一个应用于视频或图像的蒙太奇生成工具。通过将原始视频帧或给定图像分割为多个小块，并用色调相近的图像块代替原始图块，生成具有艺术效果的蒙太奇图像。
- 图像蒙太奇生成：支持自定义小块大小，缩放蒙太奇图像大小，生成指定分辨率的蒙太奇图像。
- 蒙太奇图像边界补全：支持蒙太奇图像边界补全选项，根据所提供的小块大小，自适应补全生成蒙太奇图像的边界，避免在蒙太奇图像中内嵌的小块出现显示不全现象。
- 小块过滤：支持小块过滤选项，在作为小块图像的文件中，仅保留原图比例与小块比例一致的图像，忽略其他比例的图像。
- 小块去重：支持小块去重选项，通过限制每个小块仅出现一次，确保在大规模数据集下生成的蒙太奇图像中，每个小块都独一无二，充分发挥海量数据集的优势，以还原完美的蒙太奇图像。
- 高效处理：支持懒加载、缓存对图像块训练过后的蒙太奇对象，适用于大规模图像数据集。对于 18048 x 12258 的蒙太奇图像，使用 96 x 54 的小块图像进行填充，在 Intel(R) Core(TM) i7-10750H CPU @ 2.60GHz 下只需大约 3s 即可生成！
- 视频蒙太奇生成：支持对视频逐帧处理，生成动态的蒙太奇视频。
-
输入图像：
Yui-Azusa.jpg
-
输出蒙太奇图像：
-
输出蒙太奇图像细节：
-
输入图像：
Mio-Ritsu-Tsumugi.jpg
-
输出蒙太奇图像：
-
输出蒙太奇图像细节：
-
安装依赖：
pip install -r requirements.txt
-
配置参数： 在 settings.py 文件中修改以下参数：
image_dir：存储作为 block 区域图像的文件夹路径。block_height和block_width：block 区域图像的高宽。fix_ratio：在作为 block 区域图像的文件中，是否仅保留原图比例与 block_height / block_width 比例一致的 block 区域图像。若为 True，则会应用满足与 block_height / block_width 比例一致的 block 区域图像，忽略其他比例的图像。若为 False，则会应用所有的 block 区域图像。lazy_load：是否懒加载 block 区域图像，若为 False，则一次性缓存所有的 block 区域图像至内存中，该设置可显著加快程序运行速度，但不适用于 block 区域图像过多的场景。强烈建议图像数量不超过 1w 张以上时均设置为 False。scale：蒙太奇图像的缩放比例。fit_size：是否在蒙太奇图像缩放过后，进一步将图像大小调整，以自适应匹配 block 区域图像的比例，避免在蒙太奇图像最右方与最下方的 block 区域图像出现截断所导致的显示不全现象。unique：是否限制每个 block 区域图像仅出现一次。image_input_path：蒙太奇图像输入路径。image_output_path：蒙太奇图像输出路径。pkl_path：保存训练好的蒙太奇对象路径。若提供该路径，则优先加载该路径下的蒙太奇对象，并判断是否该对象参数是否与当前配置参数是否一致，若一致则直接使用该对象。若不一致，或者未提供该路径，则会训练对应的蒙太奇对象，并将其保存至该路径video_input_path：输入视频路径video_output_path：输出视频路径mode：将蒙太奇效果应用于图像（image）还是视频（video）
-
运行程序：
python main.py
使用 PyAutoGUI 实现的 KonArchive 自动截屏脚本，用以获取 KonArchive 软件本体中 423 张 K-ON! 1920 x 1080 大图
- 安装依赖： 安装 KonArchive 软件本体
-
配置参数： 在 KonArchiveAutoScreenshot.py 文件中修改以下参数：
exec_file：存储作为 block 区域图像的文件夹路径。screenshot_dir：保存截屏的文件夹路径。debug_dir：程序运行时调试文件夹路径。
-
运行程序：
python KonArchiveAutoScreenshot.py
Montage-Generator/
├── Data/ # 数据文件夹
│ ├── input/ # 输入图像或视频
│ ├── output/ # 输出图像或视频
│ ├── metric/ # 运行 demo 脚本后，自动生成的图像文件
│ ├── src/ # KonArchive 自动截屏脚本所需的资源文件
│ ├── K-ON!/ # KonArchive 自动截屏脚本所截取的图像文件
│ └── debug/ # 运行 KonArchive 自动截屏脚本后，自动生成的调试文件
├── montage.py # 核心蒙太奇生成逻辑
├── settings.py # 配置文件
├── main.py # 主程序入口
├── utils.py # 实用函数文件
├── KonArchiveAutoScreenshot.py # KonArchive 自动截屏脚本
├── demo.py # 评估不同颜色差异计算方法的显示效果，并将其写入到文件名为函数名 + 函数参数的图像文件中
├── README.md # 项目说明文件
├── requirements.txt # 依赖库列表
└── LICENSE # 许可证
- Python 3.8 或更高版本
欢迎对本项目提出建议或贡献代码！请通过以下步骤参与贡献：
-
Fork 本仓库。
-
创建新分支：
git checkout -b feature/your-feature-name
-
提交更改并推送到你的分支：
git commit -m "Add your commit message" git push origin feature/your-feature-name -
提交 Pull Request。
本项目基于 MIT License 开源。
如有任何问题或建议，请联系作者：
- Email: 2513502304@qq.com