【python学习笔记——工具视频帧率计算器】

最新推荐文章于 2024-05-02 02:14:26 发布
最新推荐文章于 2024-05-02 02:14:26 发布
阅读量526 收藏 2
点赞数
分类专栏： 图像处理 文章标签： python 学习 图像处理 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/YUelite/article/details/129799061
版权

视频帧率计算器，可以计算视频的帧率、帧数、时间长度，
还可以播放视频，计算视频清晰度，计算最清晰帧，保存最清晰帧。
其中计算视频清晰度的方法有三种，分别是Laplacian算子、Sobel算子和平均梯度。

  • 一、Laplacce算子

是一种各向同性算子，二阶微分算子，在只关心边缘的位置而不考虑其周围的象素灰度差值时比较合适。Laplace算子对孤立象素的响应要比对边缘或线的响应要更强烈
Laplacian 梯度函数
利用Laplacian算子对图像进行模板卷积得到图像的高频分量，然后可以对图像的高频分量求和，用高频分量和作为图像的清晰度评价标准。

对于一个M×N像素的图像，每个像素的亮度为g(x,y)，进行滤波模板卷积后每个像素点值为z(x,y)。则图像清晰度评价函数：

Laplacian算子：z(x,y)=g(x-1,y)+g(x+1,y)+g(x,y-1)+g(x,y+1)一4g(x,y)

梯度算子为水平方向和垂直方向两个，高通滤波算子只有一个
在这里插入图片描述

二、Sobel算子
判断图像清晰度本质是梯度运算。 索贝尔算子(Sobeloperator)主要用于获得数字图像的一阶梯度,常见的应用和物理意义是边缘检测。 在技术上,它是一个离散的一阶差分算子,用来计算图像亮度函数的一阶梯度之近似值,主要用于获得数字图像的一阶梯度
在这里插入图片描述

三、平均梯度
平均梯度(meangradient)：指图像的边界或影线两侧附近灰度有明显差异，即灰度变化率大，这种变化率的大小可用来表示图像清晰度。它反映了图像微小细节反差变化的速率，即图像多维方向上密度变化的速率，表征图像的相对清晰程度。
在这里插入图片描述

界面如下：
在这里插入图片描述


"""
# -*- coding: utf-8 -*-
Created on 03 27 15:45:00 2023
@Author: yuxi
视频帧率计算器，可以计算视频的帧率、帧数、时间长度，
还可以播放视频，计算视频清晰度，计算最清晰帧，保存最清晰帧。
其中计算视频清晰度的方法有三种，分别是Laplacian算子、Sobel算子和平均梯度。

Attempt Change

"""
import cv2
import tkinter as tk
from tkinter import filedialog
import numpy as np

class FrameRateCalculator:
    def __init__(self, master):
        self.master = master
        master.title("Frame Rate Calculator")
        master.geometry("800x600")

        self.label = tk.Label(master, text="选择视频文件路径：", font=("Arial", 14))
        self.label.pack(pady=10)

        self.entry = tk.Entry(master, font=("Arial", 14))
        self.entry.pack(pady=10)

        self.button = tk.Button(master, text="选择视频文件", font=("Arial", 14), command=self.browse_file)
        self.button.pack(pady=10)

        self.result_label = tk.Label(master, text="", font=("Arial", 14))
        self.result_label.pack(pady=10)

        self.calculate_button = tk.Button(master, text="计算", font=("Arial", 14), command=self.calculate)
        self.calculate_button.pack(pady=10)

        self.play_button = tk.Button(master, text="播放视频", font=("Arial", 14), command=self.play_video)
        self.play_button.pack(pady=10)

        self.clarity_button = tk.Button(master, text="计算最清晰帧", font=("Arial", 14), command=self.calculate_clarity)
        self.clarity_button.pack(pady=10)

        self.max_clarity_label = tk.Label(master, text="", font=("Arial", 14))
        self.max_clarity_label.pack(pady=10)

        self.max_clarity_frame_label = tk.Label(master, text="", font=("Arial", 14))
        self.max_clarity_frame_label.pack(pady=10)

