第五篇【传奇开心果短博文系列】Python的OpenCV库技术点案例示例：视频处理

最新推荐文章于 2024-06-19 19:53:20 发布

置顶传奇开心果编程

最新推荐文章于 2024-06-19 19:53:20 发布

阅读量917

点赞数 26

分类专栏： Python库OpenCV 技术点案例示例短博文文章标签： opencv python 音视频计算机视觉

本文链接：https://blog.csdn.net/jackchuanqi/article/details/135844775

版权

Python库OpenCV 技术点案例示例短博文专栏收录该内容

19 篇文章 13 订阅

订阅专栏

传奇开心果短博文系列

短博文系列目录
- Python的OpenCV库技术点案例示例短博文系列
博文目录
- 一、项目目标
- 二、OpenCV视频处理主要功能介绍
- 三、OpenCV视频捕捉示例代码
- 四、OpenCV视频分析示例代码
- 五、OpenCV视频编解码示例代码
- 六、OpenCV视频处理示例代码
- 七、OpenCV视频展示示例代码

短博文系列目录

Python的OpenCV库技术点案例示例短博文系列

博文目录

一、项目目标

视频处理总视频处理：包括视频捕捉、视频分析、视频编解码等功能

二、OpenCV视频处理主要功能介绍

视频处理介绍 OpenCV是一个开源计算机视觉库，提供了丰富的功能用于图像和视频处理。下面是关于OpenCV视频处理的一些主要功能介绍：

视频捕捉（Video Capture）：OpenCV可以从摄像头、视频文件或网络摄像头中实时获取视频流，并进行处理。通过使用VideoCapture类，可以方便地打开视频源并读取帧。
视频分析（Video Analysis）：OpenCV提供了多种视频分析算法，例如运动检测、目标跟踪、人脸识别等。这些算法可以帮助我们从视频中提取有用的信息，并进行进一步的处理和分析。
视频编解码（Video Encoding/Decoding）：OpenCV支持多种视频编码和解码格式，包括常见的AVI、MP4、H.264等。通过使用VideoWriter和VideoReader类，可以将图像序列编码为视频文件，或者从视频文件中解码出图像序列。
视频处理（Video Processing）：OpenCV提供了各种视频处理功能，如帧差法背景建模、光流法运动估计、视频平滑滤波等。这些功能可以帮助我们对视频进行降噪、增强、特效处理等。
视频展示（Video Display）：OpenCV可以将处理后的视频展示在屏幕上，也可以保存为新的视频文件。通过使用VideoWriter类，可以将处理后的图像序列写入到视频文件中，并设置编码格式和参数。

总的来说，OpenCV提供了丰富的视频处理功能，可以帮助我们实现视频捕捉、分析、编解码等各种任务。无论是进行实时视频处理还是对已有视频进行处理，OpenCV都是一个强大而灵活的选择。

三、OpenCV视频捕捉示例代码

以下是一个简单的示例代码，演示如何使用OpenCV进行视频捕捉：

import cv2

# 打开视频捕捉设备（摄像头）
cap = cv2.VideoCapture(0)

while True:
    # 读取一帧图像
    ret, frame = cap.read()
    
    # 如果成功读取到帧
    if ret:
        # 在窗口中显示图像
        cv2.imshow('Video Capture', frame)
    
    # 按下 'q' 键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放视频捕捉设备
cap.release()

# 关闭所有窗口
cv2.destroyAllWindows()

这段代码首先创建了一个VideoCapture对象，并传入参数0表示打开默认摄像头。然后通过循环不断读取帧，cv2.imshow函数将每一帧图像显示在名为"Video Capture"的窗口中。如果按下键盘上的 ‘q’ 键，就会退出循环。最后，释放视频捕捉设备并关闭所有窗口。

请注意，这只是一个简单示例，实际应用中还需要考虑错误处理、参数设置、图像处理等其他因素。根据实际需求，您可以进一步扩展和优化代码。
当进行视频捕捉时，您可以根据需要进行更多的扩展和优化。以下是一些可能的扩展示例：

指定视频文件进行捕捉：除了捕捉摄像头的实时视频流，您还可以使用OpenCV捕捉已经录制好的视频文件。只需将视频文件路径作为参数传递给VideoCapture对象即可。

cap = cv2.VideoCapture('path/to/video/file.mp4')

