Код для добавления блюра в видео по координатам на Python

Для добавления блюра в коде используется библиотека cv2.

➡️Установка библиотек: pip install opencv-python

import cv2

# Загрузка видео
cap = cv2.VideoCapture('video.mp4')

# Получение параметров видео для создания объекта VideoWriter
frame_width = int(cap.get(3))
frame_height = int(cap.get(4))
fps = int(cap.get(cv2.CAP_PROP_FPS))

# Создание объекта VideoWriter
fourcc = cv2.VideoWriter_fourcc(*'mp4v')  # Кодек для формата MP4
out = cv2.VideoWriter('output.mp4', fourcc, fps, (frame_width, frame_height))

# Чтение видео по кадрам
while True:
    ret, frame = cap.read()
    if not ret:
        break

    # Выбор области для размытия
    # x, y - координаты верхнего левого угла
    # w, h - ширина и высота области
    x, y, w, h = 100, 130, 1300, 650  # Пример координат и размеров

    # Выделение области, которую нужно размыть
    roi = frame[y:y + h, x:x + w]

    # Применение размытия к выбранной области
    roi_blurred = cv2.GaussianBlur(roi, (23, 23), 70)

    # Вставка размытой области обратно в кадр
    frame[y:y + h, x:x + w] = roi_blurred

    # Запись обработанного кадра в выходной файл
    out.write(frame)

    # Отображение кадра
    cv2.imshow('Blurred Area', frame)

    # Выход из цикла по нажатию клавиши 'q'
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# Освобождение ресурсов и закрытие окон
cap.release()
out.release()
cv2.destroyAllWindows()

➡️Справочник Программиста. Подписаться

👀 Библиотека Pandas AI в Python

Библиотека Pandas AI интегрирует возможности искусственного интеллекта в работу с данными на базе библиотеки Pandas.

Упрощает анализ данных, позволяя формулировать запросы на естественном языке.

Основные возможности библиотеки:
🔵Интерактивный анализ данных: Формулируйте запросы на естественном языке, например: "Найди среднее значение столбца 'доходы' за 2024 год."
🔵Улучшенная визуализация: Генерация графиков, таких как гистограммы или диаграммы, на основе текстового описания, например: "Построй график изменения цен по месяцам."
🔵Интеграция с Pandas: Работает с обычными объектами Pandas (DataFrame), добавляя к ним функционал обработки через ИИ.
🔵Обратная совместимость: Весь функционал Pandas остается доступным, и библиотека легко интегрируется в существующие проекты.

➡️Установка: pip install pandasai

📱 Репозиторий
⚙️ Документация

➡️Справочник Программиста. Подписаться

👀 Библиотека Hug в Python

Hug — это легковесный фреймворк для создания API и web-приложений на Python. Ориентирован на упрощение разработки API, обеспечивая интуитивно понятный интерфейс и минимальные усилия при настройке.

Основные цели библиотеки: скорость, удобство и читаемость кода.

Основные особенности библиотеки:
🔵Простота использования: Минимизирует количество кода, который нужно написать для создания API. Даже базовые API могут быть реализованы всего за несколько строк кода.
🔵Многопротокольная поддержка: Поддерживает создание API для HTTP, CLI (интерфейс командной строки) и даже функций для прямого использования в Python.
🔵Автоматическая документация: Автоматически генерирует понятную документацию для ваших API, доступную по URL-адресу.
🔵Проверка данных: Поддерживает встроенную валидацию входных данных, используя аннотации типов Python и валидаторы.
🔵Высокая производительность: Работает асинхронно и оптимизирован для работы с сервером ASGI (например, с использованием Starlette или FastAPI).
🔵Масштабируемость: API, созданные на Hug, легко масштабируются благодаря поддержке асинхронных операций.

➡️Установка: pip install hug

📱 Репозиторий
⚙️ Документация

➡️Справочник Программиста. Подписаться

📺 Генерация ASCII арта из изображения на Python

В данном shorts напишем код для генерации ASCII-артов из изображения на Python.

