怎么使用Python+OpenCV讀寫視頻

本文小編為大家詳細介紹“怎么使用Python+OpenCV讀寫視頻”，內容詳細，步驟清晰，細節處理妥當，希望這篇“怎么使用Python+OpenCV讀寫視頻”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學習新知識吧。

讀視頻，提取幀

接口函數：cv2.VideoCapture()

通過video_capture = cv2.VideoCapture(video_path)可以獲取讀取視頻的句柄。而后再通過flag, frame = video_capture.read()可以讀取當前幀，flag表示讀取是否成功，讀取成功后，句柄會自動移動到下一幀的位置。讀取結束后使用video_capture.release()釋放句柄。

一個簡單的逐幀讀取的程序如下：

import cv2

video_capture = cv2.VideoCapture(video_path)
while True:
    flag, frame = video_capture.read()
    if not flag:
        break
    # do something with frame
video_capture.release()

獲取視頻信息

為了能更好更靈活地了解并讀取視頻，我們有時候需要獲取視頻的一些信息，比如幀率，總幀數等等。獲取這些信息的方法是調用video_capture.get(PROP_ID)方法，其中PROP_ID是OpenCV定義的一些常量。

常用的信息及示例如下：

import cv2

video_path = r'D:\peppa\Muddy_Puddles.mp4'
video_capture = cv2.VideoCapture(video_path)

frame_num = video_capture.get(cv2.CAP_PROP_FRAME_COUNT) # ==> 總幀數
fps = video_capture.get(cv2.CAP_PROP_FPS)               # ==> 幀率
width = video_capture.get(cv2.CAP_PROP_FRAME_WIDTH)     # ==> 視頻寬度
height = video_capture.get(cv2.CAP_PROP_FRAME_HEIGHT)   # ==> 視頻高度
pos = video_capture.get(cv2.CAP_PROP_POS_FRAMES)        # ==> 句柄位置

video_capture.set(cv2.CAP_PROP_POS_FRAMES, 1000)        # ==> 設置句柄位置
pos = video_capture.get(cv2.CAP_PROP_POS_FRAMES)        # ==> 此時 pos = 1000.0

video_capture.release()

句柄位置指的是下一次調用read()方法讀取到的幀號，幀號索引從0開始。

使用set(cv2.CAP_PROP_POS_FRAMES)讀取指定幀

從上面代碼中可以看到我們使用了set方法來設置句柄的位置，這個功能在讀取指定幀時很有用，這樣我們不必非要使用read()遍歷到指定位置。

但問題來了，這種方式讀取到的內容和read()遍歷讀取到的內容是否完全相同？

做個簡單的實驗，下面用兩種方法分別讀取同一個視頻的[100, 200)幀，然后檢查讀取的內容是否完全相同，結果是True。

import cv2
import numpy as np

video_path = r'D:\peppa\Muddy_Puddles.mp4'
video_capture = cv2.VideoCapture(video_path)
cnt = -1
frames1 = []
while True:
    cnt += 1
    flag, frame = video_capture.read()
    assert flag
    if 100 <= cnt < 200:
        frames1.append(frame)
    if cnt >= 200:
        break
video_capture.release()

video_capture = cv2.VideoCapture(video_path)
frames2 = []
for i in range(100, 200):
    video_capture.set(cv2.CAP_PROP_POS_FRAMES, i)
    flag, frame = video_capture.read()
    assert flag
    frames2.append(frame)
video_capture.release()

frames1 = np.array(frames1)
frames2 = np.array(frames2)
print(np.all(frames1 == frames2))  # ==> check whether frames1 is same as frames2, result is True

接下來看看利用set讀取的效率。還是利用小豬佩奇第一集做實驗，這個視頻共7788幀，下面分別用兩種方法遍歷讀取視頻中所有幀。第二種方法明顯比第一種慢得多，所以這就很苦逼了。。。如果幀間隔比較小的話，單純用read()進行遍歷效率高；如果幀間隔比較大的話，用set()設置位置，然后read()讀取效率高。

（如果給第二種方法加個判斷，每隔n幀讀取一次，那么效率確實會提高n倍，可以自行嘗試）

import cv2
import numpy as np
import time

video_path = r'D:\peppa\Muddy_Puddles.mp4'
video_capture = cv2.VideoCapture(video_path)
t0 = time.time()
while True:
    flag, frame = video_capture.read()
    if not flag:
        break
t1 = time.time()
video_capture.release()

video_capture = cv2.VideoCapture(video_path)
t2 = time.time()
frame_num = int(video_capture.get(cv2.CAP_PROP_FRAME_COUNT))
for i in range(frame_num):
    video_capture.set(cv2.CAP_PROP_POS_FRAMES, i)
    flag, frame = video_capture.read()
    assert flag
t3 = time.time()
video_capture.release()

print(t1 - t0)  # ==> 76.3 s
print(t3 - t2)  # ==> 345.1 s

讀取函數（重點）

上面我們使用了兩種方法讀取視頻幀，第一種是使用read()進行暴力遍歷，第二種是使用set()設置幀號，再使用read()讀取。兩種方法讀取到的結果完全一樣，但是效率在不同的情況下各有優勢，所以為了最大化發揮兩者的優勢，在寫讀取幀函數時，就要把兩種方式都寫進去，由參數來決定使用哪種模式，這樣用戶可以針對電腦的硬件做一些簡單實驗后自行決定。

