Python趣味編程實(shí)現(xiàn)手繪風(fēng)視頻示例
在正文開始之前,先看一下最初效果,下面是單張圖片轉(zhuǎn)換前后對(duì)比
圖一
圖二
圖三
為了增加趣味性,后面將這段代碼應(yīng)用到一個(gè)視頻中,加上一個(gè)背景音樂,新鮮的 “手繪風(fēng)視頻” 出爐
Python 手繪風(fēng)視頻制作!
“手繪風(fēng)”實(shí)現(xiàn)步驟
講解之前,需要了解手繪圖像的三個(gè)主要特點(diǎn):
- 圖片需為灰度圖,是單通道的;
- 邊緣部分線條較重涂抹為黑色,相同或相近像素值轉(zhuǎn)換后趨于白色;
- 在光源效果的加持下,灰度變化可模擬人類視覺的遠(yuǎn)近效果
讀取圖片,轉(zhuǎn)化為數(shù)組
因?yàn)楹竺嬉玫较袼赜?jì)算,為了方便,事先將讀取后的圖片轉(zhuǎn)化為數(shù)組
a = np.asarray(Image.open("Annie1.jpg").convert('L')).astype('float')
計(jì)算 x,y,z 軸梯度值,并歸一化
剛才提到手繪照片的一個(gè)特點(diǎn),就是 手繪照片對(duì)邊緣區(qū)域更加側(cè)重,定位圖片邊緣部分,最有效方式就是計(jì)算梯度,用灰度變化來模擬圖片遠(yuǎn)近效果,depth 表示預(yù)設(shè)深度,z 軸默認(rèn)梯度為 1
depth = 10. # (0-100) grad = np.gradient(a) # 取圖像灰度的梯度值 grad_x, grad_y = grad # 分別取橫縱圖像梯度值 grad_x = grad_x * depth / 100. grad_y = grad_y * depth / 100.
對(duì)梯度值完成歸一化操作
A = np.sqrt(grad_x ** 2 + grad_y ** 2 + 1.) uni_x = grad_x / A uni_y = grad_y / A uni_z = 1. / A
加入光源效果
手繪風(fēng)圖片除了計(jì)算梯度值之外,還需要考慮光源影響;根據(jù)光源入射的角度不同最有對(duì)x,y,z 各軸上的梯度值有不同程度的影響,添加一個(gè)模擬光源,放置在斜上方,與 x , y 分別形成兩個(gè)夾角
并且這兩個(gè)夾角是通過實(shí)驗(yàn)得到是已知的,然后根據(jù)正弦余弦函數(shù)計(jì)算出最終新的像素值
vec_el = np.pi / 2.2 # 光源的俯視角度,弧度值 vec_az = np.pi / 4. # 光源的方位角度,弧度值 dx = np.cos(vec_el) * np.cos(vec_az) # 光源對(duì) x軸的影響 dy = np.cos(vec_el) * np.sin(vec_az) # 光源對(duì) y軸的影響 dz = np.sin(vec_el) # 光源對(duì)z 軸的影響 b = 255 * (dx * uni_x + dy * uni_y + dz * uni_z) # 光源歸一化,8 255 b = b.clip(0, 255)# 對(duì)像素值低于0,高于255部分做截?cái)嗵幚?
導(dǎo)出圖片,并保存
im.save("Annie_shouhui.jpg")
以下是該步驟涉及到的的全部代碼
from PIL import Image import numpy as np a = np.asarray(Image.open("Annie1.jpg").convert('L')).astype('float') depth = 10. # (0-100) grad = np.gradient(a) # 取圖像灰度的梯度值 grad_x, grad_y = grad # 分別取橫縱圖像梯度值 grad_x = grad_x * depth / 100. grad_y = grad_y * depth / 100. A = np.sqrt(grad_x ** 2 + grad_y ** 2 + 1.) uni_x = grad_x / A uni_y = grad_y / A uni_z = 1. / A vec_el = np.pi / 2.2 # 光源的俯視角度,弧度值 vec_az = np.pi / 4. # 光源的方位角度,弧度值 dx = np.cos(vec_el) * np.cos(vec_az) # 光源對(duì) x軸的影響 dy = np.cos(vec_el) * np.sin(vec_az) # 光源對(duì) y軸的影響 dz = np.sin(vec_el) # 光源對(duì)z 軸的影響 b = 255 * (dx * uni_x + dy * uni_y + dz * uni_z) # 光源歸一化 b = b.clip(0, 255) im = Image.fromarray(b.astype('uint8')) # 重構(gòu)圖像 im.save("Annie_shouhui.jpg")
制作手繪風(fēng)視頻
圖片轉(zhuǎn)化后的效果雖然也不錯(cuò),但圖片畢竟是靜態(tài)的,人作為視覺動(dòng)物,如果能做成動(dòng)態(tài)的那再好不過了,知道上面的方法之后,只需對(duì)視頻再加上一個(gè)拆幀合并操作,就能制作一個(gè)手繪風(fēng) 視頻效果
you-get 下載視頻
這里我用 you-get 命令在 B 站上找了一個(gè)視頻,下載了下來,
you-get --format=dash-flv -o ./ https://www.bilibili.com/video/BV1tT4y1j7a9?from=search&8014393453748720686