        self.save_button = tk.Button(master, text="保存最清晰帧", font=("Arial", 14), command=self.save_max_clarity_frame)
        self.save_button.pack(pady=10)
        # 将所有按钮和标签的背景颜色、前景颜色和字体设置为红色、白色和Arial 14
        # self.button.config(bg='red', fg='white', font=("Arial", 14))
        # self.calculate_button.config(bg='red', fg='white', font=("Arial", 14))
        # self.play_button.config(bg='red', fg='white', font=("Arial", 14))
        # self.clarity_button.config(bg='red', fg='white', font=("Arial", 14))
        # self.save_button.config(bg='red', fg='white', font=("Arial", 14))
        # self.label.config(bg='red', fg='white', font=("Arial", 14))
        # self.entry.config(bg='red', fg='white', font=("Arial", 14))
        # self.result_label.config(bg='red', fg='white', font=("Arial", 14))
        # self.max_clarity_label.config(bg='red', fg='white', font=("Arial", 14))
        # self.max_clarity_frame_label.config(bg='red', fg='white', font=("Arial", 14))             

        self.master.mainloop()

    def browse_file(self):
        file_path = filedialog.askopenfilename()
        self.entry.delete(0, tk.END)
        self.entry.insert(0, file_path)

    def calculate(self):
        video_path = self.entry.get()
        cap = cv2.VideoCapture(video_path)
        fps = cap.get(cv2.CAP_PROP_FPS)
        frame_count = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
        duration = frame_count / fps
        self.result_label.config(text="帧率: {:.2f} 帧数: {} 时间长度: {:.2f}秒".format(fps, frame_count, duration), font=("Arial", 14))

    def play_video(self):
        video_path = self.entry.get()
        cap = cv2.VideoCapture(video_path)
        cv2.namedWindow('frame', cv2.WINDOW_NORMAL)
        cv2.resizeWindow('frame', 800, 500)
        while(cap.isOpened()):
            ret, frame = cap.read()
            if ret == True:
                cv2.imshow('frame',frame)
                if cv2.waitKey(25) & 0xFF == ord('q'):
                    break
            else:
                break
        cap.release()
        cv2.destroyAllWindows()

     # 计算视频清晰度
    def calculate_clarity(self):
        video_path = self.entry.get()  # 获取视频路径
        cap = cv2.VideoCapture(video_path)  # 打开视频
        max_clarity = 0  # 初始化最大清晰度
        max_frame = None  # 初始化最清晰帧
        max_frame_num = 0  # 初始化最清晰帧的帧数
        while(cap.isOpened()):  # 循环读取视频帧
            ret, frame = cap.read()  # 读取视频帧
            if ret == True:
                #clarity = cv2.Laplacian(frame, cv2.CV_64F).var()  # 计算帧的清晰度
                
                # 计算帧的清晰度
                '''sobelx = cv2.Sobel(frame, cv2.CV_64F, 1, 0, ksize=5)
                sobely = cv2.Sobel(frame, cv2.CV_64F, 0, 1, ksize=5)
                sobel = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)
                clarity = sobel.var() 
                '''
                # 计算帧的清晰度
                sobelx = cv2.Sobel(frame, cv2.CV_64F, 1, 0, ksize=3)
                sobely = cv2.Sobel(frame, cv2.CV_64F, 0, 1, ksize=3)
                mean_gradient = np.mean(np.sqrt(sobelx**2 + sobely**2))
                clarity = mean_gradient
 
                
                if clarity > max_clarity:  # 如果当前帧的清晰度大于最大清晰度
                    max_clarity = clarity  # 更新最大清晰度
                    max_frame = frame  # 更新最清晰帧
                    max_frame_num = int(cap.get(cv2.CAP_PROP_POS_FRAMES))  # 更新最清晰帧的帧数
            else:
                break
        cap.release()  # 释放视频

        self.max_clarity_label.config(text="最清晰帧的清晰度: {:.2f}".format(max_clarity), font=("Arial", 14))
        
        self.max_clarity_frame_label.config(text="最清晰帧的信息: 帧数{}".format(max_frame_num), font=("Arial", 14))
        self.max_frame = max_frame

    def save_max_clarity_frame(self):
        file_path = filedialog.asksaveasfilename(defaultextension=".jpg", filetypes=[("JPEG Image", "*.jpg"), ("PNG Image", "*.png"), ("BMP Image", "*.bmp"),("TIF Image", "*.tif")])
        if file_path:
            cv2.imwrite(file_path, self.max_frame)
               

