OpenCV（9）：视频处理

news/2025/2/26 13:54:46

1 介绍

        视频是由一系列连续的图像帧组成的，每一帧都是一幅静态图像。视频处理的核心就是对这些图像帧进行处理。常见的视频处理任务包括视频读取、视频播放、视频保存、视频帧处理等。

  • 视频分析: 通过视频处理技术，可以分析视频中的运动、目标、事件等。
  • 视频增强: 对视频进行去噪、增强、稳定化等处理，提升视频质量。
  • 视频编辑: 对视频进行剪辑、拼接、添加特效等操作。
  • 实时监控: 通过摄像头实时监控场景，并进行目标检测、行为分析等。

        OpenCV 提供了 cv2.VideoCapture 和 cv2.VideoWriter 两个类，分别用于视频的读取和写入。此外，OpenCV 还提供了丰富的图像处理函数，可以对视频帧进行各种操作。

2 视频读取与播放

2.1 读取视频文件

        要读取视频文件，首先需要创建一个 cv2.VideoCapture 对象，并指定视频文件的路径。

import cv2

# 创建 VideoCapture 对象，读取视频文件
cap = cv2.VideoCapture('example.mp4')

# 检查视频是否成功打开
if not cap.isOpened():
    print("Error: Could not open video.")
    exit()

# 读取视频帧
while True:
    ret, frame = cap.read()

    # 如果读取到最后一帧，退出循环
    if not ret:
        break

    # 显示当前帧
    cv2.imshow('Video', frame)

    # 按下 'q' 键退出
    if cv2.waitKey(25) & 0xFF == ord('q'):
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()

2.2 读取摄像头视频

        除了读取视频文件，OpenCV 还可以直接从摄像头读取视频，只需将 cv2.VideoCapture 的参数设置为摄像头的索引（通常为0）即可：

import cv2

# 创建 VideoCapture 对象，读取摄像头视频
cap = cv2.VideoCapture(0)

# 检查摄像头是否成功打开
if not cap.isOpened():
    print("Error: Could not open camera.")
    exit()

# 读取视频帧
while True:
    ret, frame = cap.read()

    # 如果读取到最后一帧，退出循环
    if not ret:
        break

    # 显示当前帧
    cv2.imshow('Camera', frame)

    # 按下 'q' 键退出
    if cv2.waitKey(25) & 0xFF == ord('q'):
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()

        我这里并没有开启摄像头。 

3 视频帧处理

3.1 帧的基本操作

        在读取视频帧后，可以对每一帧进行各种图像处理操作。例如，可以将帧转换为灰度图像：

import cv2

cap = cv2.VideoCapture('example.mp4')
cv2.namedWindow('Gray Video', 0)
cv2.resizeWindow('Gray Video', 640, 480)
while True:
    ret, frame = cap.read()

    if not ret:
        break

    # 将帧转换为灰度图像
    gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 显示灰度帧
    cv2.imshow('Gray Video', gray_frame)

    if cv2.waitKey(25) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

3.2 帧的保存

        在处理视频帧时，有时需要将处理后的帧保存为新的视频文件。可以使用 cv2.VideoWriter 类来实现：

import cv2

cap = cv2.VideoCapture('example.mp4')

# 获取视频的帧率和尺寸
fps = int(cap.get(cv2.CAP_PROP_FPS))
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))

# 创建 VideoWriter 对象，保存处理后的视频
fourcc = cv2.VideoWriter_fourcc(*'XVID')
out = cv2.VideoWriter('output.avi', fourcc, fps, (width, height))

while True:
    ret, frame = cap.read()

    if not ret:
        break

    # 将帧转换为灰度图像
    gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 将灰度帧写入输出视频
    out.write(cv2.cvtColor(gray_frame, cv2.COLOR_GRAY2BGR))

    # 显示灰度帧
    cv2.imshow('Gray Video', gray_frame)

    if cv2.waitKey(25) & 0xFF == ord('q'):
        break

cap.release()
out.release()
cv2.destroyAllWindows()

4 视频处理的高级应用

4.1 视频中的物体检测

        OpenCV 提供了多种物体检测算法，如 Haar 特征分类器、HOG + SVM 等。以下是一个使用 Haar 特征分类器进行人脸检测的示例：

import cv2

# 加载 Haar 特征分类器
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

cap = cv2.VideoCapture('example.mp4')

while True:
    ret, frame = cap.read()

    if not ret:
        break

    # 将帧转换为灰度图像
    gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 检测人脸
    faces = face_cascade.detectMultiScale(gray_frame, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

