字符画：python基础篇：字符画生成~甜心教主

前言

大家好，我是王心凌~~ 不对，我是辣条哥
最近着实被唤起当年的青葱回忆了，回忆的同时当然也不会忘记给大家整个趣味小例子，今天我们就整一个王心凌字符画吧~

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。

目录

• • 前言
  • 工具准备
  • 项目效果展示
  • 项目思路解析
  • • 第一步视频拆分成视频
    • 将图片转换字符画
    • 合成视频
  • 简易源码分享

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

第一步视频拆分成视频

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

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

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 importimport osfrom PIL import Image, ImageFont, ImageDrawimport cv2import randomimport numpy as npimport 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 numberdef 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 0def 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 canvasdef 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)