- 1. 学习如何在你的电脑上配置OpenCV-Python环境!
- 1.1 开始了解OpenCV-Python
- 1.2 在 Windows 下安装 OpenCV-Python
- 1.3 在 Fedora 环境下安装 OpenCV-Python
- 1.4 在 Debian(Ubuntu)中配置 OpenCV-Python
- 1.5 在Docker中安装OpenCV-Python
- 1.6 在树莓派配置OpenCV-Python
- 2. OpenCV中的GUI功能
- 2.1 开始使用图像
- 2.2 开始使用视频
- 2.3 OpenCV 中的绘图函数
- 2.4 以鼠标为画笔
- 2.5 用滑块控制条做调色板
- 3. OpenCV中的GUI功能
- 3.1 图片基本操作
- 3.2 图像算术操作
- 3.3 性能评估与改进技巧
- 4. OpenCV中的图像处理
- 4.1 更换颜色空间
- 4.2 对图像进行几何变换
- 4.3 图像二值化处理
- 4.4 平滑图像
- 4.5 形态学转换
- 4.6 图像梯度
- 4.7 Canny边缘检测
- 4.8 图像金字塔
- 4.9.1 直方图:查找,绘制,分析
- 4.9.2 直方图均衡化
- 4.9.3 二维直方图
- 4.9.4 直方图反投影
- 4.10 OpenCV中的图像变换
- 4.10.1 傅立叶变换
- 4.11 模板匹配
- 4.12 霍夫直线变换
- 4.13 霍夫圆变换
- 4.14 基于分水岭算法的图像分割
- 4.14 使用 GrabCut 算法交互式前景提取
- 5. 特征检测和描述符
- 5.1 理解特征
- 5.2 Harris 角点检测
- 5.3 Shi-Tomasi 角点检测 & 适合用来跟踪的特征
- 5.4 介绍SIFT(尺度不变特征转换)
- 5.5 介绍SURF(加速稳健特征)
- 5.6 角点检测的FAST算法
- 5.7 BRIEF特征点描述算法
- 5.8 ORB 特征描述符(Oriented FAST and Rotated BRIEF)
- 5.9 特征匹配
- 5.10 特征匹配和使用单应性匹配来搜索物体
- 6. 视频分析
- 6.1 Meanshift和Camshift
- 6.2 光流
- 6.3 背景分割
- 7. 相机校准和3D重建
- 7.1 相机校准
- 7.2 姿势估计
- 7.3 极线几何
- 7.4 来自立体图像的深度图
- 8. 机器学习
- 8.1 K-最近邻算法
- 8.1.1 了解k-最近邻算法
- 8.1.2 使用kNN进行手写字符的OCR
- 8.2 支持向量机(SVM)
- 8.2.1 理解SVM
- 8.2.2 使用SVM的手写数据的OCR
- 8.3 K-Means聚类
- 8.3.1 理解 K-Means 聚类
- 8.3.2 OpenCV中的K-Means聚类
- 9. 计算摄影学
- 9.1 图像去噪
- 9.2 图像修复
- 9.3 高动态范围(HDR)
- 10. 目标检测
- 10.1 使用 Haar Cascades 的面部识别
- 11. OpenCV-Python 绑定
- 11.1 OpenCV-Python绑定如何工作?
