大家好，小编来为大家解答以下问题，python用于人工智能的例子，python编程人工智能小例子，现在让我们一起来看看吧！

文章目录

前言一、华为云ModelArts-Notebook介绍

1.华为云ModelArts-Notebook

1.1 Jupyter Notebook是什么1.2 JupyterLab是什么1.3 什么是Moxing2.Python-Opencv二、本地案例实现Python定制我的《本草纲目女孩》

1.案例实现流程2.案例环境部署

2.1 本机环境2.2 安装对应的anaconda包2.3 安装opencv-python3.案例实现代码

3.1 导入数据3.2 导入库函数3.3 将视频转化为图像帧3.4 对图片帧进行ASCII码的转换3.5 将转换好的图片帧合成视频3.6 主函数3.7 运行结果4.案例播放代码三、华为云AI实现Python定制我的《本草纲目女孩》

1.基础配置2.导入数据3.安装相关依赖4.导入库函数5.将视频转化为图像帧6.对图片帧进行ASCII码的转换7.将转换好的图片帧合成视频8.运行主函数9.播放视频总结

前言

近日，《本草纲目》毽子操的视频刷屏网络。公司里更是多了很多刘畊宏女孩，在520到来之际特意奉献这篇文章给大家python好玩又简单的代码。如果有心仪的女孩这篇文章可以帮助你哦。

歌词：抬腿！拍腿！，侧边的肥肉咔咔掉，人鱼线马甲线我都要！刘畊宏的男孩女孩看过来。

让我们来用Python定制出心仪的“本草纲目女孩”，敲出魔性的代码舞蹈，520，准备好心仪女孩的舞蹈视频，把这份别出心裁的礼物给TA❤️。

一、华为云ModelArts-Notebook介绍

1.华为云ModelArts-Notebook

ModelArts集成了基于开源的Jupyter Notebook和JupyterLab，可为您提供在线的交互式开发调试工具。您无需关注安装配置，在ModelArts管理控制台直接使用Notebook，编写和调测模型训练代码，然后基于该代码进行模型的训练。

其中，ModelArts还提供了华为自研的分布式训练加速框架MoXing，您可以在Notebook中使用MoXing编写训练脚本，让您代码编写更加高效、代码更加简洁。

1.1 Jupyter Notebook是什么

Jupyter Notebook是一个可以在浏览器中使用的交互式的计算应用程序，该应用程序的所有可见的内容，以笔记本文档表示，包括计算的输入和输出、解释文本、数学、图像和对象的富媒体等表示。因此，Jupyter Notebook可以实现将代码、文字完美结合起来，非常适合从事机器学习、数据分析等数据科学工作的人员。

Jupyter Notebook相关文档：Project Jupyter Documentation — Jupyter Documentation 4.1.1 alpha documentation

1.2 JupyterLab是什么

JupyterLab是一个交互式的开发环境，是Jupyter Notebook的下一代产品，可以使用它编写Notebook、操作终端、编辑MarkDown文本、打开交互模式、查看csv文件及图片等功能。

JupyterLab相关文档：JupyterLab Documentation — JupyterLab 4.1.2 documentation

1.3 什么是Moxing

MoXing是华为云ModelArts团队自研的分布式训练加速框架，它构建于开源的深度学习引擎TensorFlow、MXNet、PyTorch、Keras之上。相对于TensorFlow和MXNet原生API而言，MoXing API让模型代码的编写更加简单，允许用户只需要关心数据输入(input_fn)和模型构建(model_fn)的代码，即可实现任意模型在多GPU和分布式下的高性能运行，降低了TensorFlow和MXNet的使用门槛。另外，MoXing-TensorFlow还将支持自动超参选择和自动模型结构搜索，用户无需关心超参和模型结构，做到模型全自动学习。

Moxing相关文档：https://github.com/huaweicloud/ModelArts-Lab/tree/master/docs/moxing_api_doc

2.Python-Opencv

Python由荷兰数学和计算机科学研究学会的吉多·范罗苏姆于1990年代初设计，作为一门叫做ABC语言的替代品。Python提供了高效的高级数据结构，还能简单有效地面向对象编程。Python语法和动态类型，以及解释型语言的本质，使它成为多数平台上写脚本和快速开发应用的编程语言，随着版本的不断更新和语言新功能的添加，逐渐被用于独立的、大型项目的开发。

Python解释器易于扩展，可以使用C语言或C++（或者其他可以通过C调用的语言）扩展新的功能和数据类型。Python也可用于可定制化软件中的扩展程序语言。Python丰富的标准库，提供了适用于各个主要系统平台的源码或机器码。

