Bad Apple --MSC Patran版

前言：本来想通过MPC连接，定义基于时间的位移约束，进行时域分析，然后形成动画的。结果位移约束没搞好，所以改用“显示/隐藏”这个简单方案。考虑到动画的帧数，放弃第一个方案也许是跟明智的。

基本思路：
1、获取动画的各帧点阵图。
2、编写PCL的显示、隐藏命令。
3、执行动画。

具体方法：
1、将视频转换为各帧图片保存；
2、读取各帧图片，调整像素，转换为黑白图片；
3、获取各点灰度；
4、根据灰度大小分为黑、白；
5、根据“黑”、“白”定义方块的显示或隐藏，写入文本；
6、在Patran中建立显示框；
7、读取PCL；
8、录视频、合音轨、炫耀……

选择Python只是好玩，但是用了之后发现，真的是“人生苦短，……”

以下是具体方案：
一、获取点阵图
直接通过opencv进行处理，获取各帧图。
关键代码（根据网上搜到的代码改的）：

import cv2

vc = cv2.VideoCapture(r'F:\WorkSpace\resources\bad apple.flv') #读入视频文件
c=1
if vc.isOpened(): #判断是否正常打开
    rval , frame = vc.read()
else:
    rval = False
print(rval)
while rval:   #循环读取视频帧
    rval, frame = vc.read()
    print("timeF")
    cv2.imwrite('a/'+str(c) + '.jpg',frame) #存储为图像
    c = c + 1
vc.release()

把存储的图像再转换为点阵图即可，获取文件→图片放缩→转换为灰白图像→获取各像素点值。

在获取文件时，需要注意，通过glob获取文件时，并不是按照我们期望的顺序，即“1，2，…，9，10，11”这种，而是“1，10，11，2，…”这种。需要进行排序。
Python里，可参考如下方式。
（来自“https://blog.codinghorror.com/sorting-for-humans-natural-sort-order/”）
（来自“https://nedbatchelder.com/blog/200712/human_sorting.html”）

def atof(text):
    try:
        retval = float(text)
    except ValueError:
        retval = text
    return retval

def natural_keys(text):
    '''
    alist.sort(key=natural_keys) sorts in human order
    http://nedbatchelder.com/blog/200712/human_sorting.html
    (See Toothy's implementation in the comments)
    float regex comes from https://stackoverflow.com/a/12643073/190597
    '''
    return [ atof(c) for c in re.split(r'[+-]?([0-9]+(?:[.][0-9]*)?|[.][0-9]+)', text) ]

Python确实简洁。其他语言可能会代码量稍多。
然后对获取的文件列表，循环对每个文件进行处理。
关键代码如下：

def transform1(image_file):
    image_file = image_file.convert("L")  # 转换为黑白图片，参数"L"表示黑白模式
    codePic = ''
    for h in range(0, image_file.size[1]):  # size属性表示图片的分辨率，'0'为横向大小，'1'为纵向
        for w in range(0, image_file.size[0]):
            gray = image_file.getpixel((w, h))  # 返回指定位置的像素，如果所打开的图像是多层次的图片，那这个方法就返回一个元组

            if gray > 170:
                codePic = codePic + " " + ' '
            else:
                codePic = codePic + " " + "■"

        codePic = codePic + '\r\n'
    return codePic
for image in image_list:
    im = Image.open(image)
    im = im.resize((60, 45))
    gray1 = transform1(im)

进行图片转换，获取各像素点灰度，没什么好说的。

二、建立Patran显示板
通过PCL语言或者手动建立均可。
在XOY平面内依次建立各显示点，这里使用的是立方体，可能用2D的CAD对象或使用单元对象显示效率更高吧，没有试，有兴趣的同学可以试试。
保持与Python图像顺序一致，序号安装从左向右，从上向下。
PCL代码如下：

STRING ge_create_solid_pri_created_ids[VIRTUAL]
ge_const_solid_block( "1", "1.0", "1.0", "1.0", 0, "", "Coord 0", "[0 0 0]",  @
ge_create_solid_pri_created_ids )
$# 1 Solid Created: Solid 1
STRING sgm_transform_solid_created_ids[VIRTUAL]
$向X方向进行平移，执行59次
ge_transform_translate_v1( "", "solid", "<1 0 0>", 1., FALSE, "Coord 0", 59, FALSE, "Solid 1", sgm_transform_solid_created_ids )
write(sgm_transform_solid_created_ids)
STRING sgm_transform_solid_created_ids[VIRTUAL]
$向-Y方向进行平移，执行44次
ge_transform_translate_v1( "", "solid", "<0 -1 0>", 1., FALSE, "Coord 0", 44, FALSE, "Solid 1:60", sgm_transform_solid_created_ids )
write(sgm_transform_solid_created_ids)