设置捕捉参数：通过设置VideoCapture对象的参数，您可以调整视频捕捉的帧率、分辨率等。例如，您可以使用cap.set()方法设置帧率为30：

cap.set(cv2.CAP_PROP_FPS, 30)

图像处理：在捕捉到的每一帧图像上，您可以进行各种图像处理操作，如边缘检测、滤波、目标检测等。这样可以实现更复杂的视频处理任务。

# 在每一帧图像上应用Canny边缘检测算法
edges = cv2.Canny(frame, 100, 200)
cv2.imshow('Edges', edges)

视频保存：如果您希望将捕捉到的视频保存为新的文件，可以使用VideoWriter对象。首先创建一个VideoWriter对象，指定输出文件名、编码格式、帧率等参数。然后在循环中使用writer.write(frame)将每一帧写入输出文件。

# 创建VideoWriter对象
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
out = cv2.VideoWriter('output.mp4', fourcc, 30.0, (640, 480))

# 在循环中将每一帧写入输出文件
while True:
    ret, frame = cap.read()
    if ret:
        out.write(frame)
        cv2.imshow('Video Capture', frame)
    ...

这些扩展和优化可以根据您的具体需求进行调整和组合。OpenCV提供了丰富的功能和接口，您可以根据自己的项目要求进行灵活应用。

四、OpenCV视频分析示例代码

以下是一个简单的示例代码，演示如何使用OpenCV进行视频分析，以运动检测为例：

import cv2

# 打开视频文件
cap = cv2.VideoCapture('path/to/video/file.mp4')

# 读取第一帧图像作为背景
ret, background = cap.read()

while True:
    # 读取当前帧图像
    ret, frame = cap.read()
    
    # 如果成功读取到帧
    if ret:
        # 计算当前帧与背景之间的差异
        diff = cv2.absdiff(frame, background)
        
        # 将差异图像转换为灰度图像
        gray = cv2.cvtColor(diff, cv2.COLOR_BGR2GRAY)
        
        # 对灰度图像进行二值化处理
        _, threshold = cv2.threshold(gray, 30, 255, cv2.THRESH_BINARY)
        
        # 对二值化图像进行形态学操作，去除噪声
        kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))
        dilated = cv2.dilate(threshold, kernel, iterations=3)
        
        # 查找并绘制轮廓
        contours, _ = cv2.findContours(dilated, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
        cv2.drawContours(frame, contours, -1, (0, 255, 0), 2)
        
        # 在窗口中显示图像
        cv2.imshow('Video Analysis', frame)
    
    # 按下 'q' 键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放视频文件
cap.release()

# 关闭所有窗口
cv2.destroyAllWindows()

这段代码首先打开视频文件，并读取第一帧图像作为背景。然后在循环中，不断读取视频的每一帧，并与背景进行比较，计算出差异图像。通过将差异图像转换为灰度图像、二值化处理、形态学操作和轮廓查找，可以实现简单的运动检测。最后，在窗口中显示带有轮廓的当前帧图像。如果按下键盘上的 ‘q’ 键，就会退出循环。最后，释放视频文件并关闭所有窗口。

请注意，这只是一个简单示例，实际应用中还需要考虑错误处理、参数设置、进一步的图像处理等其他因素。根据实际需求，您可以进一步扩展和优化代码。
以下是一个扩展示例代码，演示如何使用OpenCV进行视频分析的一些扩展功能，包括运动目标跟踪和人脸识别：

import cv2

# 打开视频文件
cap = cv2.VideoCapture('path/to/video/file.mp4')

# 创建背景减法器
fgbg = cv2.createBackgroundSubtractorMOG2()

# 创建人脸检测器
face_cascade = cv2.CascadeClassifier('path/to/haarcascade_frontalface_default.xml')

while True:
    # 读取当前帧图像
    ret, frame = cap.read()
    
    # 如果成功读取到帧
    if ret:
        # 应用背景减法器，提取前景
        fgmask = fgbg.apply(frame)
        
        # 运动目标跟踪
        contours, _ = cv2.findContours(fgmask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
        for contour in contours:
            if cv2.contourArea(contour) > 500:
                x, y, w, h = cv2.boundingRect(contour)
                cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
        
