用python制作词云视频详解
使用到的第三方库
Package Version --------------- --------- baidu-aip 2.2.18.0 jieba 0.42.1 moviepy 1.0.3 numpy 1.20.2 opencv-python 4.5.1.48 Pillow 8.2.0 requests 2.25.1 wordcloud 1.8.1 you-get 0.4.1520
B站弹幕爬取
思路
通过视频BV号请求cid，再使用cid请求弹幕文件，最后使用正则表达式去匹配弹幕文本，将匹配出来的结果保存在本地供之后使用，代码及思路比较简单，就不做过多赘述
实现
cid请求链接：https://api.bilibili.com/x/web-interface/view?bvid=
弹幕请求链接：https://api.bilibili.com/x/v1/dm/list.so?oid=
参考代码
def get_cid(cls, bv):
url = "https://api.bilibili.com/x/web-interface/view?bvid=" + str(bv)
response = requests.get(url)
dirt = json.loads(response.text)
aid = dirt['data']['cid']
return str(aid)
def get_barrage(cls, bv, to_file_path):
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36",
}
cid = cls.get_cid(bv)
response = requests.get("https://api.bilibili.com/x/v1/dm/list.so?oid=" + cid, headers=headers)
html_doc = response.content.decode('utf-8')
regex = re.compile("<d.*?>(.*?)</d>")
DanMu = regex.findall(html_doc)
with open(to_file_path, "w", encoding="utf_8")as f:
for i in DanMu:
f.write(i)
f.write("\n")
视频下载
思路
使用第三方开源库you-get进行下载
you-get支持的音视频网站
# 获取视频信息 you-get -i https://www.bilibili.com/video/BV1f4411M7QC # 下载视频 you-get --format=flv -o E:\Desktop\output https://www.bilibili.com/video/BV1f4411M7QC
视频、音频剪辑和音频提取
思路
这部分的需求非常简单，就是剪下视频或者音频中的某一段并保存
Python有一个叫moviepy的第三方库，可以实现视频的剪辑、拼接，音频的剪辑、拼接、提取，以及音视频的合并等操作
参考代码
def cut_video(cls, origin_file_path, to_file_path, start, end):
"""
视频剪辑
:param origin_file_path: 原视频文件路径
:param to_file_path: 保存路径
:param start: 起始时间点
:param end: 结束时间点
"""
clip = VideoFileClip(origin_file_path).subclip(start, end)
clip.write_videofile(to_file_path)
def cut_audio(cls, origin_file_path, to_file_path, start, end):
"""
音频剪辑
:param origin_file_path: 原视频文件路径
:param to_file_path: 保存路径
:param start: 起始时间点
:param end: 结束时间点
"""
clip = AudioFileClip(origin_file_path).subclip(start, end)
clip.write_audiofile(to_file_path)
def get_audio_from_video(cls, video_file_path, to_file_path):
"""
音频提取
:param video_file_path: 视频文件路径
:param to_file_path: 音频文件路径
"""
video = VideoFileClip(video_file_path)
video.audio.write_audiofile(to_file_path)
视频帧提取
思路
使用opencv-python(cv2)打开视频文件并按帧读取，再将每一帧保存到文件夹中
参考代码
def split(cls, from_file_path, to_folder_path, frames=0):
"""
视频按帧读取并保存
:param from_file_path: 视频路径
:param to_folder_path: 保存路径
:param frames: 保存帧数(张数)，为0则保存所有帧
"""
vc = cv2.VideoCapture(from_file_path) # cv2打开视频文件
frames_count = vc.get(7) # 获取视频总帧数
c = 0
if vc.isOpened():
ret, frame = vc.read() # 按帧读取视频
else:
ret = False
while ret:
if 0 < frames == c:
break
ret, frame = vc.read() # 读取每一视频帧，并保存至图片中
cv2.imwrite(os.path.join(to_folder_path, '{}.jpg'.format(c)), frame)
c += 1
if c == frames_count - 1:
break
print('第 {} 张图片存放成功！'.format(c))
图片二值化
思路
图片二值化这里有两种思路，一种是使用opencv，还有一种方法是使用百度智能云的人像分割接口。
两种方法各有优劣：
- 使用opencv的速度快，但是只能对整张图片二值化，无法有效提取出图片主体部分，只适用于纯色背景及轮廓分明的图片，当图片中有背景或者其他干扰画面时，效果不理想，达不到做词云遮罩的效果