FrameRateCalculator(tk.Tk())

视频帧率计算器exe文件：https://download.csdn.net/download/YUelite/87617813

YUXI2021
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
pytorch笔记（二）模型、GPU 算力计算
_yuki_
08-05 2125
概念： 一个MFLOPS（megaFLOPS）等于每秒一百万（=10^6）次的浮点运算， 一个GFLOPS（gigaFLOPS）等于每秒十亿（=10^9）次的浮点运算， 一个TFLOPS（teraFLOPS）等于每秒一万亿（=10^12）次的浮点运算，(1太拉) 一个PFLOPS（petaFLOPS）等于每秒一千万亿（=10^15）次的浮点运算， 一个EFLOPS（exaFLOPS）等于每秒一百京（=10^18）次的浮点运算， 一个ZFLOPS（zettaFLOPS）等于每秒十万京（=10^21
OpenCV图像处理技术（Python）——图像梯度
Smoking_jl的博客
06-28 526
OpenCV图像处理技术（Python）——图像梯度 © Fu Xianjun. All Rights Reserved. 知识储备：图像梯度 1.Sobel算子 dst=cv2.Soble(src,ddepth,dx,dy[,ksize[,scale[,delta[,borderType]]]]) 知识储备1： 知识储备2： import cv2 import numpy as np def cv_show(name,img): cv2.imshow(name,img) cv2.waitKey()
2024年最全用python玩转视频帧率_视频帧率怎么代码判断
最新发布
2401_84563320的博客
05-02 428
不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~给大家准备的学习资料包括但不限于：Python 环境、pycharm编辑器/永久激活/翻译插件python 零基础视频教程Python 界面开发实战教程Python 爬虫实战教程Python 数据分析实战教程python 游戏开发实战教程Python 电子书100本。
python 获取视频的帧数
weixin_35753431的博客
01-06 2344
可以使用 Python 的 OpenCV 库来获取视频的帧数。 示例代码如下： import cv2# 读入视频文件 video = cv2.VideoCapture('video.mp4') # 获取视频的帧数 frame_count = int(video.get(cv2.CAP_PROP_FRAME_COUNT)) print(frame_count) # 不要忘记在完成后释放视频文件...
python读取视频文件大小，码率，帧率，以及通过码率计算文件大小与流量
热门推荐
梦想橡皮擦，专栏100例写作模式先行者，现象级专栏 《Python 爬虫 100 例》作者、《滚雪球学 Python 专栏》原创者
02-23 2万+
实操背景 本篇博客将通过Python获取视频文件的大小，码率，帧率等元数据信息，并提取视频的第一帧作为封面。 使用到的模块是 ffmpeg-python ，同时需要提前安装好 ffmpeg 工具，基本使用可以参考python操作ffmpeg，做视频转码【上篇】。 模块安装 pip install ffmpeg-python ，模块导入 import ffmpeg 。 此时用到的是 ffmpeg 工具中的 ffprobe.exe 程序（测试环境在 windows 上实施） 如果你使用的是 Linux ，可以使
统计一段时间内的fps的平均值（C/C++）
qq_25751035的博客
08-02 2012
用于统计视频帧率，或者buffer轮转的帧率，可以计算一段时间内的平均帧率！
用python玩转视频帧率
爱python的王三金
11-23 5700
需求背景 在很多时候我们需要抽取视频的某一帧做一些分析或修改等；比如笔者需求就是判断一个人在该视频中出现的频率，以判断他是否是这段视频的主角； 关于opencv OpenCV 是 Intel 开源计算机视觉库 (Computer Version) 。它由一系列 C 函数和少量 C++ 类构成，实现了图像处理和计算机视觉方面的很多通用算法。 OpenCV 拥有包括 300 多个 C 函数的跨平台的...
Python学习笔记——简易交互式计算器
