b、链接 1、文件缓冲区 ANSIC 标准采用”文件缓冲系统“处理数据文件,即在文件的读写过程中会使用到文件缓冲区,而文件缓冲区分为输入缓冲区和输出缓冲区。 读写文件 写文件…...

《腾讯NCNN框架的模型转换x86/mips交叉编译推理》详细教程
NCNN的编译运行交叉编译 1.在Ubuntu上编译运行ncnn1)编译ncnn x86 linux2)测试ncnn x86 linux 2. 模型转换1)onnx2)pnnx 3.在x86上加载推理模型1)准备工作2)编写C推理代码3)编写Cmakelist编译 4.在MIPS上进行交叉编译推理1&#x…...

关于近期安卓开发书籍阅读观后感
概述 由于笔者是Java转Android,对于安卓相关知识欠缺,故找一些入门和进阶书籍观看。笔者搜到的相关的安卓推荐博客:【Android – 学习】学习资料汇总_android书籍强烈推荐-CSDN博客相对来说比较全面。 阅读历程 笔者先阅读的是郭霖老师的…...

Servlet——个人笔记
Servlet——个人笔记 文章目录 [toc]Servlet简介Servlet命名Servlet由来实现过程 Servlet 相对 CGI 的优势简要说说什么是CGI Servlet 在IDEA中开发流程Servlet注解方式配置WebServlet注解源码WebServlet注解使用 Servlet常见容器Servlet 生命周期简介测试 Servlet 方法init()…...

富格林:戳穿虚假交易保证安全
富格林指出,虚假交易亏损骗局一直以来都是投资者的诟病。不少投资者来到这个赛道的目的铁定是为了安全盈利增值财富,因此如何去杜绝虚假交易便成了当务之急。实际上,有不少投资技巧可以为保障我们的交易安全带来一些庇护。下面富格林就给大家…...

Linux学习——文本处理工具与正则表达式
目录 一,grep 1,grep介绍 2,grep的常用选项 3,grep使用演示 1,基本使用 直接查找字符串: 使用选项 2,使用正则表达式进行匹配 1,正则表达式介绍 2,使用范例 二&…...

大厂进阶四:React源码Fiber架构解析
本文主要内容: 1、React Concurrent 2、React15架构 3、React16架构 4、Fiber架构 5、任务调度循环和fiber构造循环区别 一、React Concurrent React在解决CPU卡顿是会用到React Concurrent的概念,它是React中的一个重要特性和模块,主要的…...

MongoDB的WiredTiger存储引擎
作者:太阳 从MongoDB 3.2 开始,MongoDB实例默认的存储引擎为WiredTiger,WiredTiger存储引擎具体以下几大优点: 文档级并发 将数据持久化到磁盘 快照和checkpoint 数据压缩 本地数据加密 一、文档级别并发 1、WiredTiger使…...

windows 版本Jenkins的Jenkinsfile中共享变量
场景 jenkins部署在windows服务器上的,需要在Jenkinsfile中获取命令执行的结果存入一个变量,然后在后续的执行中使用此变量 一开始想的是定义一个环境变量,如下所示, pipeline {agent anystages {stage(test) {steps {bat for /…...

Android-->产物收集(含apk文件重命名, aab文件重命名)
以前写过修改apk生成路径和文件名的文章, 如下: AS–›Gradle 7.0.0/4.1.0/4.0/3.3/3.0 修改APK生成路径和文件名(附AAR修改方式以及分析过程)_com.android.build.gradle.internal.api.libraryvaria-CSDN博客 这种方法入侵了gradle,破坏了原有的gradle环境, 经常会导致如下问…...

matlab实现迷宫最佳路径规划
在MATLAB中实现迷宫路径的最佳路径规划,我们可以使用多种算法,其中最常见和高效的是A搜索算法(A Search Algorithm)。A*算法结合了最佳优先搜索和Dijkstra算法的优点,通过启发式函数来评估每个节点的优先级,…...

【自用】Python爬虫学习(二):网页解析的三种方式(re、bs4、xpath)
Python爬虫学习(二) 网页解析的三种方式1.正则表达式-re解析常用表达:re常用函数:在html中的运用: 2.BeautifulSoup解析常用语法:用法举例: 3.xpath解析示例代码1:示例代码2…...

从零到一:家政保洁小程序搭建全攻略与功能作用深度解析
目录 一、家政保洁小程序主要功能 二、家政保洁小程序搭建教程 (一)前期准备 (二)注册与选择工具 (三)设计与开发 (四)测试与优化 (五)发布与推广 一、…...

单元测试:为工程质量保驾护航
单元测试 单元测试是软件开发过程中确保代码质量和正确性的关键手段。它指的是对软件中的最小可测试单元(通常是函数或方法)进行验证,确保其行为符合预期。 基本概念 单元测试:验证软件中最小单元(通常是函数或方法…...

江协科技STM32学习笔记
第01章 STM32简介及开发环境搭建 1.1 STM32简介 1.1.1 STM32F103C8T6 系列:主流系列STM32F1 内核:ARM Cortex-M3 主频:72MHz RAM:20K(SRAM) ROM:64K(Flash) 供电…...

RabbitMQ再回首--往事如梦
这文章你就读吧,越读越🥸,一读一个不吱声 可靠的🐰警官:rabbitMQ,功能全面,不丢数据,体量小,容易堆积 声明exchange channel . exchangeDeclare ( String exchange , …...

头狼择校小程序
综述介绍 头狼择校,是头狼择™高校的简称,我们专注高校、大学的择校。倡导先嗅就业再择校,是预约工具和对话平台。帮您嗅招办、嗅教授、嗅学姐,预约择校有关的老师、顾问,助力考大学和考研的“双考”学生及家长了解就…...

【Electron】npm安装Electron项目失败报错问题和解决办法
前言 闲来无事,便想着研究一下Electron,没想到安装直接就卡住了 问题 npm ERR! RequestError: Hostname/IP does not match certificates altnames: Host: npm.taobao.org. is not in the certs altnames: DNS:*.tbcdn.cn, DNS:*.taobao.com, DNS:*.al…...

人工智能提示(prompt)工程入门
文章目录 人工智能提示(prompt)工程入门一、目的二、使用1、角色2、提示3、上下文4、例子5、输入6、输出 三、使用示例 人工智能提示(prompt)工程入门 一、目的 对于当前的发达的人工智能,我们可以广泛使用࿰…...

【机器学习的基本思想】模型优化与评估
【作者主页】Francek Chen 【专栏介绍】 ⌈ ⌈ ⌈Python机器学习 ⌋ ⌋ ⌋ 机器学习是一门人工智能的分支学科,通过算法和模型让计算机从数据中学习,进行模型训练和优化,做出预测、分类和决策支持。Python成为机器学习的首选语言,…...