在 OSX 下分析摄像头输入

Question

我正在寻找一种在 OSX 下以编程方式分析来自外部 USB 网络摄像头的视频源的方法。

因为我之前没有做过任何像这样的低级编程，所以我目前有点迷失从哪里开始。

如何访问网络摄像头并抓取图像数据以进行进一步处理？ 此时我只是想理解基本概念，而不是寻找特定于语言的解决方案。 任何示例代码将不胜感激。

如果有人能指出我正确的方向并帮助我开始，我将非常感激。

预先非常感谢您！

托马斯

Answer 1

使用OpenCV。

如果您正在寻找显示网络摄像头图像的代码示例，请查看我之前关于此主题的答案。它将视频源转换为灰度并将其显示在窗口上：

OpenCV 2.1：运行时error

如果您只想显示帧，请将 else 块替换为：

else
{
    cvShowImage("Colored video", color_frame);
}

如果您不知道如何操作帧的像素：

int width = color_frame->width; 
int height = color_frame->height;
int bpp = color_frame->nChannels; 
for (int i=0; i < width*height*bpp; i+=bpp) 
{
  if (!(i % (width*bpp))) // print empty line for better readability
      std::cout << std::endl;

  std::cout << std::dec << "R:" << (int) color_frame->imageData[i] <<  
                          " G:" << (int) color_frame->imageData[i+1] <<  
                          " B:" << (int) color_frame->imageData[i+2] << " "; 
}

Answer 2

要快速访问网络摄像头并操作像素数据，您可以将 Processing 与 视频库 - 最简单的开始方法是查看与 IDE 捆绑的示例。

Processing 是一种基于 Java 的可视化语言，易于学习和使用，可在 WIndows、MacOSX 和 Linux 上运行。我发现网络摄像头在我的 MacBook 上开箱即用。

下面是一个示例脚本（基于 IDE 中捆绑的示例），它加载网络摄像头源并以灰度渲染像素。

import processing.video.*;

int numPixels;
Capture video;

void setup() {
  // Change size to 320 x 240 if too slow at 640 x 480
  size(640, 480, P2D); 

  video = new Capture(this, width, height, 24);
  numPixels = video.width * video.height;
  // Make the pixels[] array available for direct manipulation
  loadPixels();
}

void draw() {
  if (video.available()) {
    video.read(); // Read a new video frame
    video.loadPixels(); // Make the pixels of video available
    for (int i = 0; i < numPixels; i++) { // For each pixel in the video frame...
      // Make all the pixels grey if mouse is pressed
      if (mousePressed) {
        float greyVal = brightness(video.pixels[i]);
        pixels[i] = color(greyVal);
      } else {
        // If mouse not pressed, show normal video
        pixels[i] = video.pixels[i];
      }
    }
    updatePixels(); // Notify that the pixels[] array has changed
  }
}

此外，还有一个很棒的OpenCV 接口，可用于边缘检测等。