先上效果,视频敬上:

字符舞:

代码舞

源代码:

video_2_code_video.py

  1 import argparse
2 import os
3 import cv2
4 import subprocess
5 from cv2 import VideoWriter_fourcc
6 from PIL import Image, ImageFont, ImageDraw
7
8 # 命令行输入参数处理
9 # aparser = argparse.ArgumentParser()
10 # aparser.add_argument('file')
11 # aparser.add_argument('-o','--output')
12 # aparser.add_argument('-f','--fps',type = float, default = 24)#帧
13 # aparser.add_argument('-s','--save',type = bool, nargs='?', default = False, const = True)
14 # 是否保留Cache文件,默认不保存
15
16 class Video2CodeVideo:
17 def __init__(self):
18 self.config_dict = {
19 # 原视频文件
20 "input_file": "video/test.mp4",
21 # 中间文件存放目录
22 "cache_dir": "cache",
23 # 是否保留过程文件。True--保留,False--不保留
24 "save_cache_flag": False,
25 # 使用使用的字符集
26 "ascii_char_list": list("01B%8&WM#*oahkbdpqwmZO0QLCJUYXzcvunxrjft/\|()1{}[]?-_+~<>i!lI;:oa+>!:+. "),
27 }
28
29 # 第一步从函数,将像素转换为字符
30 # 调用栈:video_2_txt_jpg -> txt_2_image -> rgb_2_char
31 def rgb_2_char(self, r, g, b, alpha=256):
32 if alpha == 0:
33 return ''
34 length = len(self.config_dict["ascii_char_list"])
35 gray = int(0.2126 * r + 0.7152 * g + 0.0722 * b)
36 unit = (256.0 + 1) / length
37 return self.config_dict["ascii_char_list"][int(gray / unit)]
38
39 # 第一步从函数,将txt转换为图片
40 # 调用栈:video_2_txt_jpg -> txt_2_image -> rgb_2_char
41 def txt_2_image(self, file_name):
42 im = Image.open(file_name).convert('RGB')
43 # gif拆分后的图像,需要转换,否则报错,由于gif分割后保存的是索引颜色
44 raw_width = im.width
45 raw_height = im.height
46 width = int(raw_width / 6)
47 height = int(raw_height / 15)
48 im = im.resize((width, height), Image.NEAREST)
49
50 txt = ""
51 colors = []
52 for i in range(height):
53 for j in range(width):
54 pixel = im.getpixel((j, i))
55 colors.append((pixel[0], pixel[1], pixel[2]))
56 if (len(pixel) == 4):
57 txt += self.rgb_2_char(pixel[0], pixel[1], pixel[2], pixel[3])
58 else:
59 txt += self.rgb_2_char(pixel[0], pixel[1], pixel[2])
60 txt += '\n'
61 colors.append((255, 255, 255))
62
63 im_txt = Image.new("RGB", (raw_width, raw_height), (255, 255, 255))
64 dr = ImageDraw.Draw(im_txt)
65 # font = ImageFont.truetype(os.path.join("fonts","汉仪楷体简.ttf"),18)
66 font = ImageFont.load_default().font
67 x = y = 0
68 # 获取字体的宽高
69 font_w, font_h = font.getsize(txt[1])
70 font_h *= 1.37 # 调整后更佳
71 # ImageDraw为每个ascii码进行上色
72 for i in range(len(txt)):
73 if (txt[i] == '\n'):
74 x += font_h
75 y = -font_w
76 # self, xy, text, fill = None, font = None, anchor = None,
77 # *args, ** kwargs
78 dr.text((y, x), txt[i], fill=colors[i])
79 # dr.text((y, x), txt[i], font=font, fill=colors[i])
80 y += font_w
81
82 name = file_name
83 # print(name + ' changed')
84 im_txt.save(name)
85
86
87 # 第一步,将原视频转成字符图片
88 # 调用栈:video_2_txt_jpg -> txt_2_image -> rgb_2_char
89 def video_2_txt_jpg(self, file_name):
90 vc = cv2.VideoCapture(file_name)
91 c = 1
92 if vc.isOpened():
93 r, frame = vc.read()
94 if not os.path.exists(self.config_dict["cache_dir"]):
95 os.mkdir(self.config_dict["cache_dir"])
96 os.chdir(self.config_dict["cache_dir"])
97 else:
98 r = False
99 while r:
100 cv2.imwrite(str(c) + '.jpg', frame)
101 self.txt_2_image(str(c) + '.jpg') # 同时转换为ascii图
102 r, frame = vc.read()
103 c += 1
104 os.chdir('..')
105 return vc
106
107 # 第二步,将字符图片合成新视频
108 def txt_jpg_2_video(self, outfile_name, fps):
109 fourcc = VideoWriter_fourcc(*"MJPG")
110
111 images = os.listdir(self.config_dict["cache_dir"])
112 im = Image.open(self.config_dict["cache_dir"] + '/' + images[0])
113 vw = cv2.VideoWriter(outfile_name + '.avi', fourcc, fps, im.size)
114
115 os.chdir(self.config_dict["cache_dir"])
116 for image in range(len(images)):
117 # Image.open(str(image)+'.jpg').convert("RGB").save(str(image)+'.jpg')
118 frame = cv2.imread(str(image + 1) + '.jpg')
119 vw.write(frame)
120 # print(str(image + 1) + '.jpg' + ' finished')
121 os.chdir('..')
122 vw.release()
123
124 # 第三步,从原视频中提取出背景音乐
125 def video_extract_mp3(self, file_name):
126 outfile_name = file_name.split('.')[0] + '.mp3'
127 subprocess.call('ffmpeg -i ' + file_name + ' -f mp3 -y ' + outfile_name, shell=True)
128
129 # 第四步,将背景音乐添加到新视频中
130 def video_add_mp3(self, file_name, mp3_file):
131 outfile_name = file_name.split('.')[0] + '-txt.mp4'
132 subprocess.call('ffmpeg -i ' + file_name + ' -i ' + mp3_file + ' -strict -2 -f mp4 -y ' + outfile_name, shell=True)
133
134 # 第五步,如果没配置保留则清除过程文件
135 def clean_cache_while_need(self):
136 # 为了清晰+代码比较短,直接写成内部函数
137 def remove_cache_dir(path):
138 if os.path.exists(path):
139 if os.path.isdir(path):
140 dirs = os.listdir(path)
141 for d in dirs:
142 if os.path.isdir(path + '/' + d):
143 remove_cache_dir(path + '/' + d)
144 elif os.path.isfile(path + '/' + d):
145 os.remove(path + '/' + d)
146 os.rmdir(path)
147 return
148 elif os.path.isfile(path):
149 os.remove(path)
150 return
151 # 为了清晰+代码比较短,直接写成内部函数
152 def delete_middle_media_file():
153 os.remove(self.config_dict["input_file"].split('.')[0] + '.mp3')
154 os.remove(self.config_dict["input_file"].split('.')[0] + '.avi')
155 # 如果没配置保留则清除过程文件
156 if not self.config_dict["save_cache_flag"]:
157 remove_cache_dir(self.config_dict["cache_dir"])
158 delete_middle_media_file()
159
160 # 程序主要逻辑
161 def main_logic(self):
162 # 第一步,将原视频转成字符图片
163 vc = self.video_2_txt_jpg(self.config_dict["input_file"])
164 # 获取原视频帧率
165 fps = vc.get(cv2.CAP_PROP_FPS)
166 # print(fps)
167 vc.release()
168 # 第二步,将字符图片合成新视频
169 self.txt_jpg_2_video(self.config_dict["input_file"].split('.')[0], fps)
170 print(self.config_dict["input_file"], self.config_dict["input_file"].split('.')[0] + '.mp3')
171 # 第三步,从原视频中提取出背景音乐
172 self.video_extract_mp3(self.config_dict["input_file"])
173 # 第四步,将背景音乐添加到新视频中
174 self.video_add_mp3(self.config_dict["input_file"].split('.')[0] + '.avi', self.config_dict["input_file"].split('.')[0] + '.mp3')
175 # 第五步,如果没配置保留则清除过程文件
176 self.clean_cache_while_need()
177
178 if __name__ == '__main__':
179 obj = Video2CodeVideo()
180 obj.main_logic()

