MoviePy中保持垂直视频宽高比的技术实现
2025-05-17 19:26:42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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
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
12
1
暂无简介
Dart
798
197
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
779
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
Ascend Extension for PyTorch
Python
376
446
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1