使用到的第三方库
(资料图片)
Package Version--------------- ---------baidu-aip 2.2.18.0jieba 0.42.1moviepy 1.0.3numpy 1.20.2opencv-python 4.5.1.48Pillow 8.2.0requests 2.25.1wordcloud 1.8.1you-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！