OpenCV用C++语言编写，它具有C++，Python，Java和MATLAB接口，并支持Windows，Linux，Android和Mac OS，OpenCV主要倾向于实时视觉应用，并在可用时利用MMX和SSE指令，如今也提供对于C#、Ch、Ruby，GO的支持。

opencv-python的github网址：opencv-python · PyPI

OpenCV官网：OpenCV - Open Computer Vision Library

二、本地案例实现Python定制我的《本草纲目女孩》

1.案例实现流程

众所周知，视频是由一帧帧图像构成，Opencv处理视频图像信息的原理就是将视频转为一帧帧图像，处理完图像后再转换为视频。

用Python实现案例流程如下：

2.案例环境部署

2.1 本机环境

vs2022anaconda（已经包括opencv和PIL）python

2.2 安装对应的anaconda包

anaconda这是一个非常常用的python包集成管理工具，其中预安装了很多python库，使得我们不需要去手动安装各种的第三方库，我们知道自己取手动安装的过程中，很容易就会遇到一些报错，解决起来也非常的麻烦。

anaconda官网：Free Download | Anaconda

下载完软件包一路点击安装就行了，安装成功后会出现如下界面。

查看是否安装成功命令：<code>conda --version

2.3 安装opencv-python

进入anaconda控制台输入如下命令：

<code>pip install opencv-python

3.案例实现代码

本案例的实现过程主要分为以下几步：

<code>1. 导入数据

2. 导入库函数

3. 将视频转化为图像帧

4. 对图片帧进行ASCII码的转换

5. 将转换好的图片帧合成视频

3.1 导入数据

视频下载地址：https://cnnorth4-modelhub-datasets-obsfs-sfnua.obs.cn-north-4.myhuaweicloud.com/content/35d24c0e-f337-442b-935f-ef8123062d3e/QzNm9F/dataset/test_demo0510.mp4

3.2 导入库函数

<code>#导入Python库

import cv2

from PIL import Image，ImageFont，ImageDraw

import os

from cv2 import VideoWriter， VideoWriter_fourcc， imread， resize

3.3 将视频转化为图像帧

#将视频转换为图片存入目标文件夹

def video_to_pic(vp):

number = 0

# 判断载入的视频是否可以打开

if vp.isOpened():

#r：布尔型 （True 或者False），代表有没有读取到图片，frame：表示截取到的一帧的图片的数据，是个三维数组

r，frame = vp.read()

#判断文件夹是否存在，不存在的话则新建文件夹

if not os.path.exists('cache_pic'):

os.mkdir('cache_pic')

os.chdir('cache_pic')

else:

r = False

#遍历视频，并将每一帧图片写入文件夹

while r:

number += 1

cv2.imwrite(str(number)+'.jpg'，frame)

r，frame = vp.read()

print('\n由视频一共生成了{}张图片！'.format(number))

# 修改当前工作目录至主目录

os.chdir("..")

return number

3.4 对图片帧进行ASCII码的转换

#将图片进行批量化处理

def star_to_char(number， save_pic_path):

#判断文件夹是否存在，不存在的话则新建文件夹

if not os.path.exists('cache_char'):

os.mkdir('cache_char')

# 生成目标图片文件的路径列表

img_path_list = [save_pic_path + r'/{}.jpg'.format(i) for i in range(1， number + 1)]

task = 0

for image_path in img_path_list:

# 获取图片的分辨率

img_width， img_height = Image.open(image_path).size

task += 1

#处理图片，并显示处理进程

img_to_char(image_path， img_width， img_height， task)

print('{}/{} is processed.'.format(task， number))

print('=======================')

print('All pictures were processed!')

print('=======================')

return 0

# 将图片转换为灰度图像后进行ascii_char中的ASCII值输出

# 函数输入像素RGBA值，输出对应的字符码。其原理是将字符均匀地分布在整个灰度范围内，像素灰度值落在哪个区间就对应哪个字符码。

def get_char(r， g， b， alpha=256):

#ascii_char就是字符列表，用来将不同灰度的像素进行不同字符体替换的参照。

ascii_char = list("#RMNHQODBWGPZ*@$C&98?32I1>!:-;. ")

#alpha在为0的时候便是完全透明的图片，所以返回空

if alpha == 0:

return ''

length = len(ascii_char)