        # 人脸识别
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        faces = face_cascade.detectMultiScale(gray, 1.3, 5)
        for (x, y, w, h) in faces:
            cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)
        
        # 在窗口中显示图像
        cv2.imshow('Video Analysis', frame)
    
    # 按下 'q' 键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放视频文件
cap.release()

# 关闭所有窗口
cv2.destroyAllWindows()

这段代码在前面的视频分析示例代码基础上进行了扩展。首先创建了一个背景减法器（Background Subtractor），用于提取视频中的前景物体。然后使用该前景进行运动目标跟踪，通过找到轮廓并绘制矩形框来标记运动目标。接下来，使用人脸识别器（Haar级联分类器）对当前帧进行人脸检测，然后绘制矩形框来标记检测到的人脸。

请注意，为了运行人脸识别功能，您需要下载并指定正确的人脸检测器（haarcascade_frontalface_default.xml）。您可以从OpenCV官方网站或GitHub存储库中获取该文件。

这只是一个简单的示例，实际应用中可能需要进一步调整和优化参数、处理多个目标、添加更多的视频分析功能等。根据您的具体需求，您可以根据OpenCV提供的丰富功能和算法进行扩展和定制。

五、OpenCV视频编解码示例代码

视频编解码1
视频编解码2 以下是一个简单的示例代码，演示如何使用OpenCV进行视频编解码：

import cv2

# 打开视频文件
cap = cv2.VideoCapture('path/to/video/file.mp4')

# 获取视频的原始宽度和高度
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))

# 创建编码器对象
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
out = cv2.VideoWriter('output.mp4', fourcc, 30.0, (width, height))

while True:
    # 读取当前帧图像
    ret, frame = cap.read()
    
    # 如果成功读取到帧
    if ret:
        # 在窗口中显示图像
        cv2.imshow('Video Playback', frame)
        
        # 将帧写入输出视频文件
        out.write(frame)
    
    # 按下 'q' 键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放视频文件和编码器对象
cap.release()
out.release()

# 关闭所有窗口
cv2.destroyAllWindows()

这段代码首先打开视频文件，并获取视频的原始宽度和高度。然后创建一个VideoWriter对象，指定输出文件名、编码格式、帧率和图像大小。在循环中，不断读取视频的每一帧，并在窗口中显示图像。同时，将每一帧写入输出视频文件中。如果按下键盘上的 ‘q’ 键，就会退出循环。最后，释放视频文件和编码器对象，并关闭所有窗口。

请注意，这只是一个简单示例，实际应用中还需要考虑错误处理、参数设置、视频编码参数调整等其他因素。根据实际需求，您可以进一步扩展和优化代码。
以下是一个扩展示例代码，演示如何使用OpenCV进行视频编解码的一些扩展功能，包括视频剪辑和添加音频：

import cv2
import numpy as np

# 打开视频文件
cap = cv2.VideoCapture('path/to/video/file.mp4')

# 获取视频的原始帧率、宽度和高度
fps = cap.get(cv2.CAP_PROP_FPS)
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))

# 计算视频总帧数和持续时间
total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
duration = total_frames / fps

# 设置剪辑起始时间和结束时间（以秒为单位）
start_time = 10
end_time = 20

# 计算剪辑的起始帧和结束帧
start_frame = int(start_time * fps)
end_frame = int(end_time * fps)

# 调整剪辑后视频的宽度和高度
new_width = int(width / 2)
new_height = int(height / 2)

# 创建编码器对象
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
out = cv2.VideoWriter('output.mp4', fourcc, fps, (new_width, new_height))

# 循环遍历视频帧
for frame_index in range(total_frames):
    # 读取当前帧图像
    ret, frame = cap.read()
    
    # 如果成功读取到帧
    if ret:
        # 对剪辑范围内的帧进行处理
        if frame_index >= start_frame and frame_index <= end_frame:
            # 调整帧的大小
            resized_frame = cv2.resize(frame, (new_width, new_height))
            