➡️Справочник Программиста. Подписаться

Код для генерации ASCII-арта из изображения на Python

Для работы с изображением в коде используется библиотека Pillow.

➡️Установка библиотеки: pip install Pillow

from PIL import Image


def image_to_ascii(image_path, output_path, width=100):
    # Открываем изображение по указанному пути
    img = Image.open(image_path)
    # Конвертируем изображение в градации серого ('L' - режим grayscale)
    img = img.convert('L')
    # Вычисляем соотношение сторон изображения
    aspect_ratio = img.height / img.width
    # Определяем новую высоту, сохраняя соотношение сторон
    new_height = int(aspect_ratio * width * 0.55)
    # Изменяем размер изображения согласно новым параметрам
    img = img.resize((width, new_height))

    # Получаем пиксельные данные изображения
    pixels = img.getdata()
    # Определяем набор символов для ASCII
    chars = ["@", "#", "S", "%", "?", "*", "+", ";", ":", ",", "."]
    # Преобразуем пиксели в ASCII символы
    ascii_str = "".join([chars[pixel // 25] for pixel in pixels])
    # Получаем длину строки ASCII
    ascii_str_len = len(ascii_str)
    # Формируем строку ASCII изображения с нужной шириной
    ascii_img = "\n".join([ascii_str[index: index + width] for index in range(0, ascii_str_len, width)])

    # Открываем файл в режиме для записи
    with open(output_path, "w") as f:
        # Записываем ASCII изображение в файл
        f.write(ascii_img)


image_to_ascii('image.png', 'output.txt')

➡️Справочник Программиста. Подписаться

👀 Библиотека tkforge в Python

Библиотека tkforge предназначена для упрощения создания графических интерфейсов с использованием tkinter.

Позволяет генерировать код интерфейса на основе макетов, созданных в Figma, что особенно удобно для дизайнеров и разработчиков, работающих в команде.

Основные возможности библиотеки:
🔵Генерация tkinter GUI: Возможность экспортировать макеты из Figma и получить готовый Python-код, который создаёт пользовательский интерфейс в tkinter.
🔵Простота интеграции: Требуется указать ID файла Figma, токен для API и путь для сохранения сгенерированного файла.
🔵Обновления и совместимость: Предоставляет инструмент проверки обновлений для актуальности версий и исправлений.
🔵Встроенные утилиты: Например, функция преобразования RGB в HEX и выбор цвета текста на основе яркости фона.

📱 Репозиторий

➡️Справочник Программиста. Подписаться

👀 Библиотека audio-separator в Python

Библиотека audio-separator предназначена для разделения аудиотреков на отдельные источники, такие как вокал, инструментальные партии и другие компоненты.

Разработана с использованием технологий глубокого обучения и основана на мощных моделях, таких как Spleeter от Deezer.

Основные особенности библиотеки:
🔵Удобный интерфейс: предоставляет простой API для обработки аудиофайлов.
🔵Поддержка различных форматов: может работать с форматами MP3, WAV и другими популярными аудиоформатами.
🔵Гибкость настроек: возможность выбрать количество источников для разделения (например, вокал + аккомпанемент, отдельные инструменты).
🔵Основана на pre-trained моделях: используется предобученная архитектура, что позволяет разделять аудио без дополнительного обучения.

➡️Установка: pip install audio-separator

📱 Репозиторий
⚙️ Документация

➡️Справочник Программиста. Подписаться

👀 Библиотека PyPika в Python

Библиотека PyPika предназначена для генерации SQL-запросов с использованием объектно-ориентированного подхода.

Позволяет формировать сложные SQL-запросы, избегая написания сырых SQL-строк, что делает код более читаемым, тестируемым и безопасным.

Основные возможности библиотеки:
🔵Создание запросов SELECT, INSERT, UPDATE и DELETE.
🔵Поддержка соединений (JOIN), подзапросов и группировок.
🔵Управление фильтрами WHERE, ORDER BY и LIMIT.
🔵Совместимость с различными SQL-диалектами (PostgreSQL, MySQL, SQLite и др.).
🔵Расширяемость за счёт пользовательских функций и выражений.

