python实现提取视频帧的图片

🍃作者介绍：双非本科大三网络工程专业在读，阿里云专家博主，专注于Java领域学习，擅长web应用开发、数据结构和算法，初步涉猎人工智能和前端开发。
🦅个人主页：@逐梦苍穹
📕所属专栏：项目
🌻您的一键三连，是我创作的最大动力🌹

1、需求痛点

有时候看见一个视频，想要截图里面的素材来自己用，但是此时又记不得自己需要的内容大概在视频的哪个地方，那么就得从头看视频，不断暂停、播放视频，循环往复 ，以寻找需要的内容进行截图。
那么，本文就带你用 python 实现一个提取视频帧的程序，把视频帧提取成图片；
然后你只需要在键盘上利用 “->” 键，就可以轻松快速的找到想要的素材内容。
那么话不多说，进入正题！

2、完整代码⭐

# -*- coding: utf-8 -*-
# @Author:︶ㄣ释然
# @Time: 2024/7/31 1:19

import cv2  # 导入OpenCV库，用于视频处理
import os  # 导入os库，用于文件和目录操作
import concurrent.futures  # 导入并发库，用于多线程处理
import time  # 导入时间库，用于计算时间


# 定义保存帧的函数
def save_frame(frame, frame_filename):
    cv2.imwrite(frame_filename, frame)  # 使用OpenCV保存帧到文件


# 定义提取视频帧的函数
def extract_frames(video_path, output_folder, frame_interval, max_threads):
    cap = cv2.VideoCapture(video_path)  # 打开视频文件
    frame_count = 0  # 初始化帧计数器
    futures = []  # 初始化futures列表，用于存储线程任务

    start_time = time.time()  # 记录开始时间

    # 使用ThreadPoolExecutor创建一个线程池，最大线程数为max_threads
    with concurrent.futures.ThreadPoolExecutor(max_workers=max_threads) as executor:
        while cap.isOpened():  # 当视频文件打开时
            ret, frame = cap.read()  # 读取一帧
            if not ret:  # 如果读取失败，跳出循环
                break

            if frame_count % frame_interval == 0:  # 每隔frame_interval帧处理一次
                seconds = frame_count // frame_interval  # 计算当前帧对应的秒数
                frame_filename = os.path.join(output_folder, f'frame_{seconds:04d}.jpg')  # 构建帧文件名
                futures.append(executor.submit(save_frame, frame, frame_filename))  # 提交保存帧的任务到线程池

            frame_count += 1  # 增加帧计数器

        cap.release()  # 释放视频文件

        for future in concurrent.futures.as_completed(futures):  # 等待所有线程完成
            future.result()  # 获取线程结果

    end_time = time.time()  # 记录结束时间
    elapsed_time = end_time - start_time  # 计算执行时间

    print(f'提取完成，共提取了 {frame_count // frame_interval} 帧')  # 输出提取的帧数
    print(f'程序执行时间: {elapsed_time:.2f} 秒')  # 输出程序执行时间


# 创建文件夹保存帧
output_folder = 'video_frames'
os.makedirs(output_folder, exist_ok=True)  # 如果文件夹不存在，则创建

# 打开视频文件
video_path = '1.mp4'

# 获取视频帧率
cap = cv2.VideoCapture(video_path)
fps = cap.get(cv2.CAP_PROP_FPS)  # 获取视频的帧率
cap.release()  # 释放视频文件
frame_interval = int(1 * fps)  # 每秒提取一帧

# 用户指定的线程数
max_threads = 8

# 提取视频帧
extract_frames(video_path, output_folder, frame_interval, max_threads)  # 调用提取帧的函数

3、代码分析

3.1、需要改动的地方

首先，保存图片的文件夹名称，你可以修改：

然后，你需要把视频下载下来，填写视频路径：

接着，本程序是多线程的，你需要指定你所需要的线程数量：

最后，该程序默认是一秒提取一帧图片，你可以修改这个数字：

“1 * fps"即每秒提取一帧图片，同理，如果想要十秒提取一张，则是"10 * fps”。

3.2、OpenCV库的使用

OpenCV是一个强大的计算机视觉库，支持视频和图像处理。
在本程序中，OpenCV被用来读取视频文件和保存帧图像。
cv2.VideoCapture用于打开视频文件，cv2.imwrite用于将帧图像保存到文件。

3.3、多线程技术

为了提高帧提取和保存的效率，程序使用了Python的concurrent.futures库中的ThreadPoolExecutor进行多线程处理。
ThreadPoolExecutor允许我们轻松地管理和调度多个线程，特别适合I/O密集型任务。
该程序实现了从视频中每秒提取一帧并多线程保存到文件夹的功能，极大地提升了处理效率。
多线程的使用有效地利用了计算资源，减少了帧提取和保存过程中的等待时间。

4、执行效率

我的CPU型号：11th Gen Intel® Core™ i5-1135G7 @ 2.40GHz (8 CPUs), ~2.4GHz

经过我的测试：提取13分钟的视频，每秒一帧共提取出800张图，8线程，用时是 2分钟：

5、效果展示⭐

运行程序之后，会生成一个文件夹，里面是保存的图片，效果如下图：

清晰度都不错，放几张给大家看一下：

此时你想要哪个素材，就不用一直在视频里面不断重复暂停、播放的过程了。

6、注意事项🔺

用了别人的素材，如果需要发成文章，比如像我这样发一篇博客的话，最好艾特原作者或者附上引用素材的链接。
我这里用到的演示视频，用于提取素材图片，来源于：
https://www.bilibili.com/video/BV1fY411H7g8?t=245.4

7、总结

通过对该代码的分析，我们可以看到利用Python的多线程技术可以显著提高视频处理任务的效率。
OpenCV库提供了强大的视频处理功能，而concurrent.futures库则简化了多线程的实现。
对于需要处理大量视频数据的应用场景，这种方法无疑是高效且实用的。