OpenCV-Python实战（2）——图像与视频文件的处理_pythonopencv处理视频(1)

最新推荐文章于 2024-05-27 17:00:50 发布

2301_82244343

最新推荐文章于 2024-05-27 17:00:50 发布

阅读量812

点赞数 26

分类专栏：程序员文章标签： opencv python 音视频

本文链接：https://blog.csdn.net/2301_82244343/article/details/138393126

版权

程序员专栏收录该内容

359 篇文章 0 订阅

订阅专栏


`cv2.VideoCapture` 所必需的参数是 `index_camera`，它指示要读取的相机的索引。如果有一个摄像头连接到计算机，则它的索引为 `0` ，如果有第二台摄像头，可以通过传递参数值 `1` 来选择它，以此类推；需要注意的是，该参数的类型是 int 。

parser = argparse.ArgumentParser()
parser.add_argument(“index_camera”, help=“index of the camera to read from”, type=int)
args = parser.parse_args()


使用 cv2.VideoCapture 的第一步是创建一个要使用的对象 `capture`：

capture = cv2.VideoCapture(args.index_camera)


如果 `index_camera` 为 0，则相当于调用 `cv2.VideoCapture(0)` 。为了检查连接是否已正确建立，需要使用 `capture.isOpened()` 方法，如果无法建立连接，该方法返回 `False`；如果正确初始化，则此方法返回 `True`。  
 要从相机逐帧捕获画面，需要调用 `capture.read()` 方法，该方法从相机返回帧；同时还将返回一个布尔值，此布尔值指示是否已从 `capture` 对象正确读取帧。

while capture.isOpened():
# 逐帧获取相机画面
ret, frame = capture.read()
if ret is True:
# 显示捕获的帧画面
cv2.imshow(‘Input frame from the camera’, frame)


获取的相机帧画面与 OpenCV 读取的图像具有相同的结构，因此可以像处理图像一样处理它。例如，要将帧画面转换为灰度：

	# 将从相机捕获的帧转换为灰度图像
	gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
	# 显示灰度帧图像
    cv2.imshow('Grayscale input camera', gray_frame)


接下来，实现按下 `q` 键退出程序的功能，`ord('q')` 返回 `q` 字符对应的 8 位 ASCII 值，而 `cv2.waitKey()` 与 0xFF 的 按位与 (&) 运算用于仅获取 `cv2.waitKey()` 的最后 8 位。因此，可以对这两个值进行比较，如果相等则退出程序：

    # 按下 q 键可退出程序执行
    if cv2.waitKey(20) & 0xFF == ord('q'):
        break


最后，释放所有内容 (cv2.VideoCapture，并销毁创建的窗口)：

capture.release()
cv2.destroyAllWindows()


通过在命令行中执行以下命令，运行脚本：

python read_camera.py 0


可以看到运行结果显示了相机获取的实时画面：


![获取相机画面](https://img-blog.csdnimg.cn/53911632f3af4068a6beedb788e3c814.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0xPVkVteTEzNDYxMQ==,size_16,color_FFFFFF,t_70#pic_center)


#### 3.2 访问捕获画面对象的属性


可以使用 `capture.get(property_identifier)` 访问 `capture` 对象的某些属性，例如帧宽度、帧高度和每秒帧数 (Frames Per Second, FPS)。如果调用不受支持的属性，则返回值将为 0：

import cv2

capture = cv2.VideoCapture(0)

获取 VideoCapture 的属性 (frame width, frame height and frames per second (fps)):

frame_width = capture.get(cv2.CAP_PROP_FRAME_WIDTH)
frame_height = capture.get(cv2.CAP_PROP_FRAME_HEIGHT)
fps = capture.get(cv2.CAP_PROP_FPS)

打印属性值

print(“CV_CAP_PROP_FRAME_WIDTH: ‘{}’”.format(frame_width))
print(“CV_CAP_PROP_FRAME_HEIGHT : ‘{}’”.format(frame_height))
print(“CAP_PROP_FPS : ‘{}’”.format(fps))

Check if camera opened successfully

if capture.isOpened()is False:
print(“Error opening the camera”)

while capture.isOpened():
ret, frame = capture.read()

if ret is True:
    cv2.imshow('Input frame from the camera', frame)
    if cv2.waitKey(20) & 0xFF == ord('q'):
        break
else:
    break

capture.release()
cv2.destroyAllWindows()