12-21
在本篇Python学习笔记中，我们将探讨如何创建一个简易的交互式计算器。这个计算器能够执行基本的数学运算，包括加法、减法、乘法和除法。这是一段非常适合初学者理解Python基础语法和函数定义的代码示例。 首先，...
Python学习笔记——大数据之SPARK核心
02-24
本文来自于csdn，文章讲解RDD的特点，RDD操作函数相关，穿插案例辣酱得段子，带大家理解MapReduce，通过哈姆雷特单词分析案例进行深度剖析。RDD（ResilientDistributedDatasets弹性分布式数据集），是spark中最重要...
Python学习笔记——运算符
12-10
Python学习笔记——运算符 运算符: 赋值运算符 算术运算符 关系运算符 逻辑运算符 位运算
Python学习笔记——用户登录测试
12-22
在本篇《Python学习笔记——用户登录测试》中，我们将探讨如何使用Python语言实现一个简单的用户登录系统。这个系统能够接收用户的账号和密码输入，并进行有效性验证。通过这个实例，初学者可以了解到基础的Python...
Python学习笔记——输入input()
11-29
Python学习笔记——输入input()，input()使用，两个练习。
Python学习笔记——变量、print、转义字符
11-29
对应Python学习笔记——变量、print、转义字符。变量的类型、命名规则、print的用法、字符串的表示以及转义字符
Python学习笔记——大数据之Spark简介与环境搭建
02-24
Spark是Apache顶级项目里面最火的大数据处理的计算引擎，它目前是负责大数据计算的工作。包括离线计算或交互式查询、数据挖掘算法、流式计算以及图计算等。核心组件如下：SparkCore：包含Spark的基本功能；...
Python学习笔记——speech库实现简单的语音对话
01-06
1.搜索：python库下载 2.在网站里面搜索 speech https://pypi.org/    3. 找到speech的安装页面   4.安装 https://pypi.org/project/speech/ pip install speech  5.python3版本会会遇到问题 参考：...
Python学习笔记——对象和类
06-30
Python学习笔记——对象和类
图像处理之图像梯度（python实现）
沅星的博客
10-19 3465
使用python自定义实现Sobel算子和Opencv内置Sobel算子、Laplacian算子对图像梯度进行计算，提取图像的边缘信息。
【笔记】sobel算子 scharr算子 laplacian算子
qq_41358574的博客
02-28 3078
sobel算子 参数ksize:sobel核的大小，为-1时会使用scharr算子运算 直接将参数ddepth的值设置为-1，在计算时得到的结果可能是错误的。 在实际操作中，计算梯度值可能会出现负数。如果处理的图像是8位图类型，则在ddepth的参数值为-1时，意味着指定运算结果也是8位图类型，那么所有负数会自动截断为0，发生信息丢失。为了避免信息丢失，在计算时要先使用更高的数据类型 cv2.CV_64F，再通过取绝对值将其映射为cv2.CV_8U（8位图）类型。所以，通常要将函数cv2.Sobel（）内参
Python——计算程序运行帧率（FPS）
Williamcsj的博客
04-22 4786
完整代码： from cv2 import getTickCount, getTickFrequency loop_start = getTickCount() # 中间测帧率的代码段 loop_time = cv2.getTickCount() - loop_start total_time = loop_time/(cv2.getTickFrequency()) # 使用getTickFrequency()更加准确 running_FPS = int(1/total_time) # 帧率取整 pri
python学习笔记——一元二次方程的根
09-03
一元二次方程的一般形式是：ax^2 + bx + c = 0。解一元二次方程有多种方法，其中一种常见的方法是使用求根公式。 求根公式是：x = (-b ± √(b^2 - 4ac)) / (2a)。 根据上述公式，我们可以通过给定的系数 a、b 和 c 来计算方程的根。请提供方程的系数，我将为您计算根。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值