首先,对视频和背景音乐的剪辑,这里用到了「moviepy」库,通过 pip3 安装到虚拟环境中。
moviepy 用于视频剪辑和背景音乐的合成、剪辑
pip3 install moviepy
另外,项目中需要利用「PIL」库来分析、获取 GIF 动画中的所有帧图片。
# 将GIF图片转为帧,需要对GIF进行分析
pip3 install ffmpeg
编写脚本之前,我们需要提前准备一些 GIF 动画素材。当然,你也可以去爬取一些搞笑、好玩的 GIF 动画。
另外再准备一段 BGM 作为视频的背景音乐。
3 编 写 脚 本
第一步,我们需要把每一个 GIF 动画转为一段视频。
由于 GIF 动画已经是一段包含很多帧的视频了,没法直接通过 moviepy 库转为一段普通视频。
所以,这里需要对 GIF 动画进行分析,将动画转为「静态帧图片」。
def get_gif_frames(gif_path, temp_path):
"""
获取一段GIf图片下的所有静态帧
get_gif_frames('./../gifs/3.gif', './../gif_temp/')
:return:
"""
# 分析gif图片
mode = analyseImage(gif_path)['mode']
im = Image.open(gif_path)
i = 1
p = im.getpalette()
last_frame = im.convert('RGBA')
try:
while True:
# print("saving %s (%s) frame %d, %s %s" % (gif_path, mode, i, im.size, im.tile))
'''
If the GIF uses local colour tables, each frame will have its own palette.
If not, we need to apply the global palette to the new frame.
'''
if not im.getpalette():
im.putpalette(p)
new_frame = Image.new('RGBA', im.size)
'''
Is this file a "partial"-mode GIF where frames update a region of a different size to the entire image?
If so, we need to construct the new frame by pasting it on top of the preceding frames.
'''
if mode == 'partial':
new_frame.paste(last_frame)
new_frame.paste(im, (0, 0), im.convert('RGBA'))
new_frame.save(temp_path + '/%s-%d.png' % (''.join(os.path.basename(gif_path).split('.')[:-1]), i), 'PNG')
i += 1
last_frame = new_frame
im.seek(im.tell() + 1)
except EOFError:
# print('产生EOFError!!!')
pass
另外,我们下载的 GIF 动画的静态帧图片分辨率大概率是不一致的,所以对图片批量修改分辨率「修改分辨率」变的很有必要。
这里将所有图片的分辨率统一修改为 720*1080,在转换的过程中,如果存在空白部分,就使用黑色进行填充。
def resize_image(target_image_path, target_size):
"""
调整图片大小,缺失的部分用黑色填充
:param target_image_path: 图片路径
:param target_size: 分辨率大小
:return:
"""
image = Image.open(target_image_path)
iw, ih = image.size # 原始图像的尺寸
w, h = target_size # 目标图像的尺寸
scale = min(w / iw, h / ih) # 转换的最小比例
# 保证长或宽,至少一个符合目标图像的尺寸
nw = int(iw * scale)
nh = int(ih * scale)
image = image.resize((nw, nh), Image.BICUBIC) # 缩小图像
# image.show()
new_image = Image.new('RGB', target_size, (0, 0, 0, 0)) # 生成黑色图像
# // 为整数除法,计算图像的位置
new_image.paste(image, ((w - nw) // 2, (h - nh) // 2)) # 将图像填充为中间图像,两侧为灰色的样式
# new_image.show()
# 覆盖原图片
new_image.save(target_image_path)
然后,将统一分辨率后的静态帧图片转换为一段普通视频。
在转换为视频之前,我们需要提供一个「合理的转换帧率」来保证视频播放的流畅性。由于最后需要将多段视频合成为一段视频,这里默认指定帧率为 10帧/s。
GIF 动画原始的帧率、播放时长等动画文件属性值可以利用「imgpy」获取到。
def get_gif_info(gif_path):
"""
获取gif文件的详细信息
每一个gif的帧率不一样,有的<10fps;有的>10fps
:param gif_path:
:return:
"""
with Img(fp=gif_path) as im:
# 1.有多少帧
frame_count = im.frame_count
# 2.图片信息
# {'version': b'GIF89a', 'background': 31, 'duration': 70, 'extension': (b'NETSCAPE2.0', 795), 'loop': 0}
duration_pre = im.info.get('duration')
# 根据规律,除以7位实际的播放时长
duration = duration_pre / 7
# 6.color palette
# print(im.mode_desc)
# print((frame_count, duration))
# 返回帧率和时长
return (frame_count / duration), duration
最后,我们利用 moviepy 库中的「ImageSequenceClip」类将这些图片写入到一个视频文件中。
def pics_to_video(pics_path, output_path, fps, duration):
"""
图片转为视频
pics_to_video('./../gif_temp/', './../video_temp/temp1.mp4', 20)
:param pics_path:
:param output_path:
:return:
"""
image_paths = list(map(lambda x: pics_path + x, os.listdir(pics_path)))
# 注意:这里必须进行一次排序,保证所有帧的顺序是一致
image_paths = sort_strings_with_emb_numbers(image_paths)
# 过滤掉非图片
image_paths = list(filter(lambda image_path: image_path.endswith('.png'), image_paths))
# 图片剪辑类
clip = ImageSequenceClip(image_paths,
fps=fps)
# 写成视频之前,需要把gif都转成同一个分辨率
clip.write_videofile(output_path)
循环上面的操作,就可以将所有的 GIF 动画转换为一个普通视频文件。
第二步是将所有的视频文件进行剪辑,写入一个单独的文件中。利用 moviepy 库下面的 「 VideoFileClip」可以非常快捷方便地完成这一操作。
def compound_a_video(self, videos_path):
"""
合成一个视频
:param videos_output:视频集合的完整目录
:return:
"""
# 定义一个数组
L = []
for video_path in videos_path:
# 载入视频
video = VideoFileClip(video_path)
# 添加到数组
L.append(video)
# 拼接视频
文末有福利领取哦~
👉一、Python所有方向的学习路线
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
👉二、Python必备开发工具
👉三、Python视频合集
观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
👉 四、实战案例
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。(文末领读者福利)
👉五、Python练习题
检查学习结果。
👉六、面试资料
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
👉因篇幅有限,仅展示部分资料,这份完整版的Python全套学习资料已经上传