实现两视频叠加时上层剪辑透明部分不遮挡下层内容的两种方案

☞ ░ 前往老猿Python博客 https://blog.csdn.net/LaoYuanPython ░

一、引言

在《moviepy音视频剪辑：使用rotate函数实现视频变换处理以及参数expand取值为True时的花屏问题解决方案》介绍了视频旋转的方法和花屏问题解决方案，Baby CY博友提了个问题：“旋转后会出现黑色的背景填充，请问能把黑色去掉变成透明吗？”，该问题是视频旋转时，由于视频内容为矩形，旋转时部分区域有内容，部分区域无内容为黑色透明色，且随着旋转这部分的范围是变化的，Baby CY希望当该视频和其他视频叠加时，旋转视频的黑色部分不遮挡下层视频的内容。

老猿以前没有对这个进行过研究，但觉得用使用遮罩是可以的，后来仔细研究了一下，发现可以使用遮罩或图像处理技术都可以实现，下面两篇博文分别介绍了这两种实现方式，之所以独立成文，一是考虑提高文章的检索概率，二是确实内容可以相互独立。

二、具体实现

下面两博文中就是具体的两种实现方案，这两文都是付费专栏的文章，不过在文章开头都提供了跳转到免费文章的链接：

1. 通过Moviepy的遮罩实现叠加（实际上在叠加图片时也用到了部分OpenCV的图像处理能力），具体实现请参考《moviepy音视频剪辑：使用mask遮罩剪辑实现叠加透明效果》
2. 通过OpenCV图像运算+Moviepy实现图像叠加，具体实现请参考《使用OpenCV图像运算+Moviepy实现视频叠加案例》

实际上述遮罩模式和OpenCV图像运算模式的两种实现方案应用程序共用了大部分函数，只是遮罩模式在处理时将上层剪辑转换成了带遮罩的剪辑，通过moviepy的视频合成方式生成结果剪辑，而OpenCV图像运算模式是利用输出结果剪辑时构建帧的函数中进行图像运算合成新帧从而构建新剪辑。

三、两种实现方式的对比

经对比两种实现方式，老猿发现二者有如下异同点：

1. 两种模式效率差异有点大，OpenCV图像运算模式是遮罩模式的处理效率一倍以上；
2. 使用遮罩模式的上层视频边界更圆润，而OpenCV模式的效果显得有点粗糙，这应该和老猿的实现有关，如果用更好的算法肯定也有好的效果；
3. 遮罩模式整个上层视频前景部分有半透明效果，而OpenCV是上层前景完全遮挡下层视频，当然通过改变二者叠加时的算法公式也可以实现半透明效果。具体哪种效果更好与视频合成人员的目标相关。

另外两种实现方式老猿都没有特殊考虑性能优化，如果对于批量处理来说，性能的问题是要重点关注的。

四、小结

本文介绍了实现两视频叠加时上层剪辑透明部分不遮挡下层内容的遮罩模式和OpenCV图像运算模式两种方案，在相关链接中提供了完整的代码，并对比了两种实现方式的差异。阅读本文有助于大家理解视频mask遮罩、OpenCV图像处理运算以及音视频剪辑合成的方法。

如果觉得本文可以，老猿请大家帮忙点个赞、加个收藏，谢谢！

更多moviepy的介绍请参考《PyQt+moviepy音视频剪辑实战文章目录》或《moviepy音视频开发专栏》。这2个专栏内容的导读请参考《Python音视频剪辑库MoviePy1.0.3中文教程导览及可执行工具下载》。

更多OpenCV-Python的介绍请参考专栏《OpenCV-Python图形图像处理 》
专栏网址：https://blog.csdn.net/laoyuanpython/category_9979286.html

关于老猿的付费专栏

老猿的付费专栏《使用PyQt开发图形界面Python应用 https://blog.csdn.net/laoyuanpython/category_9607725.html》专门介绍基于Python的PyQt图形界面开发基础教程，付费专栏《moviepy音视频开发专栏 https://blog.csdn.net/laoyuanpython/category_10232926.html》详细介绍moviepy音视频剪辑合成处理的类相关方法及使用相关方法进行相关剪辑合成场景的处理，都适合有一定Python基础但无相关知识的小白读者学习。这2个收费专栏都有对应免费专栏，只是收费专栏的文章介绍更具体、内容更深入、案例更多。

付费专栏文章目录：《moviepy音视频开发专栏文章目录》、《使用PyQt开发图形界面Python应用专栏目录》。

关于Moviepy音视频开发的内容，请大家参考《Python音视频剪辑库MoviePy1.0.3中文教程导览及可执行工具下载》的导览式介绍。

对于缺乏Python基础的同仁，可以通过老猿的免费专栏《专栏：Python基础教程目录 https://blog.csdn.net/laoyuanpython/category_9831699.html》从零开始学习Python。

如果有兴趣也愿意支持老猿的读者，欢迎购买付费专栏。

跟老猿学Python!

☞ ░ 前往老猿Python博文目录 https://blog.csdn.net/LaoYuanPython/article/details/98245036 ░