$修改背景颜色，默认是蓝色，这里修改为白色（可能是这个功能，想不起来了...）
uil_imaging_bw_reverse(  )
ui_repaint_tree( TRUE )
uil_imaging_bw_reverse(  )
ui_repaint_tree( TRUE )

$设置当前默认组的颜色为黑色，不显示边缘线
ga_group_color_set( "default_group", 7 )
coloring_method( 2 )
ga_display_showedges_set( "general", 0 )

$设置显示模式，设置视角和范围
uil_toolbar.shaded_smooth(  )
ga_view_aa_set( 0., 0., 0. )
gu_fit_view(  )

三、动画效果
通过执行PCL进行动画。
前面提到的，最初希望能够通过时域分析得到，显得屌屌哒，然后放弃了。
通过PCL显示动画就简单多了，把像素点移动至屏幕外，显示隐藏，移出当前组都可以实现。
开始使用的是移出/移入当前组，即“ga_group_entity_remove”，后来感觉像素点多了执行有点慢，就采用显示/隐藏，“gm_visibility_widget”。效果还不错。
注意的是，显示/隐藏后，需要刷新画面才能显示正常，可以使用“ga_view_aa_set( 0., 0., 0. )”进行刷新。
所以，每一帧的处理逻辑基本上就是：像素点设置为显示→刷新→像素点设置为隐藏→下一次循环。

每一帧动画之间，可以进行停顿。
方法1：
通过调用“utl_process_spawn”执行外部程序实现，当“utl_process_spawn”参数为“TRUE”时，Patran会等待该程序执行结束。

在与Patran交互时，通过该方式能够实现Patran与外部程序间的相互触发。
方法2：
直接通过Patran中的循环等待即可。
编写While循环，然后判断时间即可，通过“sys_cputime（）”获取时间进行判断。
然后，出现的问题是，每一帧的执行时间基本上与帧时间一致，所以，根本不需要停顿。而且每一帧的执行时间也可能不一致……

四、建立PCL动画文件
这里就简单了，通过Python把各帧需要显示的solid编号写入PCL文件即可。Python的格式化输出“.format”还是很方便的。
各帧的核心代码如下：

    f.write("gm_visibility_widget(\"Solid {} \", TRUE)".format(gray2) + "\n")
    f.write("ga_view_aa_set( 0., 0., 0. )" + "\n")
    f.write("gm_visibility_widget(\"Solid 1:2700 \", FALSE)" + "\n")

这里需要注意的是，在进行显示设置时，我们的显示对象“Solid”一般为“Solid 1 2 3 4”这种形式，对Patran来说这个格式是没有问题的，但是PCL文件对各行长度是有限制的，具体长度未测试。所以对于长文本需要通过“@”进行连接，所以在处理图像时，可以直接获取如下格式的实体编号。

num = num + str(h * 60 + w + 1) + " " + "\"" + r"//@" + """

gm_visibility_widget("Solid  1 "//@
                "  2 "//@
                "  3 "//@
                "  4 "//@
                "  5 "//@
                "  6 "//@

这样可以保证不会长度超限，然后结果就是，PCL文件比较大……这里6000+图片，80*60的点，PCL文件达到了500M+。

其实可以通过简写为“Solid 1:10 12”这种形式，可以大幅度减少PCL大小。
通用处理方式为：去重→排序→简化。
处理之后PCL文件会减小很多，但是依旧有可能长度超出，所以需要判断长度，进行“@”分割。…所以算了。

五、后处理
然后就是录视频，音频视频合并，等等。
win10自带的录制还不错，自动识别Patran窗口并只录制窗口内容。
效果基本上就是这样：https://www.bilibili.com/video/av17717423/
然而根本没有人看……

资源
PCL文件：http://download.csdn.net/download/lk1233691/10183172
现在不能0分分享了，所以外加度娘盘。
https://pan.baidu.com/s/1kULUAWZ
Python代码：http://download.csdn.net/download/lk1233691/10183179