运行环境:

操作系统:win10
版本:Python 3.8.4
依赖库:pip install opencv-python pillow
管理员权限安装,我的已安装过,显示这样:

依赖应用: ffpmeg(下载直接解压、将bin目录加到PATH环境变量)

不下载FFpmeg的话也可运行,但是转换后的视频没有声音。网上的下载教程比较老了,官网页面改了。这是我最新下载成功的过程:Windows下载FFmpeg最新版(踩了一上午的坑终于成功)

小白式运行(大佬请装瞎):

将上面的源代码命名video_2_code_video.py,在同一目录下新建文件夹video:

在video中放入要转换的原视频,命名test.mp4:

打开Python3.8

运行video_2_code_video.py,如下图显示表示正在运行:

会产生一些中间文件诸如:


经过漫长的等待,终于得偿所愿:

test-txt.mp4就是所要的代码舞啦:

下一季:Python之turtle库画各种有趣的图及源码(更新中)

Python之抖音快手代码舞--字符舞的更多相关文章

  1. Python 爬虫——抖音App视频抓包

    APP抓包 前面我们了解了一些关于 Python 爬虫的知识,不过都是基于 PC 端浏览器网页中的内容进行爬取.现在手机 App 用的越来越多,而且很多也没有网页端,比如抖音就没有网页版,那么上面的视 ...

  2. 教你用 Python 实现抖音热门表白软件

    之前在群里看到有人发了一个抖音上很火的小视频,就是一个不正经的软件,运行后问你是不是愿意做我的朋友,但你没法点击到「不同意」!并且没办法直接关闭窗口! 很不正经,很流氓,有点适合我. 效果大概是这样的 ...