- 百度的人像分割接口可以将图片中的人物抠出来，单独对人物进行二值化，但是速度很慢(处理速度慢，还限制接口并发数)，一千张图片往往需要一两个小时
所以具体使用时需要根据视频的情况进行切换
下面为两周处理方法的不同效果(图一为cv2，图二为百度人像分割)
参考代码
def binary_option_cv2(cls, from_file_path, to_file_path):
"""
图片二值化并保存(使用cv2)
:param from_file_path: 原图路径
:param to_file_path: 二值化图路径
"""
img = cv2.imread(from_file_path)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
new_gray = np.uint8((255 * (gray / 255.0) ** 1.4))
dst = cv2.adaptiveThreshold(new_gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 15, 1)
cv2.medianBlur(dst, 5)
cv2.imwrite(to_file_path, dst)
def binary_option_baidu(cls, from_file_path, to_file_path):
"""
图片二值化并保存(使用百度人像分割)
:param from_file_path: 原图路径
:param to_file_path: 二值化图路径
"""
def get_file_content(filePath):
with open(filePath, 'rb') as fp:
return fp.read()
height, width, bgr = cv2.imread(from_file_path).shape
image = get_file_content(from_file_path)
cls.client.bodySeg(image)
res = cls.client.bodySeg(image)
labelmap = base64.b64decode(res['labelmap'])
labelimg = np.frombuffer(labelmap, np.uint8) # 转化为np数组 0-255
labelimg = cv2.imdecode(labelimg, 1)
labelimg = cv2.resize(labelimg, (width, height), interpolation=cv2.INTER_NEAREST)
img_new = np.where(labelimg == 1, 255, labelimg) # 将 1 转化为 255
cv2.imwrite(to_file_path, img_new)
词云图片生成
思路
使用wordcloud库，并使用前面爬取的B站弹幕作为词云内容，二值化图片作为遮罩
原图与词云图拼接和图片合并生成视频
思路
使用numpy拼接图片，使用cv2将拼接的图片写入视频流并保存
为了将视频与音轨对齐，生成视频时需要设置合适的视频帧率（与原视频保持一致），原视频帧率可以使用播放器查看，也可以使用cv2获取
参考代码
def joint(cls, origin_folder, word_cloud_folder, to_file_path):
"""
批量拼接图片并合成视频
:param origin_folder: 原图文件夹
:param word_cloud_folder: 词云图片文件夹
:param to_file_path: 保存路径
"""
num_list = [int(str(i).split('.')[0]) for i in os.listdir(origin_folder)]
fps = 30 # 视频帧率，需要根据原视频帧率做调整
height, width, _ = cv2.imread(os.path.join(origin_folder, '{}.jpg'.format(num_list[0]))).shape # 视频高度和宽度
width = width * 2
# 创建一个写入操作;
video_writer = cv2.VideoWriter(to_file_path, cv2.VideoWriter_fourcc(*'mp4v'), fps, (width, height))
for i in sorted(num_list):
i = '{}.jpg'.format(i)
ori_jpg = os.path.join(origin_folder, str(i))
word_jpg = os.path.join(word_cloud_folder, str(i))
# com_jpg = os.path.join(Composite_path,str(i))
ori_arr = cv2.imread(ori_jpg)
word_arr = cv2.imread(word_jpg)
# 利用 Numpy 进行拼接
com_arr = np.hstack((ori_arr, word_arr))
video_writer.write(com_arr) # 将每一帧画面写入视频流中
print("{}写入视频流成功".format(ori_jpg))
音视频合并和视频导出
思路
与前面 原图与词云图拼接和图片合并生成视频 思路相似
参考代码
def set_audio_for_video(cls, video_file_path, audio_file_path, to_file_path):
"""
音视频合并
:param video_file_path: 视频文件路径
:param audio_file_path: 音频文件路径
:param to_file_path: 保存路径
"""
video = VideoFileClip(video_file_path)
audio = AudioFileClip(audio_file_path)
new_video = video.set_audio(audio)
new_video.write_videofile(to_file_path)
最终效果
到此这篇关于用python制作词云视频详解的文章就介绍到这了,希望对大家有帮助，更多相关python视频请搜索hwidc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hwidc！