#转为灰度图

#RGBA是代表Red(红色)、Green(绿色)、Blue(蓝色)和Alpha的色彩空间，Alpha通道一般用作不透明度参数

#如果一个像素的alpha通道数值为0%，那它就是完全透明的，而数值为100%则意味着一个完全不透明的像素

gray = int(0.2126 * r + 0.7152 * g + 0.0722 * b)

# unit = (256.0 + 1) / len(ascii_char)

unit = 256 / len(ascii_char)

return ascii_char[int(gray / unit)]

def img_to_char(image_path， raw_width， raw_height， task):

width = int(raw_width / 6)

height = int(raw_height / 15)

# 以RGB模式打开

im = Image.open(image_path).convert('RGB')

im = im.resize((width， height)， Image.NEAREST)

txt = ''

color = []

#遍历图片的每个像素

for i in range(height):

for j in range(width):

pixel = im.getpixel((j， i))

# 将颜色加入进行索引

color.append((pixel[0]， pixel[1]， pixel[2]))

if len(pixel) == 4:

txt += get_char(pixel[0]， pixel[1]， pixel[2]， pixel[3])

else:

txt += get_char(pixel[0]， pixel[1]， pixel[2])

txt += '\n'

color.append((255， 255， 255))

im_txt = Image.new("RGB"， (raw_width， raw_height)， (255， 255， 255))

dr = ImageDraw.Draw(im_txt)

font = ImageFont.load_default().font

x， y = 0， 0

font_w， font_h = font.getsize(txt[1])

font_h *= 1.37 # 调整字体大小

for i in range(len(txt)):

if (txt[i] == '\n'):

x += font_h

y = -font_w

dr.text((y， x)， txt[i]， fill=color[i])

y += font_w

#存储处理后的图片至文件夹

os.chdir('cache_char')

im_txt.save(str(task) + '.jpg')

#直接进入新创建的文件夹将生成的图片直接存入文件夹中

os.chdir("..")

return 0

3.5 将转换好的图片帧合成视频

# 进度条显示

def process_bar(percent， start_str=''， end_str=''， total_length=0):code>

bar = ''.join("■ " * int(percent * total_length)) + ''

bar = '\r' + start_str + bar.ljust(total_length) + ' {:0>4.1f}%|'.format(percent * 100) + end_str

print(bar， end=''， flush=True)code>

#图片帧合成视频

def jpg_to_video(char_image_path， FPS):

# 设置视频编码器，这里使用MP42编码器

video_fourcc = VideoWriter_fourcc(*"MP42")

# 生成目标字符图片文件的路径列表

char_img_path_list = [char_image_path + r'/{}.jpg'.format(i) for i in range(1， number + 1)]

# 获取图片的分辨率

char_img_test = Image.open(char_img_path_list[1]).size

if not os.path.exists('video'):

os.mkdir('video')

video_writter = VideoWriter('video/output.avi'， video_fourcc， FPS， char_img_test)

sum = len(char_img_path_list)

count = 0

for image_path in char_img_path_list:

img = cv2.imread(image_path)

video_writter.write(img)

end_str = '100%'

count = count + 1

process_bar(count / sum， start_str=''， end_str=end_str， total_length=15)code>

video_writter.release()

print('\n')

print('=======================')

print('The video is finished!')

print('=======================')

3.6 主函数

<code>pip install opencv_python

4.导入库函数

<code>#导入Python库

import cv2

from PIL import Image，ImageFont，ImageDraw

import os

from cv2 import VideoWriter， VideoWriter_fourcc， imread， resize

5.将视频转化为图像帧

<code>#将视频转换为图片存入目标文件夹

def video_to_pic(vp):

number = 0

# 判断载入的视频是否可以打开

if vp.isOpened():

#r：布尔型 （True 或者False），代表有没有读取到图片，frame：表示截取到的一帧的图片的数据，是个三维数组

r，frame = vp.read()

#判断文件夹是否存在，不存在的话则新建文件夹

if not os.path.exists('cache_pic'):

os.mkdir('cache_pic')

os.chdir('cache_pic')

else:

r = False

#遍历视频，并将每一帧图片写入文件夹

while r:

number += 1

cv2.imwrite(str(number)+'.jpg'，frame)

r，frame = vp.read()

print('\n由视频一共生成了{}张图片！'.format(number))

# 修改当前工作目录至主目录

os.chdir("..")

return number

6.对图片帧进行ASCII码的转换

<code>#将图片进行批量化处理

def star_to_char(number， save_pic_path):

#判断文件夹是否存在，不存在的话则新建文件夹

if not os.path.exists('cache_char'):

os.mkdir('cache_char')