    # 在帧上绘制矩形框标记人脸
    for (x, y, w, h) in faces:
        cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)

    # 显示带有人脸标记的帧
    cv2.imshow('Face Detection', frame)

    if cv2.waitKey(25) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

4.2 视频中的运动检测

        运动检测是视频处理中的一个重要应用。可以通过计算帧之间的差异来检测运动物体。以下是一个简单的运动检测示例：

import cv2

cap = cv2.VideoCapture('example.mp4')
cv2.namedWindow('Motion Detection', cv2.WINDOW_NORMAL)
cv2.resizeWindow('Motion Detection', 640, 480)

# 读取第一帧
ret, prev_frame = cap.read()
prev_gray = cv2.cvtColor(prev_frame, cv2.COLOR_BGR2GRAY)

while True:
    ret, frame = cap.read()

    if not ret:
        break

    # 将当前帧转换为灰度图像
    gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 计算当前帧与前一帧的差异
    frame_diff = cv2.absdiff(prev_gray, gray_frame)

    # 对差异图像进行二值化处理
    _, thresh = cv2.threshold(frame_diff, 30, 255, cv2.THRESH_BINARY)

    # 显示运动检测结果
    cv2.imshow('Motion Detection', thresh)

    # 更新前一帧
    prev_gray = gray_frame

    if cv2.waitKey(25) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

5 常用函数

功能函数/方法说明
读取视频cv2.VideoCapture()读取视频文件或摄像头。
逐帧读取视频cap.read()逐帧读取视频。
获取视频属性cap.get(propId)获取视频的属性（如宽度、高度、帧率等）。
保存视频cv2.VideoWriter()创建视频写入对象并保存视频。
视频帧处理图像处理函数（如 cv2.cvtColor()）对视频帧进行图像处理。
目标跟踪cv2.TrackerKCF_create()使用目标跟踪算法跟踪视频中的物体。
运动检测cv2.createBackgroundSubtractorMOG2()使用背景减除算法检测视频中的运动物体。

5.1 cv2.VideoCapture

        从视频文件或摄像头中捕获视频帧。

cv2.VideoCapture(source)
  • source: 视频文件路径或摄像头索引（通常为0表示默认摄像头）。
import cv2

# 打开默认摄像头
cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()
    if not ret:
        break
    cv2.imshow('Frame', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

5.2 cv2.VideoWriter

        用于将视频帧写入视频文件。

cv2.VideoWriter(filename, fourcc, fps, frameSize)
  • filename: 输出视频文件名。
  • fourcc: 视频编码器（如 cv2.VideoWriter_fourcc(*'XVID')）。
  • fps: 帧率。
  • frameSize: 帧大小（宽度, 高度）。
import cv2

cap = cv2.VideoCapture(0)
fourcc = cv2.VideoWriter_fourcc(*'XVID')
out = cv2.VideoWriter('output.avi', fourcc, 20.0, (640, 480))

while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    out.write(frame)
    cv2.imshow('Frame', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
out.release()
cv2.destroyAllWindows()

5.3 cv2.cvtColor

        用于将图像从一种颜色空间转换为另一种颜色空间。

cv2.cvtColor(src, code)
  • src: 输入图像。
  • code: 颜色空间转换代码（如 cv2.COLOR_BGR2GRAY）。
import cv2

img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow('Gray Image', gray)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.4 cv2.resize

        用于调整图像大小。

cv2.resize(src, dsize)
  • src: 输入图像。
  • dsize: 输出图像大小（宽度, 高度）。
import cv2

img = cv2.imread('image.jpg')
resized = cv2.resize(img, (320, 240))
cv2.imshow('Resized Image', resized)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.5 cv2.Canny

        用于边缘检测。

cv2.Canny(image, threshold1, threshold2)
  • image: 输入图像。
  • threshold1: 第一个阈值。
  • threshold2: 第二个阈值。
import cv2

img = cv2.imread('image.jpg', 0)
edges = cv2.Canny(img, 100, 200)
cv2.imshow('Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.6 cv2.findContours

        用于查找图像中的轮廓。

cv2.findContours(image, mode, method)
  • image: 输入图像。
  • mode: 轮廓检索模式（如 cv2.RETR_TREE）。
  • method: 轮廓近似方法（如 cv2.CHAIN_APPROX_SIMPLE）。
import cv2

img = cv2.imread('image.jpg', 0)
contours, _ = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0, 255, 0), 3)
cv2.imshow('Contours', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.7 cv2.drawContours

        用于绘制图像中的轮廓。

cv2.drawContours(image, contours, contourIdx, color, thickness)
  • image: 输入图像。
  • contours: 轮廓列表。
  • contourIdx: 轮廓索引（-1表示绘制所有轮廓）。
  • color: 轮廓颜色。
  • thickness: 轮廓线宽。
import cv2

img = cv2.imread('image.jpg', 0)
contours, _ = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0, 255, 0), 3)
cv2.imshow('Contours', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.8 cv2.putText

