目录
一.引言
二.gif_to_png
三.gfp_gan
四.png_to_gif
五.总结
一.引言
前面我们介绍了 GFP-GAN 提高人脸质量 与 OCR 提取视频台词、字幕，前者可以提高图像质量，后者可以从视频中抽帧，于是博主便想到了将二者进行结合并优化人物 GIF 图像质量。其步骤如下：
◆ MoviePy 截取视频关键帧
◆ GFP-GAN 提高人脸图像质量
◆ MoviePy 关键帧合并为 GIF
Tips:
后面的执行步骤需要电脑上已经配置好 GFP-GAN 的环境且安装了 moviepy 的依赖。
二.gif_to_png
def gif_to_png(_file_name, _output):
from moviepy.editor import VideoFileClip
# Load your gif
clip = VideoFileClip(_file_name)
print(f'Duration: {clip.duration} FPS: {clip.fps}')
# Loop over clip frames
for i, frame in enumerate(clip.iter_frames()):
from PIL import Image
img = Image.fromarray(frame)
img.save(f'{_output}/frame_{i}.png')
if __name__ == '__main__':
file_name = "/Users/Desktop/ori.gif"
output = "/Users/Desktop/out"
gif_to_png(file_name, output)这一步我们读取 gif 并抽帧保存为多张图片，运行程序后会在 output 文件夹下得到 FPS x Duration = 40 张图片:
Duration: 4.0 FPS: 10.0
由于是老版电视剧的原因，gif 中人物的表情比较糊，画质较差:
三.gfp_gan
python inference_gfpgan.py -i inputs/gif_imgs -o results -v 1.3 -s 2
将上面的多帧图片存储至 GFP-GAN inputs 文件夹下，执行 inference_gfpgan.py，结果将输出至 results 文件夹内：
其中 restored_imgs 文件夹内存储了我们修复的多帧图像，看一下修复效果:
四.png_to_gif
def png_to_gif(_output, gif_name, fps):
file_list = os.listdir(_output)
file_list.sort()
# 构造多个 ImageClip 片段
clips = [ImageClip(_output + img).set_duration(1) for img in file_list if img.endswith(".png")]
concat_clip = concatenate_videoclips(clips, method="compose")
concat_clip.write_gif(gif_name, fps=fps)
if __name__ == '__main__':
file_name = "/Users/Desktop/ori.gif" # 原始 GIF
input = "/Users/Desktop/result/restored_imgs/" # 修复帧
output = "out.gif" # 输出 GIF
# 匹配原 GIF 的 FPS
ori_fps = VideoFileClip(file_name).fps
png_to_gif(input, output, ori_fps)MoviePy - Building file out.gif with imageio.出现上述命令后代表开始多帧图像的合并，可以看到修复后的 GIF 人物更加的清晰:
五.总结
GFP-GAN 整体来说可玩性还是很高，后面博主会继续跟进 wave2lip 的测试，把音频、图像、视频结合到一起。这里我们处理的原始 gif 大小为 10m，处理后大小为 14m；同时如果资源比较充足的话，也可以将 GIF 扩展为视频人物细节处理。
