MoviePy中保持垂直视频宽高比的技术实现
2025-05-17 10:31:36作者:董宙帆
在视频处理过程中,保持原始素材的宽高比是一个常见需求,特别是在处理垂直视频(竖屏视频)时尤为重要。本文将详细介绍如何在使用MoviePy处理垂直视频时正确保持宽高比。
问题背景
当处理1024x1024的正方形图片并希望输出480x854的垂直视频时,直接使用resize方法可能会导致画面被拉伸变形。这是因为简单的尺寸调整没有考虑原始素材和目标尺寸的宽高比差异。
核心概念:宽高比计算
宽高比(Aspect Ratio)是指视频或图片宽度与高度的比例关系。保持宽高比意味着在调整尺寸时,保持这个比例不变,避免画面变形。
计算宽高比的公式为:
宽高比 = 宽度 / 高度
解决方案实现
正确的做法是先计算原始素材的宽高比,然后根据目标高度计算对应的宽度,或者根据目标宽度计算对应的高度。
方法一:固定高度,计算宽度
target_height = 854
original_aspect_ratio = original_width / original_height
target_width = int(target_height * original_aspect_ratio)
方法二:固定宽度,计算高度
target_width = 480
original_aspect_ratio = original_width / original_height
target_height = int(target_width / original_aspect_ratio)
完整代码示例
以下是保持宽高比的完整实现代码:
def build_image_clips(images, audio_file):
audio = AudioFileClip(audio_file)
audio_duration = audio.duration
image_duration = audio_duration / len(images)
video_clips = []
target_width, target_height = 480, 854
for image_url in images:
# 获取原始图片尺寸
img = Image.open(image_url)
original_width, original_height = img.size
aspect_ratio = original_width / original_height
# 计算保持宽高比的目标尺寸
if aspect_ratio > (target_width/target_height):
# 以宽度为基准
new_height = int(target_width / aspect_ratio)
new_size = (target_width, new_height)
else:
# 以高度为基准
new_width = int(target_height * aspect_ratio)
new_size = (new_width, target_height)
# 创建视频片段
image_clip = (ImageClip(image_url)
.set_fps(30)
.set_duration(image_duration)
.resize(new_size))
# 添加缩放效果
image_clip = Zoom(image_clip, mode="in", position="center", speed=5.0)
video_clips.append(image_clip)
# 合成最终视频
final_video = concatenate_videoclips(video_clips)
final_video = CompositeVideoClip([final_video], size=(target_width, target_height))
# 输出视频文件
final_video.write_videofile("output.mp4", fps=30, codec="libx264", audio_codec="aac")
技术要点解析
-
宽高比计算:首先获取原始图片的实际尺寸,计算其宽高比。
-
自适应调整:根据目标尺寸的宽高比与原始素材的宽高比比较,决定是以宽度还是高度为基准进行调整。
-
居中显示:调整后的视频会在目标尺寸的画布上居中显示,四周可能会有黑边(letterbox),这是保持宽高比的正常现象。
-
缩放效果:在保持宽高比的基础上,仍然可以应用各种视频效果,如示例中的Zoom效果。
常见问题处理
-
黑边问题:保持宽高比可能会导致视频周围出现黑边,这是正常现象。如需去除黑边,可以考虑裁剪或使用背景填充。
-
整数像素:计算后的尺寸需要转换为整数,因为像素必须是整数单位。
-
多种分辨率处理:当处理多种不同分辨率的图片时,需要为每张图片单独计算其宽高比和调整尺寸。
通过以上方法,可以确保在MoviePy中处理垂直视频时,画面内容不会出现拉伸变形,保持原始素材的正确比例。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210