前言
我们经常在B站上看到一些字符鬼畜视频，主要就是将一个视频转换成字符的样子展现出来。看起来是非常高端，但是实际实现起来确是非常简单，我们只需要接触opencv模块，就能很快的实现视频字符化。但是在此之前，我们先看看我们实现的效果是怎样的：
上面就是截取的一部分效果图，下面开始进入我们的主题。
一、OpenCV的安装及图片读取
在Python中我们只需要用pip安装即可，我们在控制台执行下列语句：
pip install opencv-pythonAI 代码解读
安装完成就可以开始使用。我们先读取一个图片：
import cv2
im = cv2.imread('jljt') # 读取图片
cv2.imshow('im', im) # 显示图片
cv2.waitKey(0) # 等待键盘输入
cv2.destroyAllWindows() # 销毁内存
AI 代码解读
首先我们使用cv2.imread方法读取图片，该方法返回一个ndarray对象。然后调用imshow方法显示图像，调用后会出现一个窗口，因为这个窗口只会出现一瞬间，所以我们调用waitKey等待输入，传入0表示无限等待。因为opencv是使用c++编写的，所以我们需要销毁内存。
二、OpenCV中的一些基础操作
我们将视频字符化的思路就是先将视频转换为一帧一帧的图像，然后对图像进行字符化处理，最后展示出来就是字符视频的效果了。在我们生成字符画之前，我们还要看一些OpenCV的操作。
（1）灰度转换
灰度处理是一个非常常用的操作，我们原始的图片是有BGR三个图层（在OpenCV中，图像是以BGR形式读取）。我们进行灰度处理直观上看就是将图片变成黑白，而本质上是将图片的三个图层通过计算，变成一个图层。而这种计算是不需要我们做的，我们只需要调用OpenCV中的函数即可：
import cv2
# 读取图片
im = cv2.imread('jljt.jpg')
# 灰度转换
grey = cv2.cvtColor(frame, cv2.COLOR_RGB2GRAY)
AI 代码解读
效果图和原图对比如下：
左边为原图，右边为灰度转换后的图像。
（3）改变图片大小
因为字符化后图像会比较大，所以我们需要先缩小图片，我们调用cv2.resize即可改变图像大小：
import cv2
# 读取图像
im = cv2.imread('jljt.png')
# 改变图像大小
re = cv2.resize(im, (100, 40))
cv2.imshow('11', re)
cv2.waitKey(0)
cv2.destroyAllWindows()
AI 代码解读
（2）逐帧读取视频
我们可以通过VideoCapture读取视频，然后调用其中的方法读取每一帧。
import cv2
# 读取视频
video = cv2.VideoCapture('jljt.mp4')
# 读取帧，该方法返回两个参数，第一个为是否还有下一帧，第二个为帧的ndarray对象
ret, frame = video.read()
while ret:
# 循环读取帧
ret, frame = video.read()
AI 代码解读
有了上面的操作，我们就可以开始我们下一步的工作了。
三、图片字符化
对于只有一个通道的图片，我们可以把它当成一个矩形，这个矩形最小单位就是一个像素。而字符化的过程就是用字符替代像素点的过程。所以我们要遍历图像的每个像素点，但是我们应该用什么字符取代呢？
我们颜色有一个参照表，而opencv将这个参数表切割成256份，代表不同的程度，我们也可以做一个参照表，不过表中的内容不是颜色，而是字符。
上图为颜色表，我们可以使颜色表和字符表建立映射关系。假如字符表如下：
mqpka89045321@#$%^&*()_=||||}
我们可以得到下列公式：
经过变换可以求得相应颜色对应字符表中的字符：
这个公式不理解也没关系，只需要会用即可。下面就是我们完整的代码了：
import cv2
str = 'mqpka89045321@#$%^&*()_=||||}' # 字符表
im = cv2.imread('jljt.jpg') # 读取图像
grey = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY) # 灰度转换
grey = cv2.resize(grey, (50, 18)) # 缩小图像
str_img = '' # 用于装字符画
for i in grey: # 遍历每个像素
for j in i:
index = int(j / 256 * len(str)) # 获取字符坐标
str_img += str[index] # 将字符添加到字符画中
str_img += '\n'
print(str_img)
AI 代码解读
生成如下字符画：
因为尺寸比较小的关系，看出来的效果不是很好，我们调节好大小就好了。
四、视频转字符
我们知道图片转字符，自然视频转字符就不是什么问题了，我们只需要在逐帧读取中执行图片字符化操作即可。
import os
import cv2
str = 'mqpka89045321@#$%^&*()_=||||}' # 字符表
video = cv2.VideoCapture('jljt.mp4') # 读取视频
ret, frame = video.read() # 读取帧
while ret: # 逐帧读取
str_img = '' # 字符画
grey = cv2.cvtColor(frame, cv2.COLOR_RGB2GRAY) # 灰度转换
grey = cv2.resize(grey, (100, 40)) # 该表大小
for i in grey: # 遍历每个像素点
for j in i:
index = int(j / 256 * len(str)) # 获取字符坐标
str_img += str[index] # 将字符添加到字符画中
str_img += '\n'
os.system('cls') # 清除上一帧输出的内容
print(str_img) # 输出字符画
ret, frame = video.read() # 读取下一帧
cv2.waitKey(5)
AI 代码解读
这样我们就会每个5毫秒执行一帧画面，在我们使用pycharm执行时，会发现并没有执行清屏操作，所以我们需要到命令行运行。最终效果就是我们的字符视频了：
在选取字符表时我们需要注意主体的颜色，如果主体颜色较浅，则字符表的尾部应该为一些复杂字符，如：$%#@&。字符表头部为一些简单字符，如：-|/等。如果主体颜色较深，而背景颜色较浅，则反之。当然这没有唯一的标准，大家可以慢慢调节。感兴趣的读者，可以关注我的个人公众号：ZackSock，看到抠鼻屎的就是我没错了。