# 生成目标图片文件的路径列表

img_path_list = [save_pic_path + r'/{}.jpg'.format(i) for i in range(1， number + 1)]

task = 0

for image_path in img_path_list:

# 获取图片的分辨率

img_width， img_height = Image.open(image_path).size

task += 1

#处理图片，并显示处理进程

img_to_char(image_path， img_width， img_height， task)

print('{}/{} is processed.'.format(task， number))

print('=======================')

print('All pictures were processed!')

print('=======================')

return 0

# 将图片转换为灰度图像后进行ascii_char中的ASCII值输出

# 函数输入像素RGBA值，输出对应的字符码。其原理是将字符均匀地分布在整个灰度范围内，像素灰度值落在哪个区间就对应哪个字符码。

def get_char(r， g， b， alpha=256):

#ascii_char就是字符列表，用来将不同灰度的像素进行不同字符体替换的参照。

ascii_char = list("#RMNHQODBWGPZ*@$C&98?32I1>!:-;. ")

#alpha在为0的时候便是完全透明的图片，所以返回空

if alpha == 0:

return ''

length = len(ascii_char)

#转为灰度图

#RGBA是代表Red(红色)、Green(绿色)、Blue(蓝色)和Alpha的色彩空间，Alpha通道一般用作不透明度参数

#如果一个像素的alpha通道数值为0%，那它就是完全透明的，而数值为100%则意味着一个完全不透明的像素

gray = int(0.2126 * r + 0.7152 * g + 0.0722 * b)

# unit = (256.0 + 1) / len(ascii_char)

unit = 256 / len(ascii_char)

return ascii_char[int(gray / unit)]

def img_to_char(image_path， raw_width， raw_height， task):

width = int(raw_width / 6)

height = int(raw_height / 15)

# 以RGB模式打开

im = Image.open(image_path).convert('RGB')

im = im.resize((width， height)， Image.NEAREST)

txt = ''

color = []

#遍历图片的每个像素

for i in range(height):

for j in range(width):

pixel = im.getpixel((j， i))

# 将颜色加入进行索引

color.append((pixel[0]， pixel[1]， pixel[2]))

if len(pixel) == 4:

txt += get_char(pixel[0]， pixel[1]， pixel[2]， pixel[3])

else:

txt += get_char(pixel[0]， pixel[1]， pixel[2])

txt += '\n'

color.append((255， 255， 255))

im_txt = Image.new("RGB"， (raw_width， raw_height)， (255， 255， 255))

dr = ImageDraw.Draw(im_txt)

font = ImageFont.load_default().font

x， y = 0， 0

font_w， font_h = font.getsize(txt[1])

font_h *= 1.37 # 调整字体大小

for i in range(len(txt)):

if (txt[i] == '\n'):

x += font_h

y = -font_w

dr.text((y， x)， txt[i]， fill=color[i])

y += font_w

#存储处理后的图片至文件夹

os.chdir('cache_char')

im_txt.save(str(task) + '.jpg')

#直接进入新创建的文件夹将生成的图片直接存入文件夹中

os.chdir("..")

return 0

7.将转换好的图片帧合成视频

<code># 进度条显示

def process_bar(percent， start_str=''， end_str=''， total_length=0):code>

bar = ''.join("■ " * int(percent * total_length)) + ''

bar = '\r' + start_str + bar.ljust(total_length) + ' {:0>4.1f}%|'.format(percent * 100) + end_str

print(bar， end=''， flush=True)code>

#图片帧合成视频

def jpg_to_video(char_image_path， FPS):

# 设置视频编码器，这里使用MP42编码器

video_fourcc = VideoWriter_fourcc(*"MP42")

# 生成目标字符图片文件的路径列表

char_img_path_list = [char_image_path + r'/{}.jpg'.format(i) for i in range(1， number + 1)]

# 获取图片的分辨率

char_img_test = Image.open(char_img_path_list[1]).size

if not os.path.exists('video'):

os.mkdir('video')

video_writter = VideoWriter('video/output.avi'， video_fourcc， FPS， char_img_test)

sum = len(char_img_path_list)

count = 0

for image_path in char_img_path_list:

img = cv2.imread(image_path)

video_writter.write(img)

end_str = '100%'

count = count + 1

process_bar(count / sum， start_str=''， end_str=end_str， total_length=15)code>

video_writter.release()

print('\n')

print('=======================')

print('The video is finished!')

print('=======================')

8.运行主函数