文章目录
- 前言
- 一、需要调入的模块
- 1、imageio模块
- 2、Image 模块
- 二、实现合并多张图片转成 mp4 视频
- 三、优化改进一下
- 总结
前言
随着现代科技飞速发展和人们提升视觉上体验，利用图片生成视频的方法，确实为工作或者提升生活体验感做了很多成功案例：
1、简单的幻灯片演示，如展示旅游照片、产品展示等；
2、改编图片动画，如口红试色、时尚大片中的效果；
3、制作日记式的视频内容，将一段长时间内的照片串在一起，如婚礼纪实、Baby成长记录等；
4、制作信息图表，如将各种数据图表整合在一起以便展示和诠释数据。
以上只是一些普遍运用的例子，实际上还有更广泛的使用场景，取决于制作者的目的和创意。
下面咱们用python代码实现多张图片合成MP4视频为实例，做下详细代码讲解。
一、需要调入的模块
1、imageio模块
Python模块imageio是一个用于读取和写入图像及视频数据的库。它支持多种格式，并且可以使用NumPy数组进行操作。
以下是一些关键的函数：
imageio.imread()：从文件中读取图像数据并返回一个NumPy数组。
imageio.imwrite()：将一个NumPy数组写入到文件。
imageio.mimsave()：将多个图像帧组成的列表保存为动画文件（例如GIF）。
imageio.get_reader()：获取一个对象，该对象用于逐帧读取给定文件中的动画图像。
imageio.get_writer()：获取一个对象，该对象用于逐帧写入动画图像到指定文件中。
使用这些函数，可以方便地读取、写入和处理各种图像及视频数据格式。
2、Image 模块
PIL 是 Python 中常用的图像处理库，Image 模块是其中的一个重要模块，它提供了各种图像操作和处理的函数。
以下是 Image 模块中一些主要函数及其作用：
open(): 打开并返回指定文件路径的图像对象。
fromarray(): 将 numpy 数组或 PIL 图像对象转换为 PIL 图像对象。
new(): 创建一个新的指定大小、模式和颜色的空白图像对象。
save(): 将图像保存为指定格式的文件。
resize(): 修改图像的大小。
crop(): 裁剪图像的指定区域。
rotate(): 旋转图像指定角度。
show(): 显示图像。
除此之外，还有很多其他常用的函数，例如调整亮度和对比度、应用滤镜等等。这些函数可以帮助我们实现各种复杂的图像处理任务，并且通常也会有一些参数可用于进一步调节函数的行为，具体使用时可以参考相关文档。
二、实现合并多张图片转成 mp4 视频
使用 Python 中的画图库 PIL（Python Imaging Library）或者 OpenCV 读取每一张图片。
使用第三方库 imageio 将多张图片合并成一个视频文件。
配置生成视频文件的视频帧数、视频尺寸和视频播放速度等参数。
以下是一个简单的示例代码:
import os
import imageio
from PIL import Image
# 设置生成的视频文件名和路径
filename = 'output.mp4'
filepath = os.path.join(os.getcwd(), filename)
# 读取所有 PNG 图片
images = []
for file_name in sorted(os.listdir()):
if file_name.endswith('.png'):
images.append(Image.open(file_name))
# 将图片转换为视频
fps = 30 # 每秒钟30帧
with imageio.get_writer(filepath, fps=fps) as video:
for image in images:
frame = image.convert('RGB')
video.append_data(frame)
实现原理，读取所有需要合并的图片文件，将它们存储到一个列表中。然后使用 imageio 库的 get_writer() 函数创建一个视频写入器对象，并设置视频的播放速度（fps）。之后在循环过程中，读取列表中的每一张图片，在将其转换为带有 RGB 颜色模式的格式后添加到视频帧中。最终输出一个合并了所有目标图片的视频文件。
三、优化改进一下
将程序并行化进行处理，加快处理多张图片的速度。注：以下方法可能并非最优方法
import os
import concurrent.futures
import imageio
from PIL import Image
# 设置生成的视频文件名和路径
filename = "output.mp4"
filepath = os.path.join(os.getcwd(), filename)
def process_image(file_name):
if file_name.endswith(".png"):
image = Image.open(file_name)
return image.convert("RGB")
with concurrent.futures.ThreadPoolExecutor() as executor:
# 寻找所有 png 文件
image_files = [file for file in os.listdir() if file.endswith(".png")]
# 利用线程池并行处理图像
images = list(executor.map(process_image, image_files))
# 将图片转换为视频文件
fps = 30 # 每秒钟30帧
with imageio.get_writer(filepath, fps=fps) as video:
for image in images:
video.append_data(image)
这里使用 concurrent.futures 库中的 ThreadPoolExecutor 对象进行并行处理。首先在主线程中寻找读取当前工作目录下的所有需要合并的 PNG 图片，创建任务列表。然后将任务提交给线程池中并保证能够快速、异步地处理目标文件。在处理完所有 PNG 图片之后，将其存储到一个 images 中的列表中并最后转换成视频。
总结
以上就是今天要讲的内容，本文仅仅简单介绍了python代码实现图片转成视频的使用，而imageio中提供了大量能使我们快速便捷地处理数据的函数和方法。
注意，由于 GIL 的存在，Python 的多线程并不总能带来真正的性能提升。如果性能是关键，请考虑使用更优秀的 Python 解释器、使用类似 joblib 的库以及使用其他语言编写多线程实现。
希望对看到的小伙伴有帮助。
文章出处登录后可见！
