最近幾個月，毒教材被曝光引發爭議，那些編寫度教材的人著實可惡。咱程式員也沒有手繪插畫能力，但咱可以藉助強大的深度學習模型將視頻轉動漫。所以今天的目標是讓任何具有python語言基本能力的程式員，實現短視頻轉動漫效果。

效果展示

一、思路流程

1. 讀取視頻幀
2. 將每一幀圖像轉為動漫幀
3. 將轉換後的動漫幀轉為視頻

難點在於如何將圖像轉為動漫效果。這裡我們使用基於深度學習的動漫效果轉換模型，考慮到許多讀者對這塊不瞭解，因此我這邊準備好了源碼和模型，直接調用即可。不想看文章細節的可以直接拖到文章末尾，獲取源碼。

二、圖像轉動漫

為了讓大家不關心深度學習模型，已經為大家準備好了轉換後的onnx類型模型。接下來按順序介紹運行onnx模型流程。

安裝onnxruntime庫

pip install onnxruntime
# 源碼及Python資料教程、電子書領取群 279199867

如果想要用GPU加速，可以安裝GPU版本的onnxruntime:

pip install onnxruntime-gpu

需要註意的是：

onnxruntime-gpu的版本跟CUDA有關聯，具體對應關係如下：

當然，如果用CPU運行，那就不需要考慮那麼多了。考慮到通用性，本文全部以CPU版本onnxruntime。

運行模型

先導入onnxruntime庫，創建InferenceSession對象，調用run函數。

如下所示

import onnxruntime as rt 
sess = rt.InferenceSession(MODEL_PATH)
inp_name = sess.get_inputs()[0].name
out = sess.run(None, {inp_name: inp_image})

具體到我們這裡的動漫效果，實現細節如下：

import cv2
import numpy as np
import onnxruntime as rt 

# MODEL = "models/anime_1.onnx"
MODEL = "models/anime_2.onnx"

sess = rt.InferenceSession(MODEL)
inp_name = sess.get_inputs()[0].name


def infer(rgb):
    rgb = np.expand_dims(rgb, 0)
    rgb = rgb *  2.0 / 255.0 - 1 
    rgb =  rgb.astype(np.float32) 
    out = sess.run(None, {inp_name: rgb})
    out = out[0][0]
    out = (out+1)/2*255
    out = np.clip(out, 0, 255).astype(np.uint8)
    return out

def preprocess(rgb):
    pad_w = 0
    pad_h = 0
    h,w,__ = rgb.shape
    N = 2**3
    if h%N!=0:
        pad_h=(h//N+1)*N-h
    if w%2!=0:
        pad_w=(w//N+1)*N-w
    # print(pad_w, pad_h, w, h)
    rgb = np.pad(rgb, ((0,pad_h),(0, pad_w),(0,0)), "reflect")
    return rgb, pad_w, pad_h

其中, preprocess函數確保輸入圖像的寬高是8的整數倍。這裡主要是因為考慮到深度學習模型有下採樣，確保每次下採樣能被2整除。

單幀效果展示

三、視頻幀讀取與視頻幀寫入

這裡使用Opencv庫，提取視頻中每一幀並調用回調函數將視頻幀回傳。在將圖片轉視頻過程中，通過定義VideoWriter類型變數WRITE確保唯一性。具體實現代碼如下：

import cv2
from tqdm import tqdm

WRITER = None
def write_frame(frame, out_path, fps=30):
    global WRITER
    if WRITER is None:
        size = frame.shape[0:2][::-1]
        WRITER = cv2.VideoWriter(
            out_path,
            cv2.VideoWriter_fourcc(*'mp4v'),  # 編碼器
            fps,
            size)
    WRITER.write(frame)

def extract_frames(video_path, callback):
    video = cv2.VideoCapture(video_path)
    num_frames = int(video.get(cv2.CAP_PROP_FRAME_COUNT))
    for _ in tqdm(range(num_frames)):
        _, frame = video.read()
        if frame is not None:
            callback(frame)
        else:
            break

完整源碼獲取點擊  藍色字體 獲取喲~

給大家推薦一套爬蟲教程，涵蓋常見大部分案例，非常實用！

代碼總是學完就忘記？100個爬蟲實戰項目！讓你沉迷學習丨學以致用丨下一個Python大神就是你！