# -*- coding: utf-8 -*-
import os
import cv2


def _extract_frame_mode_1(video_capture, frame_list, root_folder, ext='png'):
    """
    extract video frames and save them to disk. this method will go through all
    the frames using video_capture.read()

    Parameters:
    -----------
    video_capture: obtained by cv2.VideoCapture()
    frame_list: list
        list of frame numbers
    root_folder: str
        root folder to save frames
    ext: str
        extension of filename
    """
    frame_list = sorted(frame_list)
    video_capture.set(cv2.CAP_PROP_POS_FRAMES, 0)
    cnt = -1
    index = 0
    while True:
        cnt += 1
        flag, frame = video_capture.read()
        if not flag:
            break
        if cnt == frame_list[index]:
            filename = os.path.join(root_folder, str(cnt) + '.' + ext)
            cv2.imwrite(filename, frame)
            index += 1


def _extract_frame_mode_2(video_capture, frame_list, root_folder, ext='png'):
    """
        extract video frames and save them to disk. this method will use
        video_capture.set() to locate the frame position and then use
        video_capture.read() to read

        Parameters:
        -----------
        video_capture: obtained by cv2.VideoCapture()
        frame_list: list
            list of frame numbers
        root_folder: str
            root folder to save frames
        ext: str
            extension of image filename
        """
    for i in frame_list:
        video_capture.set(cv2.CAP_PROP_POS_FRAMES, i)
        flag, frame = video_capture.read()
        assert flag
        filename = os.path.join(root_folder, str(i) + '.' + ext)
        cv2.imwrite(filename, frame)


def extract_frame(video_path, increment=None, frame_list=None,
                  mode=1, ext='png'):
    """
    extract video frames and save them to disk. the root folder to save frames
    is same as video_path (without extension)
    
    Parameters:
    -----------
    video_path: str
        video path
    increment: int of 'fps'
        increment of frame indexes
    frame_list: list
        list of frame numbers
    mode: int, 1 or 2
        1: go through all the frames using video_capture.read()
        2: use video_capture.set() to locate the frame position and then use
        video_capture.read() to read
    ext: str
        extension of image filename
    """
    video_capture = cv2.VideoCapture(video_path)
    frame_num = int(video_capture.get(cv2.CAP_PROP_FRAME_COUNT))

    if increment is None:
        increment = 1
    elif increment == 'fps':
        fps = video_capture.get(cv2.CAP_PROP_FPS)
        increment = round(fps)

    if frame_list is None:
        frame_list = [i for i in range(0, frame_num, increment)]

    if frame_num // len(frame_list) > 5 and mode == 1:
        print("the frames to be extracted is too sparse, "
              "please consider setting mode = 2 to accelerate")

    root_folder = os.path.splitext(video_path)[0]
    os.makedirs(root_folder, exist_ok=True)
    if mode == 1:
        _extract_frame_mode_1(video_capture, frame_list, root_folder, ext)
    elif mode == 2:
        _extract_frame_mode_2(video_capture, frame_list, root_folder, ext)
    video_capture.release()


if __name__ == '__main__':
    video_path = r'D:\peppa\Muddy_Puddles.mp4'
    extract_frame(video_path, increment=30, mode=2)

將圖像寫為視頻

寫視頻沒有那么多需要注意的地方，主要使用的接口函數是cv2.VideoWriter(video_path, fourcc, fps, size)，該函數的主要注意點是入參的設置，video_path是輸出視頻的文件名，fps是幀率，size是視頻的寬高，待寫入視頻的圖像的尺寸必需與size一致。其中不太容易理解的是與視頻編碼相關的fourcc，該參數的設置需要使用另外一個接口函數：cv2.VideoWriter_fourcc(c1, c2, c3, c4)，c1-c4分別是四個字符。

示例

因為獲取圖像的方式多種多樣，而寫視頻又比較簡單，所以不太適合將這部分寫成函數，下面以一個例子呈現。

video_path = r'D:\peppa\Muddy_Puddles.avi'
root_folder = r'D:\peppa\Muddy_Puddles'

fourcc = cv2.VideoWriter_fourcc('X', 'V', 'I', 'D')
fps = 25
size = (1920, 1080)

video_writer = cv2.VideoWriter(video_path, fourcc, fps, size)
for i in range(0, 7788, 30):
    filename = os.path.join(root_folder, str(i) + '.png')
    image = cv2.imread(filename)
    video_writer.write(image)
video_writer.release()

fourcc

fourcc有時候需要多嘗試一下，因為不同電腦里安裝的編解碼器可能不太一樣，不見得隨便設置一個參數就一定能成功，fourcc有非常多，比如：

上表中的后綴名似乎并不需要嚴格遵守。

讀到這里，這篇“怎么使用Python+OpenCV讀寫視頻”文章已經介紹完畢，想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領會，如果想了解更多相關內容的文章，歡迎關注億速云行業資訊頻道。