CV | Python + OpenCV从视频中提取“指定帧”

简介

补充:很多人说这个跟“关键帧”没有关系,我不知道“关键帧”这个次是否是特指的,为了避免大家误解,此处改为:“指定帧”。

其实已经写过两篇关于从视频中提取“指定帧”的博客了(CV | OpenCV 提取AVI视频中“指定帧”图像(修改版)CV | 使用Python+OpenCV提取avi和mp4格式视频中的“指定帧”)。但是今天把代码又修改完善了一下,感觉比之前的几个版本都好(哈哈自夸中。。。),因此再次贴出利用OpenCV从视频中提取“指定帧”的Python代码。

程序

功能:自动的读取指定文件夹下的所有文件,并且按照文件类型和名称的不同,提取该文件夹下所有视频,并按照名称的不同,分类保存从视频中提取的“指定帧”。


import cv2
import os

# 从.avi 类型的视频中提取图像
def splitFrames(sourceFileName):

    # 在这里把后缀接上
    video_path = os.path.join('./data/video_dataset/', sourceFileName + '.avi')
    outPutDirName = './data/video_dataset/video/' + sourceFileName + '/'

    if not os.path.exists(outPutDirName):
        #如果文件目录不存在则创建目录
        os.makedirs(outPutDirName)

    cap = cv2. VideoCapture(video_path) # 打开视频文件
    num = 1
    while True:
        # success 表示是否成功,data是当前帧的图像数据;.read读取一帧图像,移动到下一帧
        success, data = cap.read()
        if not success:
            break
        # im = Image.fromarray(data, mode='RGB') # 重建图像
        # im.save('C:/Users/Taozi/Desktop/2019.04.30/' +str(num)+".jpg") # 保存当前帧的静态图像
        cv2.imwrite( outPutDirName +str(num)+".jpg", data)

        num = num + 1

        # if num % 20 == 0:
        #     cv2.imwrite('./Video_dataset/figures/' + str(num) + ".jpg", data)

        print(num)
    cap.release()

# 从.mp4 数据类型的视频中提取图像
def splitFrames_mp4(sourceFileName):

    # 在这里把后缀接上
    video_path = os.path.join('./data/video_dataset/', sourceFileName + '.mp4')
    times = 0
    # 提取视频的频率,每25帧提取一个
    # frameFrequency = 25
    # 输出图片到当前目录vedio文件夹下
    outPutDirName = './data/video_dataset/video/' + sourceFileName + '/'

    # 如果文件目录不存在则创建目录
    if not os.path.exists(outPutDirName):
        os.makedirs(outPutDirName)

    camera = cv2.VideoCapture(video_path)
    while True:
        times+=1
        res, image = camera.read()
        if not res:
            # print('not res , not image')
            break

        # if times%frameFrequency==0:
        #     cv2.imwrite(outPutDirName + str(times)+'.jpg', image)
        #     print(outPutDirName + str(times)+'.jpg')

        cv2.imwrite(outPutDirName + str(times) + '.jpg', image)
        print(times)
    print('图片提取结束')
    camera.release()

if __name__ == '__main__':

    im_file = './data/Video_dataset/'

    # for im_name in im_names:
    for im_name in os.listdir(im_file):
        suffix_file = os.path.splitext(im_name)[-1]
        if suffix_file == '.mp4':
            print('~~~~~~~~~~ 从.mp4 视频提取图像 ~~~~~~~~~~~~~~~')

            sourceFileName = os.path.splitext(im_name)[0]
            splitFrames_mp4(sourceFileName)

        elif suffix_file == '.avi' :
            print('~~~~~~~~~~ 从.avi 视频提取图像 ~~~~~~~~~~~~~~~')

            sourceFileName = os.path.splitext(im_name)[0]
            splitFrames(sourceFileName)

  • 6
    点赞
  • 64
    收藏
    觉得还不错? 一键收藏
  • 11
    评论
机器学习水果识别是一种利用机器学习算法和图像处理技术对水果进行自动识别的方法。其,使用PythonOpenCV库实现物体特征提取是一种常见的实现方式。 OpenCV是一个强大的开源计算机视觉库,提供了许多用于图像处理和分析的函数和工具。它可以辅助我们实现水果识别所需要的特征提取步骤。 首先,我们需要准备水果图像数据集。这些图像可以是不同种类的水果,每个水果都有多个不同视角的图像。接下来,我们使用OpenCV的函数加载和处理这些图像。 在特征提取,我们可以使用很多不同的技术。其,最常用的方法是使用图像的颜色和纹理特征。在处理图像时,我们可以使用OpenCV的函数计算这些特征。 例如,我们可以使用OpenCV的函数提取图像的颜色直方图。这可以帮助我们了解图像不同颜色的比例和分布情况。在水果识别,不同水果的颜色特征往往是不同的。 此外,我们还可以使用OpenCV的纹理特征提取方法,比如局部二值模式(Local Binary Patterns)。这可以帮助我们分析图像的纹理信息,如图像的细节和纹理变化。这些纹理特征在识别不同类型的水果时也是有用的。 最后,我们可以使用机器学习算法,如支持向量机(SVM)或卷积神经网络(CNN),来训练一个分类模型。这个模型可以根据提取的特征来判断输入图像是否为某种水果。 总之,使用PythonOpenCV库实现水果识别的物体特征提取是一种非常有效的方法。通过提取图像的颜色和纹理特征,并使用机器学习算法进行分类,我们可以实现一个准确和高效的水果识别系统。

“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 11
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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