执行此脚本将会打印如下属性信息：

CV_CAP_PROP_FRAME_WIDTH: ‘640.0’
CV_CAP_PROP_FRAME_HEIGHT : ‘480.0’
CAP_PROP_FPS : ‘30.0’


#### 3.3 保存相机画面


可以修改前面的示例以在处理流程中添加其他的功能。例如，我们可能想将一些关键的感兴趣帧保存到磁盘中。在以下示例 `read_camera_capture.py` 中 ，将添加此示例功能，当按下键盘上的 `c` 键时，将当前帧保存到磁盘(同时保存 BGR 和灰度帧)：

import cv2
import argparse

capture = cv2.VideoCapture(0)
if capture.isOpened() is False:
print(“Error opening the camera”)
frame_index = 0
while capture.isOpened():
ret, frame = capture.read()

if ret is True:
    gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    # 保存相机画面
    if cv2.waitKey(20) & 0xFF == ord('c'):
        frame_name = "camera\_frame\_{}.png".format(frame_index)
        gray_frame_name = "grayscale\_camera\_frame\_{}.png".format(frame_index)
        # 将当前帧保存到磁盘(同时保存 BGR 和灰度帧)
        cv2.imwrite(frame_name, frame)
        cv2.imwrite(gray_frame_name, gray_frame)
        frame_index += 1
    if cv2.waitKey(20) & 0xFF == ord('q'):
        break
else:
    break

capture.release()
cv2.destroyAllWindows()


当按下 `c` 键时，首先构造两个文件名；然后，将两个图像保存到磁盘；最后，`frame_index` 递增，以便为保存下一帧做好准备。


#### 3.4 读取视频文件


`cv2.VideoCapture` 也可以用于读取视频文件，要读取视频文件，应在创建 `cv2.VideoCapture` 对象时提供视频文件的路径，编写 `read_video_file.py` 脚本：

import cv2
import argparse

parser = argparse.ArgumentParser()
parser.add_argument(“video_path”, help=“path to the video file”)
args = parser.parse_args()
capture = cv2.VideoCapture(args.video_path)
if capture.isOpened() is False:
print(“Error opening the video file!”)

while capture.isOpened():
ret, frame = capture.read()
if ret is True:
cv2.imshow(‘Original frame from the video file’, frame)
gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
cv2.imshow(‘Grayscale frame’, gray_frame)
if cv2.waitKey(20) & 0xFF == ord(‘q’):
break
else:
break
capture.release()
cv2.destroyAllWindows()


通过在命令行中执行以下命令，运行脚本：

python read_video_file.py xinlingqilv.mp4


可以看到运行结果开始播放视频文件：


![播放视频文件](https://img-blog.csdnimg.cn/2395e7c69039409999a2eb129e24504c.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0xPVkVteTEzNDYxMQ==,size_16,color_FFFFFF,t_70#pic_center)


#### 3.5 读取 IP 摄像机


`cv2.VideoCapture` 也可以从 IP 摄像头读取数据。在 OpenCV 中从 IP 摄像头读取数据与从文件读取数据非常相似。唯一需要修改的是提供给 `cv2.VideoCapture` 构造函数的参数。可以使用本地网络中的 IP 摄像机或尝试连接公共 IP 摄像机。


### 4. 保存视频文件


接下来，首先介绍与视频相关的基本概念(例如，fps、编解码器和视频文件格式等)，然后将了解如何使用 `cv2.VideoWriter` 保存视频文件。


#### 4.1 计算帧率(FPS)


`FPS` 是计算机视觉项目中的一个重要指标，该指标表示每秒处理的帧(画面)数，`FPS` 越高越好。但是，算法每秒应处理的帧数将取决于需要解决的特定问题。例如，如果算法需要跟踪和检测在街上行走的人，那么 15 FPS 可能就足够了。但是，如果是检测和跟踪高速公路上快速行驶的汽车，则可能需要 20-25 FPS。  
 因此，计算计算机视觉项目中的 FPS 指标非常重要。编写 `read_camera_fps.py` 以输出 `FPS`：