            # 在窗口中显示图像
            cv2.imshow('Video Playback', resized_frame)
            
            # 将帧写入输出视频文件
            out.write(resized_frame)
    
    # 按下 'q' 键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放视频文件和编码器对象
cap.release()
out.release()

# 关闭所有窗口
cv2.destroyAllWindows()

这段代码在前面的视频编解码示例代码基础上进行了扩展。首先获取视频的原始帧率、宽度和高度，并计算视频的总帧数和持续时间。然后设置剪辑的起始时间和结束时间，并根据帧率计算剪辑的起始帧和结束帧。接下来调整剪辑后视频的宽度和高度，并创建一个新的VideoWriter对象来保存剪辑后的视频。在循环中，只对剪辑范围内的帧进行处理和保存。最后，释放视频文件和编码器对象，并关闭所有窗口。

请注意，这只是一个简单示例，实际应用中可能需要进一步调整和优化参数、处理多个剪辑范围、添加音频等。根据您的具体需求，您可以根据OpenCV提供的丰富功能和算法进行扩展和定制。

六、OpenCV视频处理示例代码

视频处理2 以下是一个简单的示例代码，演示如何使用OpenCV进行视频处理：

import cv2

# 打开视频文件
cap = cv2.VideoCapture('path/to/video/file.mp4')

# 创建输出视频文件对象
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
out = cv2.VideoWriter('output.mp4', fourcc, 30.0, (640, 480))

while True:
    # 读取当前帧图像
    ret, frame = cap.read()

    # 如果成功读取到帧
    if ret:
        # 图像处理操作示例：将图像转换为灰度图像
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

        # 在窗口中显示图像
        cv2.imshow('Video Processing', gray)

        # 将处理后的帧写入输出视频文件
        out.write(gray)

    # 按下 'q' 键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放视频文件和输出视频文件对象
cap.release()
out.release()

# 关闭所有窗口
cv2.destroyAllWindows()

这段代码首先打开视频文件，并创建一个输出视频文件对象。然后在循环中，不断读取视频的每一帧。在每一帧中，可以进行各种图像处理操作，例如将图像转换为灰度图像、应用滤波器、检测边缘等。在本示例中，我们将图像转换为灰度图像。然后，在窗口中显示处理后的图像，并将其写入输出视频文件。如果按下键盘上的 ‘q’ 键，就会退出循环。最后，释放视频文件和输出视频文件对象，并关闭所有窗口。

请注意，这只是一个简单示例，实际应用中可以根据需求进行更复杂的图像处理操作，如对象检测、跟踪、特征提取等。您可以根据OpenCV提供的丰富功能和算法进行扩展和定制，以满足您的具体需求。
以下是一个扩展示例代码，演示如何使用OpenCV进行视频处理的一些扩展功能，包括对象检测和添加文本水印：

import cv2

# 打开视频文件
cap = cv2.VideoCapture('path/to/video/file.mp4')

# 创建输出视频文件对象
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
out = cv2.VideoWriter('output.mp4', fourcc, 30.0, (640, 480))

# 加载对象检测模型
net = cv2.dnn.readNetFromCaffe('path/to/model.prototxt', 'path/to/model.caffemodel')

while True:
    # 读取当前帧图像
    ret, frame = cap.read()

    # 如果成功读取到帧
    if ret:
        # 对象检测操作示例：检测人脸
        blob = cv2.dnn.blobFromImage(cv2.resize(frame, (300, 300)), 1.0, (300, 300), (104.0, 177.0, 123.0))
        net.setInput(blob)
        detections = net.forward()

        # 绘制检测框
        for i in range(detections.shape[2]):
            confidence = detections[0, 0, i, 2]
            if confidence > 0.5:
                box = detections[0, 0, i, 3:7] * np.array([frame.shape[1], frame.shape[0], frame.shape[1], frame.shape[0]])
                (startX, startY, endX, endY) = box.astype("int")
                cv2.rectangle(frame, (startX, startY), (endX, endY), (0, 255, 0), 2)