2.2 开始使用视频
目标
- 学习读取视频、显示视频和保存视频。
- 学习使用摄像头拍摄视频并将其显示出来。
- 你会学到这些函数:
cv2.VideoCapture()
、cv2.VideoWriter()
用摄像头拍摄视频
通常,我们必须用摄像头拍摄实时视频流。 OpenCV为此提供了一个非常简单的接口。
让我们从摄像头中拍摄视频(我使用我的笔记本电脑的内置摄像头),将其转换为灰度视频并显示。 这只是一个用来上手的简单任务。
要拍摄视频,您需要创建一个VideoCapture对象。 它的参数可以是设备索引或视频文件的名称。 设备索引是指定哪个摄像头的号码。
通常只有一个摄像头被连接到电脑上(就像我的情况)。 所以我只是传入0(或-1)。 您可以通过传入1等参数来选择第二台相机。 之后,您可以逐帧拍摄。 在最后,不要忘记释放VideoCapture对象。
import numpy as np
import cv2
cap = cv2.VideoCapture(0)
while True:
# 逐帧捕获
ret, frame = cap.read()
# 对帧进行处理
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 显示出结果帧
cv2.imshow('frame',gray)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# 当一切结束以后,释放VideoCapture对象
cap.release()
cv2.destroyAllWindows()
cap.read()
返回一个bool
值(True/False
)。如果成功的获取到了视频帧,这个值将会是True
。你可以通过这个返回值检查是否到达了一段视频的结尾。
有时,cap
可能没有初始化捕获。 在这种情况下,这段代码会报错。 你可以通过cap.isOpened()
方法检查它是否被初始化。 如果它返回True
,那就没问题。否则使用cap.open()
打开它。
您还可以使用cap.get(propId)
方法访问此视频的一些属性,其中propId
是一个从0到18的数字。每个数字表示视频的一个属性(如果该属性适用于该视频),全部细节请参阅cv::VideoCapture::get()
的文档。
其中一些值可以使用cap.set(propId,value)
进行修改。 value
是你想要的新值。
例如,我们可以使用检查cap.get(cv2.CAP_PROP_FRAME_WIDTH)
和cap.get(cv2.CAP_PROP_FRAME_HEIGHT)
一个视频帧的宽度和高度。默认情况下是 640x480。但如果我想要把它改成 320x240。我只需要使用ret = cap.set(cv2.CAP_PROP_FRAME_WIDTH,320)
和ret = cap.set(cv2.CAP_PROP_FRAME_HEIGHT,240)
。
如果在用摄像头拍摄视频时出现了错误,请先用其他摄像头软件(如linux下的Cheese)确保你的摄像头本身工作正常。
从文件中播放视频
与从相机拍摄相同,只需将摄像头索引替换为视频文件名称即可。 在显示帧的同时,使用cv2.waitKey()
来延迟适当的时间。 如果延迟时间太少,视频会非常快,如果太多,视频会很慢(这就是如何以慢动作显示视频)。 正常情况下25毫秒是一个比较合适的值。
import numpy as np
import cv2
cap = cv2.VideoCapture('vtest.avi')
while(cap.isOpened()):
ret, frame = cap.read()
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
cv2.imshow('frame',gray)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
确保安装了正确版本的ffmpeg或gstreamer。 有时,由于ffmpeg / gstreamer的安装错误,拍摄视频是一件非常头疼的事情。
保存一个视频
现在我们已经拍摄一个了视频,对其进行了逐帧处理,现在我们要保存视频。对于图像来说,保存非常简单,只需使用cv2.imwrite()
即可。但对于视频来说这需要更多的工作。
我们需要创建一个VideoWriter
对象。我们应该指定输出文件名(例如:output.avi)。接着我们需要指定FourCC代码(细节在下一段中描述)。然后传递每秒帧数(fps)和帧大小。最后一个是isColor
标志。如果为True
,则编码器使用彩色帧,否则使用灰度帧。
FourCC是用于指定视频编解码器的4字节代码。可用的代码列表可以在fourcc.org找到。这些代码依赖于平台。下面的编解码器在我的环境下工作正常。
- 在Fedora下:DIVX,XVID,MJPG,X264,WMV1,WMV2。 (优先选择XVID,MJPG会产生很大的视频。 X264提供非常小尺寸的视频)
- 在Windows下:DIVX(更多格式需要等待进一步测试和添加)
- 在OS X下:MJPG(.mp4),DIVX(.avi),X264(.mkv)。
以MJPG格式为例,FourCC
代码是像这样传入的:cv2.VideoWriter_fourcc('M','J','P','G')
或cv2.VideoWriter_fourcc(*'MJPG')
。
下面的代码从摄像头拍摄视频,在垂直方向翻转每一帧并保存。
import numpy as np
import cv2
cap = cv2.VideoCapture(0)
# 定义解码器并创建VideoWriter对象
fourcc = cv2.VideoWriter_fourcc(*'XVID')
out = cv2.VideoWriter('output.avi',fourcc, 20.0, (640,480))
while cap.isOpened():
ret, frame = cap.read()
if ret:
frame = cv2.flip(frame,0)
# 写入翻转过的帧
out.write(frame)
cv2.imshow('frame',frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
else:
break
# 工作完成后释放所有的东西
cap.release()
out.release()
cv2.destroyAllWindows()
如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
发布评论