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

做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。

别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。

我先来介绍一下这些东西怎么用，文末抱走。

---

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把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，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

（4）200多本电子书

这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。

基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。

（5）Python知识点汇总

知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

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！

cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，必需的参数是 `path_image`，它是我们要加载的图像的路径。利用 `args.path_image` 和 `args["path_image"]` 都可以获取图像的路径(从参数中获取值的两种不同方式)，然后将它们用作 `cv2.imread()` 函数的参数。  
 通过在命令行中执行以下命令，运行脚本：

python load_image.py sigonghuiye.jpeg

可以看到运行结果如以下屏幕截图所示：


![在 OpenCV 中读取图像](https://img-blog.csdnimg.cn/35b6825219ec470f83dc4384bdd850fc.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0xPVkVteTEzNDYxMQ==,size_16,color_FFFFFF,t_70#pic_center)


#### 2.2 使用 OpenCV 写入图像


以下示例 `write_image.py` 展示了如何使用函数 `cv2.imshow()` 加载图像：

import argparse
import cv2
parser = argparse.ArgumentParser()
parser.add_argument(“path_image”, help=“path to input image to be displayed”)
parser.add_argument(“path_image_output”, help=“path of the processed image to be saved”)
args = parser.parse_args()
image = cv2.imread(args.path_image)
args = vars(parser.parse_args())
cv2.imwrite(args[“path_image_output”], image)
cv2.waitKey(0)
cv2.destroyAllWindows()

上述示例中，执行脚本需要的参数是 `path_image` 和 `path_image_output`，它们分别是我们要加载的图像的路径以及图像要保存的路径。  
 通过在命令行中执行以下命令，运行脚本：

python load_image.py sigonghuiye.jpeg copy_image.jpg

运行结束后就可以在工作目录中，看到保存的 `copy_image.jpg`.


#### 2.3 计算机视觉项目处理流程示例


计算机视觉项目的常见处理流程是加载图像，执行某种处理，最后输出这个处理过的图像。处理后的图像可以保存到磁盘或者进行展示。为了对计算机视觉项目处理流程有一个完整的认识，在下面的示例中，介绍了这三个步骤(加载、处理和保存)。为了简单起见，处理步骤仅将图像转换为灰度图像，接下来编写脚本 `load_processing_save_image.py`：

import argparse
import cv2
parser = argparse.ArgumentParser()
parser.add_argument(“path_image_input”, help=“path to input image to be displayed”)
parser.add_argument(“path_image_output”, help=“path of the processed image to be saved”)
args = vars(parser.parse_args())
image_input = cv2.imread(args[“path_image_input”])
cv2.imshow(“loaded image”, image_input)
gray_image = cv2.cvtColor(image_input, cv2.COLOR_BGR2GRAY)
cv2.imshow(“gray image”, gray_image)
cv2.imwrite(args[“path_image_output”], gray_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

上述示例中，执行脚本需要两个必需的参数。第一个是 `path_image_input`，它表示要加载的图像的路径。第二个是 `path_image_output`，它表示要保存的结果图像的路径。处理步骤仅将加载的图像转换为灰度图像：

gray_image = cv2.cvtColor(image_input, cv2.COLOR_BGR2GRAY)

需要注意的是，`cv2.cvtColor` 函数第二个参数 `cv2.COLOR_BGR2GRAY` 假定加载的图像是 BGR 彩色图像。如果已经加载了 RGB 彩色图像并且想要将其转换为灰度，则应该使用 `cv2.COLOR_RGB2GRAY`。  
 通过在命令行中执行以下命令，运行脚本：

python load_processing_save_image.py sigonghuiye.jpeg gray_image.png

可以看到运行结果如以下屏幕截图所示，同时，在运行结束后就可以在工作目录中，看到保存的灰度图像 `gray_image.jpg`：


![计算机视觉项目处理流程示例](https://img-blog.csdnimg.cn/b8b32ee6278846599a315d1376d02530.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0xPVkVteTEzNDYxMQ==,size_16,color_FFFFFF,t_70#pic_center)


### 3. 读取相机画面和视频文件


在某些需要实时计算机视觉项目中，必须捕捉实时相机画面(例如，使用笔记本电脑的摄像头或监控摄像机捕捉画面)。在 OpenCV 中，使用 `cv2.VideoCapture` 作为从不同来源捕获视频的类，例如图像序列、视频文件和相机。


#### 3.1 读取相机画面


编写 `read_camera.py` 用于从连接到计算机的相机读取画面。首先看下完整程序，然后再进行详细解释：

import cv2
import argparse

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

capture = cv2.VideoCapture(args.index_camera)
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)
    gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    cv2.imshow('Grayscale input camera', gray_frame)
    if cv2.waitKey(20) & 0xFF == ord('q'):
        break
else:
    break

capture.release()
cv2.destroyAllWindows()

`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/forums/4304bb5a486d4c3ab8389e65ecb71ac0)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:

现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。

分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习

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！