        # 添加文本水印
        cv2.putText(frame, 'Watermark', (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2, cv2.LINE_AA)

        # 在窗口中显示图像
        cv2.imshow('Video Processing', frame)

        # 将处理后的帧写入输出视频文件
        out.write(frame)

    # 按下 'q' 键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放视频文件和输出视频文件对象
cap.release()
out.release()

# 关闭所有窗口
cv2.destroyAllWindows()

这段代码在前面的视频处理示例代码基础上进行了扩展。首先打开视频文件，并创建一个输出视频文件对象。然后加载对象检测模型，例如人脸检测模型。在每一帧中，通过对象检测模型检测出感兴趣的对象，并绘制检测框标记出来。同时，在帧上添加文本水印，以展示添加文本的能力。最后，在窗口中显示处理后的图像，并将其写入输出视频文件。

请注意，这只是一个简单示例，实际应用中可以根据需求使用不同的对象检测模型，如物体检测、行人检测等。您可以根据OpenCV提供的丰富功能和算法进行扩展和定制，以满足您的具体需求。同时，您还可以进一步调整参数、添加其他图像处理操作等，以实现更复杂的视频处理任务。

七、OpenCV视频展示示例代码

视频展示1
在这里插入图片描述以下是一个简单的示例代码，演示如何使用OpenCV展示视频：

import cv2

# 打开视频文件
cap = cv2.VideoCapture('path/to/video/file.mp4')

while True:
    # 读取当前帧图像
    ret, frame = cap.read()

    # 如果成功读取到帧
    if ret:
        # 在窗口中显示图像
        cv2.imshow('Video Playback', frame)

    # 按下 'q' 键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放视频文件
cap.release()

# 关闭所有窗口
cv2.destroyAllWindows()

这段代码首先打开视频文件，并在循环中不断读取视频的每一帧。在每一帧中，将图像显示在一个窗口中。如果按下键盘上的 ‘q’ 键，就会退出循环。最后，释放视频文件，并关闭所有窗口。

请注意，这只是一个简单示例，实际应用中可能需要进一步处理和优化，例如调整窗口大小、添加视频控制功能等。根据您的具体需求，您可以根据OpenCV提供的丰富功能和算法进行扩展和定制。
以下是一个扩展示例代码，演示如何使用OpenCV展示视频并实时显示帧率：

import cv2
import time

# 打开视频文件
cap = cv2.VideoCapture('path/to/video/file.mp4')

# 获取视频的帧率
fps = cap.get(cv.CAP_PROP_FPS)

while True:
    # 读取当前帧图像
    ret, frame = cap.read()

    # 如果成功读到帧
    if ret:
        # 在窗口中显示图像
 cv2.imshow('Video Playback', frame)

        # 实时计算帧率
 current_time = time.time()
        elapsed_time = current_time - start_time
        fps_current = 1 / elapsed_time
        start_time = current_time

        # 打印帧率信息
        print(f"当前帧率: {fps_current:.2f} fps")

    # 按下 'q' 键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放视频文件
cap.release()

# 关闭所有窗口
cv2.destroyAllWindows()

这段代码在前面的视频展示示例代码基础上进行了扩展。首先打开视频文件，并获取视频的帧率。在循环中，不断读取视频的每一帧，并在窗口中显示图像。同时，通过计算时间差来实时计算帧率，并打印帧率信息。如果按下键盘上的 ‘q’ 键，就会退出循环。最后，释放视频文件，并关闭所有窗口。

请注意，计算帧率的精确性取决于计算时间间隔的准确性。这里使用了简单的时间差来计算帧率，实际应用中可能需要更精确的计时方法。根据您的具体需求，您可以根据OpenCV提供的丰富功能和算法进行扩展和定制。

传奇开心果编程

关注

26
点赞
踩
23

收藏

觉得还不错? 一键收藏
打赏
0
评论
第五篇【传奇开心果短博文系列】Python的OpenCV库技术点案例示例：视频处理

OpenCV是一个开源计算机视觉库，提供了丰富的功能用于图像和视频处理。下面是关于OpenCV视频处理的一些主要功能介绍：视频捕捉（Video Capture）：OpenCV可以从摄像头、视频文件或网络摄像头中实时获取视频流，并进行处理。通过使用VideoCapture类，可以方便地打开视频源并读取帧。视频分析（Video Analysis）：OpenCV提供了多种视频分析算法，例如运动检测、目标跟踪、人脸识别等。这些算法可以帮助我们从视频中提取有用的信息，并进行进一步的处理和分析。
复制链接

扫一扫