import cv2
import argparse
import time

capture = cv2.VideoCapture(0)

if capture.isOpened() is False:
print(“Error opening the camera”)

while capture.isOpened():
ret, frame = capture.read()
if ret is True:
processing_start = time.time()
cv2.imshow(“Input frame from the camera”, frame)
gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
cv2.imshow(‘Grayscale input camera’, gray_frame)
if cv2.waitKey(20) & 0xFF == ord(‘q’):
break
processing_end = time.time()
processing_time_frame = processing_end - processing_start
print(“FPS: {}”.format(1.0 / processing_time_frame))
else:
break

capture.release()
cv2.destroyAllWindows()


在上述示例脚本中，首先需要获取处理开始的时间：

processing_start = time.time()


然后，获取所有处理完成后的时间：

processing_end = time.time()


接下来，计算时间差：

processing_time_frame = processing_end - processing_start


最后，计算并打印 FPS：

print(“FPS: {}”.format(1.0 / processing_time_frame))


#### 4.2 写入视频文件的流程


视频编码是一种用于压缩和解压缩数字视频的程序。具体而言，编解码器可用于将未压缩的视频转换为压缩后的视频，或者可用于将压缩的视频转换为未压缩的视频。压缩视频格式通常遵循视频压缩规范或视频编码格式的标准规范。OpenCV 提供了 `FOURCC` (一个 4 字节编码)，用于指定视频编解码器，查看[可用编码列表](https://bbs.csdn.net/topics/618317507)获取更多可用编码。应该注意的是：支持的编解码器是平台相关的，如果想使用特定的编解码器，则应该在系统上安装该编解码器。典型的编解码器包括 DIVX、XVID、X264 和 MJPG。  
 视频文件格式是一种用于存储数字视频数据的文件格式，典型的视频文件格式包括 AVI(\*.avi)、MP4(\*.mp4)、QuickTime(\*.mov) 和 Windows Media Video(\*.wmv)。  
 最后，应该考虑到视频文件格式和 FOURCC 之间需要进行正确的组合。 在 OpenCV 中创建视频文件时，必须考虑这些因素：


![写入视频文件的流程](https://img-blog.csdnimg.cn/707790556f244a72ac2aca508f37c610.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0xPVkVteTEzNDYxMQ==,size_16,color_FFFFFF,t_70#pic_center)


上图总结了在 OpenCV 中使用 `cv2.VideoWriter()` 创建视频文件时应考虑的主要因素。在创建的名为 `video_example.avi` 视频中，FOURCC 值为 XVID，视频文件格式为 AVI(\*.avi)，同时最后，应设置视频每一帧的 FPS 和尺寸。  
 脚本 `write_video_file.py` 演示如何创建视频文件：

Import required packages

import cv2
import argparse

parser = argparse.ArgumentParser()

parser.add_argument(“output_video_path”, help=“path to the video file to write”)
args = parser.parse_args()

capture = cv2.VideoCapture(0)

frame_width = capture.get(cv2.CAP_PROP_FRAME_WIDTH)
frame_height = capture.get(cv2.CAP_PROP_FRAME_HEIGHT)
fps = capture.get(cv2.CAP_PROP_FPS)

fourcc = cv2.VideoWriter_fourcc(*‘XVID’)

out_gray = cv2.VideoWriter(args.output_video_path, fourcc, int(fps), (int(frame_width), int(frame_height)), False)

while capture.isOpened():
ret, frame = capture.read()
if ret:
gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
out_gray.write(gray_frame)

    cv2.imshow('gray', gray_frame)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
else:
    break

capture.release()
out_gray.release()
cv2.destroyAllWindows()


在上例中，必需的参数是输出视频文件名(例如 video\_example.avi)：

parser = argparse.ArgumentParser()
parser.add_argument(“output_video_path”, help=“path to the video file to write”)
args = parser.parse_args()


从连接到计算机的第一台相机拍摄视频画面。因此，首先创建对象：

capture = cv2.VideoCapture(0)


接下来，从 `capture` 对象中获取一些关键属性(帧宽度、帧高度和 FPS)，用于创建视频文件时使用：

frame_width = capture.get(cv2.CAP_PROP_FRAME_WIDTH)
frame_height = capture.get(cv2.CAP_PROP_FRAME_HEIGHT)
fps = capture.get(cv2.CAP_PROP_FPS)