  3. Python爬虫-抖音小视频-mitmproxy与Appium

    目的:  爬取抖音小视频 工具:  mitmproxy.Appium 思路: 1.  通过 mitmproxy 截取请求, 找出 response 为 video 的请求. 2.  通过 mitmdu ...

  4. Python实现抖音关键词热度搜索小程序(附源码)

    今天给大家带来一个抖音热词小程序,废话不多说,直接上代码 import requests import json import urllib.parse import time ''' python知 ...

  5. 用 Python 下载抖音无水印视频

    说起抖音,大家或多或少应该都接触过,如果大家在上面下载过视频,一定知道我们下载的视频是带有水印的,那么我们有什么方式下载不带水印的视频呢?其实用 Python 就可以做到,下面我们来看一下. 很多人学 ...

  6. python爬虫——抖音数据

    最近挺火的抖音短视频,不仅带火了一众主播,连不少做电商的也进驻其中,于是今天我来扒一扒这火的不要不要的抖音数据: 一.抓包工具获取用户ID 对于手机app数据,抓包是最直接也是最常见的手段,常用的抓包 ...

  7. python爬虫抖音 个人资料 仅供学习参考 切勿用于商业

    本文仅供学习参考 切勿用于商业 本次爬取使用fiddler+模拟器(下载抖音APP)+pycharm 1. 下载最新版本的fiddler(自行百度下载),以及相关配置 1.1.依次点击,菜单栏-Too ...

  8. 抖音快手短视频去水印API,接口开发文档

    开发者官网:http://api.lingquan166.com/ 简介:根据抖音.微视.小红书.皮皮搞笑等APP中复制出来的链接,解析获取短视频的标题.封面.无水印短视频地址等信息. 接口地址: h ...

  9. python实现抖音多线程下载无水印视频【附源码】

    昨天发了一个无水印解析,评论说想要多线程下载,还是比较简单的. py文件同目录下创建url.txt,把链接一行一行复制进去,就能批量下载. 代码中的延时不能去掉,由于是多线程,速度较快,延时很重要. ...

随机推荐

  1. stream的groupby出来的map是有顺序的map

    stream分组后的map是有序map List<RedisInstanceTypeDto> typeDtoList = ModuleHelper.mapAll(redisInstance ...

  2. 什么是 Web 服务器(server)

    首先我们来了解什么是服务器(server) Web服务器一般指网站服务器,是指驻留于因特网上某种类型计算机的程序,可以向浏览器等Web客户端提供文档,[1]也可以放置网站文件,让全世界浏览:可以放置数 ...

  3. h264和h265多维度区别

    h264和h265多维度区别 1.  概述 h265旨在在有限带宽下传输更高质量的网络视频,仅需原先的一半带宽即可播放相同质量的视频,很多朋友不知道h264和h265如何区别,下面让我们一起来了解一下 ...

  4. ISP_DPC坏点矫正

    ISP_DPC坏点矫正 1. 坏点介绍 图像坏点(Bad pixel) : 图像传感器上光线采集点(像素点)所形成的阵列存在工艺上的缺陷,或光信号进行转化为电信号的过程中出现错误,从而会造成图像上像素 ...

  5. NVIDIA Tensor Cores解析

    NVIDIA Tensor Cores解析 高性能计算机和人工智能前所未有的加速 Tensor Cores支持混合精度计算,动态调整计算以加快吞吐量,同时保持精度.最新一代将这些加速功能扩展到各种工作 ...

  6. NVIDIA空中导航SDK改造5G通信

    NVIDIA空中导航SDK改造5G通信 Transforming Next-Generation Wireless with 5T for 5G and the NVIDIA Aerial SDK N ...

  7. 合宙Luat直播间即将开启,你揭开行业奥秘,让你快人一步。

    嗨~刚陪你们过儿童节 和你们一起成长的合宙Luat 又有新计划 -- 合宙Luat官方直播即将开启 - 敬请关注 - - 官方直播什么内容 - 可能是合宙研发动态 可能是新品发布资讯 可能是行业大咖分 ...

  8. Waymo object detect 2D解决方案论文拓展

    FixMatch 半监督中的基础论文,自监督和模型一致性的代表作. Consistency regularization: 无监督学习的方式,数据\(A\)和经过数据增强的\(A\)计做\(A'\) ...

  9. 【模拟7.29】大佬(概率期望DP)

    首先根据数据范围,可以判断基本上是n^2的复杂度 通过分析我们发现每一次都可以从m个数中任意选,既然任意选,那么此时的概率的分母就是不变的,然而题中涉及的是某一段的最大值,所以我们按套路假设 f[i] ...

  10. 性能分析之用户数(线程数)/响应时间/TPS的关系

    最近在写一些东西的时候,把一些内容整理了一下. 在考虑压力工具中的用户数(有些工具中称为线程数,本文后续都用"用户数"来说明).响应时间.TPS三者之间的关系时,想到之前也有人问起 ...