趣味Python — 不到20行代码制作一个 “手绘风” 视频

python

Hello 大家好,我是小张,好久不见~

本期推文与计算机视觉相关,用不到 20 行Python代码将一张图片由自然风转化为手绘风,期间未对图片进行任何预处理、后处理;代码中只借助了两个常见库,核心计算由 Numpy 负责 ,Pillow 负责图片读写

在正文开始之前,先看一下最初效果,下面是单张图片转换前后对比

图一

图二

图三

为了增加趣味性,后面将这段代码应用到一个视频中,加上一个背景音乐,新鲜的 “手绘风视频” 出炉

“手绘风”实现步骤

讲解之前,需要了解手绘图像的三个主要特点:

  • 图片需为灰度图,是单通道的;
  • 边缘部分线条较重涂抹为黑色,相同或相近像素值转换后趋于白色;
  • 在光源效果的加持下,灰度变化可模拟人类视觉的远近效果

读取图片,转化为数组

因为后面要用到像素计算,为了方便,事先将读取后的图片转化为数组

a = np.asarray(Image.open("Annie1.jpg").convert(\'L\')).astype(\'float\')

计算 x,y,z 轴梯度值,并归一化

刚才提到手绘照片的一个特点,就是 手绘照片对边缘区域更加侧重,定位图片边缘部分,最有效方式就是计算梯度,用灰度变化来模拟图片远近效果,depth 表示预设深度,z 轴默认梯度为 1

depth = 10.  # (0-100)

grad = np.gradient(a) # 取图像灰度的梯度值

grad_x, grad_y = grad # 分别取横纵图像梯度值

grad_x = grad_x * depth / 100.

grad_y = grad_y * depth / 100.

对梯度值完成归一化操作

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

手绘风图片除了计算梯度值之外,还需要考虑光源影响;根据光源入射的角度不同最有对x,y,z 各轴上的梯度值有不同程度的影响,添加一个模拟光源,放置在斜上方,与 x , y 分别形成两个夹角

并且这两个夹角是通过实验得到是已知的,然后根据正弦余弦函数计算出最终新的像素值

vec_el = np.pi / 2.2  # 光源的俯视角度,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) # 光源对 x轴的影响

dy = np.cos(vec_el) * np.sin(vec_az) # 光源对 y轴的影响

dz = np.sin(vec_el) # 光源对z 轴的影响

b = 255 * (dx * uni_x + dy * uni_y + dz * uni_z) # 光源归一化,8 255

b = b.clip(0, 255)# 对像素值低于0,高于255部分做截断处理

导出图片,并保存

im.save("Annie_shouhui.jpg")

以下是该步骤涉及到的的全部代码

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) # 取图像灰度的梯度值

grad_x, grad_y = grad # 分别取横纵图像梯度值

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 # 光源的俯视角度,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) # 光源对 x轴的影响

dy = np.cos(vec_el) * np.sin(vec_az) # 光源对 y轴的影响

dz = np.sin(vec_el) # 光源对z 轴的影响

b = 255 * (dx * uni_x + dy * uni_y + dz * uni_z) # 光源归一化

b = b.clip(0, 255)

im = Image.fromarray(b.astype(\'uint8\')) # 重构图像

im.save("Annie_shouhui.jpg")

制作手绘风视频

图片转化后的效果虽然也不错,但图片毕竟是静态的,人作为视觉动物,如果能做成动态的那再好不过了,知道上面的方法之后,只需对视频再加上一个拆帧合并操作,就能制作一个手绘风 视频效果

you-get 下载视频

这里我用 you-get 命令在 B 站上找了一个视频,下载了下来,

you-get --format=dash-flv -o ./ https://www.bilibili.com/video/BV1tT4y1j7a9?from=search&8014393453748720686

下载完之后,用 OpenCV2 对视频进行切帧操作,切帧同时对图片进行转化,写出到本地视频文件中

 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 # 视频帧率

video_path1 = \'./text.mp4\'

video_writer = cv2.VideoWriter(video_path1,cv2.VideoWriter_fourcc(*\'mp4v\'),fps,(width,height))

while rval:

rval,frame = vc.read()# 读取视频帧

img = coonvert_jpg(Image.fromarray(frame))

frame_converted = np.array(img)

# 转化为三通道

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()

在图片序列提取时,需要注意一点,因为转化后的图片是单通道的,直接借助 OpenCV 生成视频序列是无法播放的,需增加一个步骤单通道转化为三通道!

 # 转化为三通道

image = np.expand_dims(frame_converted,axis = 2)

result_arr = np.concatenate((image,image,image),axis = -1)

想让生成的视频更有感觉的话可以添加一个背影音乐,借助剪辑软件、Python 都可,这里建议最好用剪辑软件,原因是 Python 自定义增加音频效果并不理想,添加音乐时需要有实时反馈, 而 Python 暂时无法满足此要求

数据源码获取

文中涉及到的源码将数据获取方式,关注微信公号:程序员大飞,后台回复关键字:210322 即可!

小结

本文主要介绍了如何用 Python将一张图片转化为手绘风格,代码量很少但涉及知识领域与数学、物理相关,所以不容易理解,本篇文章目的只是为了向大家介绍图片手绘风转换有这么一种方法,当然如果有感兴趣的小伙伴可以深究一下

好了以上就是本篇文章的全部内容了,最后感谢大家的阅读,我们下期见~

以上是 趣味Python — 不到20行代码制作一个 “手绘风” 视频 的全部内容, 来源链接: utcz.com/z/386939.html

回到顶部