下載完之后,用 OpenCV2 對(duì)視頻進(jìn)行切幀操作,切幀同時(shí)對(duì)圖片進(jìn)行轉(zhuǎn)化,寫出到本地視頻文件中
vc = cv2.VideoCapture(video_path) c = 0 if vc.isOpened(): rval,frame = vc.read() height,width = frame.shape[0],frame.shape[1] print(height, width) else: rval = False height,width = 960,1200 # jpg_list = [os.path.join('Pic_Directory/',i) for i in os.listdir('Pic_Directory') if i.endswith('.jpg')] fps = 24 # 視頻幀率 video_path1 = './text.mp4' video_writer = cv2.VideoWriter(video_path1,cv2.VideoWriter_fourcc(*'mp4v'),fps,(width,height)) while rval: rval,frame = vc.read()# 讀取視頻幀 img = coonvert_jpg(Image.fromarray(frame)) frame_converted = np.array(img) # 轉(zhuǎn)化為三通道 image = np.expand_dims(frame_converted,axis = 2) result_arr = np.concatenate((image,image,image),axis = -1) video_writer.write(result_arr) print('Sucessfully Conveted---------{}'.format(c)) c = c + 1 if c >= 3000: break video_writer.release()
在圖片序列提取時(shí),需要注意一點(diǎn),因?yàn)檗D(zhuǎn)化后的圖片是單通道的,直接借助 OpenCV 生成視頻序列是無法播放的,需增加一個(gè)步驟單通道轉(zhuǎn)化為三通道!
# 轉(zhuǎn)化為三通道 image = np.expand_dims(frame_converted,axis = 2) result_arr = np.concatenate((image,image,image),axis = -1)
想讓生成的視頻更有感覺的話可以添加一個(gè)背影音樂,借助剪輯軟件、Python 都可,這里建議最好用剪輯軟件,原因是 Python 自定義增加音頻效果并不理想,添加音樂時(shí)需要有實(shí)時(shí)反饋, 而 Python 暫時(shí)無法滿足此要求
小結(jié)
本文主要介紹了如何用 Python將一張圖片轉(zhuǎn)化為手繪風(fēng)格,代碼量很少但涉及知識(shí)領(lǐng)域與數(shù)學(xué)、物理相關(guān),所以不容易理解,本篇文章目的只是為了向大家介紹圖片手繪風(fēng)轉(zhuǎn)換有這么一種方法,當(dāng)然如果有感興趣的小伙伴可以深究一下
好了以上就是本篇文章的全部?jī)?nèi)容了,最后感謝大家的閱讀,我們下期見,希望大家以后多多支持腳本之家!
相關(guān)文章
Python實(shí)現(xiàn)查找系統(tǒng)盤中需要找的字符
這篇文章主要介紹了Python實(shí)現(xiàn)查找系統(tǒng)盤中需要找的字符,涉及Python字符查找的相關(guān)技巧,具有一定參考借鑒價(jià)值,需要的朋友可以參考下2015-07-07pandas的排序、分組groupby及cumsum累計(jì)求和方式
這篇文章主要介紹了pandas的排序、分組groupby及cumsum累計(jì)求和方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2022-05-05基于Python實(shí)現(xiàn)簡(jiǎn)單的人臉識(shí)別系統(tǒng)
這篇文章主要介紹了如何通過Python實(shí)現(xiàn)一個(gè)簡(jiǎn)單的人臉識(shí)別系統(tǒng),文中的示例代碼講解詳細(xì),對(duì)我們學(xué)習(xí)Python有一定的幫助,感興趣的可以跟隨小編一起試一試2022-01-01Python實(shí)現(xiàn)子類調(diào)用父類的方法
這篇文章主要介紹了Python實(shí)現(xiàn)子類調(diào)用父類的方法,解決子類覆蓋父類初始化方法而出現(xiàn)的不確定問題,可通過調(diào)用超類構(gòu)造方法的未綁定版本或者使用super函數(shù)來解決,需要的朋友可以參考下2014-11-11Python使用matplotlib填充圖形指定區(qū)域代碼示例
這篇文章主要介紹了Python使用matplotlib填充圖形指定區(qū)域代碼示例,具有一定借鑒價(jià)值,需要的朋友可以參考下2018-01-01Python使用smtplib庫(kù)發(fā)送電子郵件
Python提供了smtplib庫(kù),用于發(fā)送電子郵件,本文將詳細(xì)介紹如何使用Python的smtplib庫(kù)來發(fā)送電子郵件,感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2023-11-11詳解tensorflow2.x版本無法調(diào)用gpu的一種解決方法
這篇文章主要介紹了詳解tensorflow2.x版本無法調(diào)用gpu的一種解決方法,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-05-05