20行Python代码实现视频字符化功能

我们经常在B站上看到一些字符鬼畜视频，主要就是将一个视频转换成字符的样子展现出来。看起来是非常高端，但是实际实现起来确是非常简单，我们只需要接触opencv模块，就能很快的实现视频字符化。但是在此之前，我们先看看我们实现的效果是怎样的：

上面就是截取的一部分效果图，下面开始进入我们的主题。

一、OpenCV的安装及图片读取

在Python中我们只需要用pip安装即可，我们在控制台执行下列语句：

pip install opencv-python

安装完成就可以开始使用。我们先读取一个图片：

import cv2
im = cv2.imread('jljt')	# 读取图片
cv2.imshow('im', im)	# 显示图片
cv2.waitKey(0)	# 等待键盘输入
cv2.destroyAllWindows()	# 销毁内存

首先我们使用cv2.imread方法读取图片，该方法返回一个ndarray对象。然后调用imshow方法显示图像，调用后会出现一个窗口，因为这个窗口只会出现一瞬间，所以我们调用waitKey等待输入，传入0表示无限等待。因为opencv是使用c++编写的，所以我们需要销毁内存。

二、OpenCV中的一些基础操作

我们将视频字符化的思路就是先将视频转换为一帧一帧的图像，然后对图像进行字符化处理，最后展示出来就是字符视频的效果了。在我们生成字符画之前，我们还要看一些OpenCV的操作。

（1）灰度转换

灰度处理是一个非常常用的操作，我们原始的图片是有BGR三个图层（在OpenCV中，图像是以BGR形式读取）。我们进行灰度处理直观上看就是将图片变成黑白，而本质上是将图片的三个图层通过计算，变成一个图层。而这种计算是不需要我们做的，我们只需要调用OpenCV中的函数即可：

import cv2
# 读取图片
im = cv2.imread('jljt.jpg')
# 灰度转换
grey = cv2.cvtColor(frame, cv2.COLOR_RGB2GRAY)

效果图和原图对比如下：

左边为原图，右边为灰度转换后的图像。

（3）改变图片大小

因为字符化后图像会比较大，所以我们需要先缩小图片，我们调用cv2.resize即可改变图像大小：

import cv2
# 读取图像
im = cv2.imread('jljt.png')
# 改变图像大小
re = cv2.resize(im, (100, 40))
cv2.imshow('11', re)
cv2.waitKey(0)
cv2.destroyAllWindows()

（2）逐帧读取视频

我们可以通过VideoCapture读取视频，然后调用其中的方法读取每一帧。

import cv2
# 读取视频
video = cv2.VideoCapture('jljt.mp4')
# 读取帧，该方法返回两个参数，第一个为是否还有下一帧，第二个为帧的ndarray对象
ret, frame = video.read()
while ret:
  # 循环读取帧
  ret, frame = video.read()

有了上面的操作，我们就可以开始我们下一步的工作了。

三、图片字符化

对于只有一个通道的图片，我们可以把它当成一个矩形，这个矩形最小单位就是一个像素。而字符化的过程就是用字符替代像素点的过程。所以我们要遍历图像的每个像素点，但是我们应该用什么字符取代呢？

我们颜色有一个参照表，而opencv将这个参数表切割成256份，代表不同的程度，我们也可以做一个参照表，不过表中的内容不是颜色，而是字符。

上图为颜色表，我们可以使颜色表和字符表建立映射关系。假如字符表如下：

mqpka89045321@#$%^&*()_=||||}

我们可以得到下列公式：

经过变换可以求得相应颜色对应字符表中的字符：

这个公式不理解也没关系，只需要会用即可。下面就是我们完整的代码了：

import cv2
str = 'mqpka89045321@#$%^&*()_=||||}' # 字符表
im = cv2.imread('jljt.jpg')	# 读取图像
grey = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)	# 灰度转换
grey = cv2.resize(grey, (50, 18))	# 缩小图像
str_img = ''	# 用于装字符画
for i in grey:	# 遍历每个像素
  for j in i:
    index = int(j / 256 * len(str))	# 获取字符坐标
    str_img += str[index]	# 将字符添加到字符画中
  str_img += '\n'
print(str_img)

生成如下字符画：

因为尺寸比较小的关系，看出来的效果不是很好，我们调节好大小就好了。

四、视频转字符

我们知道图片转字符，自然视频转字符就不是什么问题了，我们只需要在逐帧读取中执行图片字符化操作即可。

import os
import cv2
str = 'mqpka89045321@#$%^&*()_=||||}'	# 字符表
video = cv2.VideoCapture('jljt.mp4') 	# 读取视频
ret, frame = video.read()	# 读取帧
while ret:	# 逐帧读取
  str_img = ''	# 字符画
  grey = cv2.cvtColor(frame, cv2.COLOR_RGB2GRAY)	# 灰度转换
  grey = cv2.resize(grey, (100, 40))	# 该表大小
  for i in grey:	# 遍历每个像素点
    for j in i:
      index = int(j / 256 * len(str))	# 获取字符坐标
      str_img += str[index]	# 将字符添加到字符画中
    str_img += '\n'
  os.system('cls')	# 清除上一帧输出的内容
  print(str_img)	# 输出字符画
  ret, frame = video.read()	# 读取下一帧
  cv2.waitKey(5)

这样我们就会每个5毫秒执行一帧画面，在我们使用pycharm执行时，会发现并没有执行清屏操作，所以我们需要到命令行运行。最终效果就是我们的字符视频了：

在选取字符表时我们需要注意主体的颜色，如果主体颜色较浅，则字符表的尾部应该为一些复杂字符，如：$%#@&。字符表头部为一些简单字符，如：-|/等。如果主体颜色较深，而背景颜色较浅，则反之。当然这没有唯一的标准，大家可以慢慢调节。

总结

到此这篇关于20行Python代码实现视频字符化的文章就介绍到这了,更多相关python 视频字符化内容请搜索呐喊教程以前的文章或继续浏览下面的相关文章希望大家以后多多支持呐喊教程！

声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：notice#nhooo.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。