然后，使用四字节编码 `FOURCC` 指定视频编解码器，此处将编解码器定义为 XVID ：

fourcc = cv2.VideoWriter_fourcc(‘X’, ‘V’, ‘I’, ‘D’)


也可以使用以下方式指定视频编码器：

fourcc = cv2.VideoWriter_fourcc(*‘XVID’)


然后，使用与输入相机相同的属性创建 `cv2.VideoWriter` 对象 `out_gray`，`cv2.VideoWriter` 的最后一个参数值是 False 表示以灰度方式写入视频。如果我们想创建彩色视频，最后一个参数值为 True ：

out_gray = cv2.VideoWriter(args.output_video_path, fourcc, int(fps), (int(frame_width), int(frame_height)), False)


使用 `capture.read()` 从 `catpure` 对象获取相机帧，每一帧都被转换成灰度并写入视频文件，如果按下 `q` 键，程序结束：

while capture.isOpened():
ret, frame = capture.read()
if ret:
gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
out_gray.write(gray_frame)
cv2.imshow(‘gray’, gray_frame)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
else:
    break


最后，释放所有内容(包括 `cv2.VideoCapture` 和 `cv2.VideWriter` 对象，并销毁创建的窗口)：

capture.release()
out_gray.release()
cv2.destroyAllWindows()


通过在命令行中执行以下命令，运行脚本：

python write_video_file.py video_example.avi


在工作目录下可以看到保存的灰度视频文件。


### 5. 视频属性详解


在上述示例中，我们已经了解了如何从 `cv2.VideoCapture` 对象中获取一些关键属性。接下来，将介绍所有属性并了解它们的工作原理。最后，我们将使用这些属性来加载视频文件并反向输出(首先显示视频的最后一帧，依此类推)。


#### 5.1 获取视频对象的属性


创建 `read_video_file_all_properties.py` 脚本来显示所有属性。其中一些属性仅在使用相机时才有效(而在视频文件时无效)。  
 在脚本中，首先创建 `decode_fourcc()` 函数，它将 `capture.get(cv2.CAP_PROP_FOURCC)` 返回的 `int` 类型的值转换为表示编解码器的字符串值，来正确输出编解码器：

def decode_fourcc(fourcc):
fourcc_int = int(fourcc)

print("int value of fourcc: '{}'".format(fourcc_int))

fourcc_decode = ""
for i in range(4):
    int_value = fourcc_int >> 8 \* i & 0xFF
    print("int\_value: '{}'".format(int_value))
    fourcc_decode += chr(int_value)

return fourcc_decode


下图解释了函数 `decode_fourcc` 的工作原理：


![视频对象的属性](https://img-blog.csdnimg.cn/8d4049fa6d314d76b41950f5d3f08372.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0xPVkVteTEzNDYxMQ==,size_16,color_FFFFFF,t_70#pic_center)


第一步是获取由 capture.get(cv2.CAP\_PROP\_FOURCC) 返回的值( int 表示的字符串)，然后，迭代四次，每次获取八位并将这八位转换为 int 。最后，使用 chr() 函数将这些 int 值转换为 char。也可以只使用一行代码就可以完成此功能：

return “”.join([chr((fourcc_int >> 8 * i) & 0xFF) for i in range(4)])


下表显示了视频文件的主要属性和解释：




| 视频属性 | 解释 |
| --- | --- |
| CAP\_PROP\_POS\_FRAMES | 视频文件的当前帧 |
| CAP\_PROP\_POS\_MSEC | 当前帧的时间戳 |
| CAP\_PROP\_FPS | 获取 FPS |
| CAP\_PROP\_FRAME\_WODTH | 视频帧的宽度 |
| CAP\_PROP\_FRAME\_HEIGHT | 视频帧的高度 |
| CAP\_PROP\_FRAME\_COUNT | 视频文件的总帧数 |


