python --帧合成视频,并检测抖动和去除抖动

如下:

import os
import cv2
import web_page
from PIL import Image
 
video_length = web_page.VIDEO_LENGTH
 
 
def image_to_video(image_path, media_path, fps):
    '''
    图片合成视频函数
    :param image_path: 图片路径
    :param media_path: 合成视频保存路径
    :return:
    '''
    # 获取图片路径下面的所有图片名称
    image_names = os.listdir(image_path)
    # 对提取到的图片名称进行排序
    image_names.sort(key=lambda n: int(n[:-4]))
    # 设置写入格式
    fourcc = cv2.VideoWriter_fourcc('M', 'P', '4', 'V')
    # 设置每秒帧数
    fps = fps
    # 读取第一个图片获取大小尺寸,因为需要转换成视频的图片大小尺寸是一样的
    image = Image.open(os.path.join(image_path, image_names[0]))
    # 初始化媒体写入对象
    media_writer = cv2.VideoWriter(media_path, fourcc, fps, image.size)
    number = video_length * fps
    count = 0
    while True:
        if count > number:
            break
        # 遍历图片,将每张图片加入视频当中
        for image_name in image_names:
            im = cv2.imread(os.path.join(image_path, image_name))
            media_writer.write(im)
            if count > number:
                break
            count += 1
        for image_name in image_names[::-1]:
            im = cv2.imread(os.path.join(image_path, image_name))
            media_writer.write(im)
            if count > number:
                break
            count += 1
    # 释放媒体写入对象
    media_writer.release()
    print('无声视频写入完成!')
    return media_path
 
 
video_path = image_to_video('img', 'cache/cache.mp4', 24)
 
# 调用视频去抖动函数
video_path = video_path
cmd = rf'ffmpeg -y -i {video_path} -vf vidstabdetect=shakiness=10:accuracy=15:result=transforms.trf -f null -'
cmd1 = rf'ffmpeg -y -i {video_path} -vf vidstabtransform=input=transforms.trf:zoom=0:smoothing=10,unsharp=5:5:0.8:3:3:0.4 {os.path.join("video", "out.mp4")}'
os.system(cmd)
os.system(cmd1)

对于命令里面的参数:

以下是关于shakinessaccuracysmoothing参数的一般范围值说明:

  • shakiness参数:用于控制抖动检测的阈值。它的取值范围是0到100,其中0表示非常严格的抖动检测,而100表示非常宽松的抖动检测。较低的值会更严格地检测抖动,而较高的值则会更容忍抖动。你可以根据你的需求和视频的特点来调整这个值。

  • accuracy参数:用于控制抖动检测的准确性。它的取值范围是0到15,其中0表示最低的准确性,而15表示最高的准确性。较低的值会加快抖动检测的速度,但可能会牺牲一些准确性,而较高的值会更准确地检测抖动,但可能需要更长的时间。根据你的需求和计算资源,可以选择适当的准确性级别。

  • smoothing参数:用于控制去抖动的平滑程度。它的取值范围是0到100,其中0表示没有平滑效果,而100表示最大的平滑效果。较低的值会保留更多的原始抖动,而较高的值会更强烈地平滑抖动。你可以根据你想要的效果来调整这个值。

  • zoom参数:zoom=0表示禁用缩放(zoom)效果。

  • unsharp参数:unsharp参数用于应用锐化(unsharp)效果,参数值控制锐化的强度和半径。

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
以下是使用Python和OpenCV实现三差法的代码示例: ```python import cv2 # 初始化摄像头或读取视频文件 cap = cv2.VideoCapture(0) # 读取前三,用于初始化背景 ret, frame1 = cap.read() ret, frame2 = cap.read() ret, frame3 = cap.read() # 循环读取视频流 while True: # 读取当前 ret, frame4 = cap.read() # 计算当前与前两的差值 diff1 = cv2.absdiff(frame2, frame1) diff2 = cv2.absdiff(frame3, frame2) # 计算两个差值的加权平均值 diff = cv2.addWeighted(diff1, 0.5, diff2, 0.5, 0) # 对差值图像进行阈值化处理 thresh = cv2.threshold(diff, 25, 255, cv2.THRESH_BINARY)[1] # 对阈值图像进行腐蚀和膨胀操作,去除噪声并填补空洞 thresh = cv2.erode(thresh, None, iterations=2) thresh = cv2.dilate(thresh, None, iterations=2) # 在原始图像中标记出运动物体 contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for contour in contours: if cv2.contourArea(contour) < 1000: continue (x, y, w, h) = cv2.boundingRect(contour) cv2.rectangle(frame4, (x, y), (x + w, y + h), (0, 255, 0), 2) # 更新前两 frame1 = frame2 frame2 = frame3 frame3 = frame4 # 显示结果 cv2.imshow("Motion Detection", frame4) if cv2.waitKey(1) & 0xFF == ord('q'): break # 释放资源 cap.release() cv2.destroyAllWindows() ``` 这段代码会打开计算机上的默认摄像头,并在摄像头中检测运动物体。如果要读取视频文件,只需将`cap`的初始化代码更改为:`cap = cv2.VideoCapture('video.mp4')`,其中`video.mp4`是要读取的视频文件名。
评论
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

打赏作者

像风一样的男人@

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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