        用于在图像上绘制文本。

cv2.putText(image, text, org, fontFace, fontScale, color, thickness)
  • image: 输入图像。
  • text: 要绘制的文本。
  • org: 文本左下角坐标。
  • fontFace: 字体类型（如 cv2.FONT_HERSHEY_SIMPLEX）。
  • fontScale: 字体缩放比例。
  • color: 文本颜色。
  • thickness: 文本线宽。
import cv2

img = cv2.imread('image.jpg')
cv2.putText(img, 'Hello, OpenCV!', (50, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 2)
cv2.imshow('Text', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

http://www.niftyadmin.cn/n/5868800.html

相关文章

中文版【推荐】Topaz Gigapixel AI 5.6.1 WIN中文版 资源分享

中文版【推荐】Topaz Gigapixel AI 5.6.1 WIN中文版 资源分享

Topaz AI Gigapixel是一款来自Topaz Labs公司的无损图片放大工具，软件采用了AI深度学习技术，可以帮助用户实现图片的“无损”放大功能，让低分辨率图片转为高分辨率、高质量图片，使用人工智能（AI）来填补那些…
阅读更多...
支持向量机（SVM）简介与应用

支持向量机（SVM）简介与应用

目录 1. 什么是支持向量机？ 2. SVM的基本原理 3. 核函数与SVM的扩展 4. SVM的优势与挑战 5. SVM的应用场景 6. 总结 1. 什么是支持向量机？ 支持向量机（Support Vector Machine，简称SVM）是一种监督学习模型&#…
阅读更多...
VUE 获取视频时长,无需修改数据库,前提当前查看视频可以得到时长

VUE 获取视频时长,无需修改数据库,前提当前查看视频可以得到时长

第一字段处 <el-table-column label"视频时长" align"center"> <template slot-scope"scope"> <span>{{ formatDuration(scope.row.duration) }}</span> </template> </el-ta…
阅读更多...
编写一个程序，输入一个字符串并输出其长度(Python版)

编写一个程序，输入一个字符串并输出其长度(Python版)

编写一个程序&#xff0c;输入一个字符串并输出其长度 以下是Python实现代码: s input("请输入一个字符串&#xff1a;") print("字符串的长度是&#xff1a;", len(s))运行效果&#xff1a; 1.程序会等待用户输入&#xff08;如输入"Hello"&…
阅读更多...
Vue+ElementPlus的一些问题修复汇总

Vue+ElementPlus的一些问题修复汇总

目录 一、ElementPlusVue-router做侧边栏问题 二、 组件样式问题 2.1修改文字颜色、大小、粗细、边框的颜色 2.2修改聚焦后文字的颜色、边框的颜色 2.3修改鼠标悬浮时文字的颜色、边框的颜色 三、 组件样式问题 3.1修改文字颜色、大小、粗细 四、 样式问题 4.1当数据为空…
阅读更多...
【数据结构】（Python）第六章：图

【数据结构】（Python）第六章：图

数据结构&#xff08;Python&#xff09;第六章&#xff1a;图 文章目录 数据结构&#xff08;Python&#xff09;第六章&#xff1a;图6.1 图的定义和基本概念6.2 图的存储结构6.2.1 邻接矩阵&#xff08;Adjacency Matrix&#xff09;6.2.2 邻接表&#xff08;Adjacency List…
阅读更多...
特辣的海藻！4

特辣的海藻！4

目录 基础知识点 数对结构 BigInteger split() 题 1.商品库存管理 - 蓝桥云课 2.回文字符串 - 蓝桥云课 3.握手问题 - 蓝桥云课 基础知识点 数对结构 Java中类似C大的pair&#xff0c;自定义 public class Pair<A, B> {private final A first;private final B …
阅读更多...
Imagination 最新的D系列GPU IP 为智能手机和其他电力受限设备上图形和计算工作负载的高效加速设定了新的标准

Imagination 最新的D系列GPU IP 为智能手机和其他电力受限设备上图形和计算工作负载的高效加速设定了新的标准

今日&#xff0c;Imagination Technologies&#xff08;“Imagination”&#xff09;宣布推出其最新的GPU IP——Imagination DXTP&#xff0c;该产品为智能手机和其他电力受限设备上图形和计算工作负载的高效加速设定了新的标准。得益于一系列微架构改进&#xff0c;DXTP在常见…
阅读更多...
最新文章

Copyright @ 2022~2023