使用以下代码，可以获取和打印所有属性：

print(“CV_CAP_PROP_FRAME_WIDTH:‘{}’”.format(capture.get(cv2.CAP_PROP_FRAME_WIDTH)))
print(“CV_CAP_PROP_FRAME_HEIGHT :‘{}’”.format(capture.get(cv2.CAP_PROP_FRAME_HEIGHT)))
print(“CAP_PROP_FPS : ‘{}’”.format(capture.get(cv2.CAP_PROP_FPS)))
print(“CAP_PROP_POS_MSEC :‘{}’”.format(capture.get(cv2.CAP_PROP_POS_MSEC)))
print(“CAP_PROP_POS_FRAMES :‘{}’”.format(capture.get(cv2.CAP_PROP_POS_FRAMES)))
print(“CAP_PROP_FOURCC :‘{}’”.format(decode_fourcc(capture.get(cv2.CAP_PROP_FOURCC))))
print(“CAP_PROP_FRAME_COUNT :‘{}’”.format(capture.get(cv2.CAP_PROP_FRAME_COUNT)))
print(“CAP_PROP_MODE : ‘{}’”.format(capture.get(cv2.CAP_PROP_MODE)))
print(“CAP_PROP_BRIGHTNESS :‘{}’”.format(capture.get(cv2.CAP_PROP_BRIGHTNESS)))
print(“CAP_PROP_CONTRAST :‘{}’”.format(capture.get(cv2.CAP_PROP_CONTRAST)))
print(“CAP_PROP_SATURATION :‘{}’”.format(capture.get(cv2.CAP_PROP_SATURATION)))
print(“CAP_PROP_HUE : ‘{}’”.format(capture.get(cv2.CAP_PROP_HUE)))
print(“CAP_PROP_GAIN : ‘{}’”.format(capture.get(cv2.CAP_PROP_GAIN)))
print(“CAP_PROP_EXPOSURE :‘{}’”.format(capture.get(cv2.CAP_PROP_EXPOSURE)))
print(“CAP_PROP_CONVERT_RGB :‘{}’”.format(capture.get(cv2.CAP_PROP_CONVERT_RGB)))
print(“CAP_PROP_RECTIFICATION :‘{}’”.format(capture.get(cv2.CAP_PROP_RECTIFICATION)))
print(“CAP_PROP_ISO_SPEED :‘{}’”.format(capture.get(cv2.CAP_PROP_ISO_SPEED)))
print(“CAP_PROP_BUFFERSIZE :‘{}’”.format(capture.get(cv2.CAP_PROP_BUFFERSIZE)))


#### 5.2 视频属性的使用——视频的反向播放


为例更好的了解如何使用上述属性，接下来，我们通过实战使用这些属性。编写 `read_video_file_backwards.py` 脚本，该脚本使用一些上述属性加载视频并反向播放(首先显示视频的最后一帧，然后播放倒数第二帧，依此类推)，为了实现此目的，需要使用属性：`cv2.CAP_PROP_FRAME_COUNT` 和 `cv2.CAP_PROP_POS_FRAMES`。

import cv2
import argparse

parser = argparse.ArgumentParser()
parser.add_argument(“video_path”, help=‘path to the video fiel’)
args = parser.parse_args()

capture = cv2.VideoCapture(args.video_path)

if capture.isOpened() is False:
print(“Error opening vieo stream or file”)

frame_index = capture.get(cv2.CAP_PROP_FRAME_COUNT) - 1
print(“Starting in frame: ‘{}’”.format(frame_index))

while capture.isOpened() and frame_index >= 0:
capture.set(cv2.CAP_PROP_POS_FRAMES, frame_index)
ret, frame = capture.read()

if ret:
    cv2.imshow('Original frame', frame)
    frame_index = frame_index - 1
    print("next index to read: '{}'".format(frame_index))

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

在这里插入图片描述

简历模板

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

2301_82244343

关注

26
点赞
踩
24

收藏

觉得还不错? 一键收藏
0
评论
OpenCV-Python实战（2）——图像与视频文件的处理_pythonopencv处理视频(1)

逐帧获取相机画面# 显示捕获的帧画面import cv2。
复制链接

扫一扫

专栏目录

OpenCV-Python实战（2）——图像与视频文件的处理_pythonopencv处理视频(1)

获取 VideoCapture 的属性 (frame width, frame height and frames per second (fps)):

打印属性值

Check if camera opened successfully

Import required packages

简历模板

“相关推荐”对你有帮助么？