➡️Установка: pip install PyPika

📱 Репозиторий
⚙️ Документация

➡️Справочник Программиста. Подписаться

👀 Библиотека LangFun в Python

Библиотека LangFun позволяет взаимодействовать с моделями больших языковых моделей (LLM).

Разработана для упрощения интеграции LLM в проекты, обеспечивая гибкость в работе с различными моделями, такими как GPT, Gemini, Claude, Groq, и другими.

Основные возможности библиотеки:
🔵Единый интерфейс для работы с различными LLM (GPT, Gemini, Claude и др.);
🔵Поддержка шаблонов на базе Jinja2 для форматирования запросов;
🔵Работа с мультимодальными объектами (изображения, видео, PDF);
🔵Инструменты для параллельной обработки запросов;
🔵Возможности кэширования и контроля частоты запросов;
🔵Интеграция REST API для работы с моделями через стандартные HTTP-запросы;
🔵Инструменты генерации и выполнения кода;
🔵Система оценки моделей (FunEval) с возможностью визуализации результатов.

➡️Установка: pip install langfun[all]

📱 Репозиторий

➡️Справочник Программиста. Подписаться

Код для конвертации HTML-таблицы в Excel на Python

Конвертация возможна как для одной таблицы, так и для нескольких. Если таблиц несколько, каждая из них сохраняется на отдельном листе.

Для конвертации HTML-таблицы в Excel в коде используется библиотека pandas.

➡️Установка библиотек: pip install pandas openpyxl lxml

import pandas as pd

# Чтение HTML-файла с таблицами
html_file = 'example.html'  # Указываем путь к HTML-файлу с таблицами
# Читаем все таблицы из HTML-файла, возвращается список DataFrame
tables = pd.read_html(html_file)

# Проверяем, что таблицы загружены
if tables:  # Условие проверяет, есть ли таблицы в списке
    # Открываем Excel-файл для записи с использованием ExcelWriter
    with pd.ExcelWriter('output.xlsx', engine='openpyxl') as writer:
        # Перебираем таблицы и записываем каждую на отдельный лист
        for i, table in enumerate(tables):
            # Сохраняем текущую таблицу в Excel, создавая новый лист для каждой
            table.to_excel(writer, sheet_name=f'Table_{i+1}', index=False)
        # Сообщаем, что все таблицы успешно сохранены
        print("Все таблицы успешно сохранены в Excel.")
else:
    # Выводим сообщение, если таблиц в HTML-файле не обнаружено
    print("Таблицы не найдены в HTML-файле.")

➡️Справочник Программиста. Подписаться

👀 Библиотека Trio в Python

Trio — это асинхронная библиотека для конкурентного программирования, которая предоставляет простой и эффективный способ написания асинхронных программ с использованием принципов asyncio, но с упрощенным и более интуитивно понятным API.

Ориентирована на использование async/await для параллельного выполнения задач, но делает акцент на безопасности и на простоте кода.

Основные особенности библиотеки:
🔵Простота и читаемость: Предоставляет более простой и чистый API по сравнению с asyncio.
🔵Стримы и каналы: Имеет удобные абстракции для работы с потоками данных и каналами, что позволяет легко организовывать асинхронную обработку данных, например, при работе с сервером или многозадачными вычислениями.
🔵Безопасность: Активно стремится избежать распространенных ошибок, таких как гонки и блокировки, предлагая безопасную работу с конкурентными задачами.
🔵Встроенная поддержка отмены задач: В Trio легко управлять отменой задач, что помогает безопасно завершать выполнение при ошибках или по запросу пользователя.
🔵Асинхронный контекст и синхронизация: Имеет механизмы синхронизации такие как nursery, который управляет жизненным циклом задач, гарантируя их безопасное завершение.
🔵Простота тестирования: Ориентирован на упрощение тестирования асинхронных программ.

➡️Установка библиотеки: pip install trio

📱 Репозиторий
⚙️ Документация

➡️Справочник Программиста. Подписаться