OpenCV（9）：视频处理

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 cv2cap = 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'):breakcap.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 cv2cap = 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'):breakcap.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'):breakcap.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 cv2cap = 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_frameif cv2.waitKey(25) & 0xFF == ord('q'):breakcap.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:breakcv2.imshow('Frame', frame)if cv2.waitKey(1) & 0xFF == ord('q'):breakcap.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 cv2cap = 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:breakout.write(frame)cv2.imshow('Frame', frame)if cv2.waitKey(1) & 0xFF == ord('q'):breakcap.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 cv2img = 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 cv2img = 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 cv2img = 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 cv2img = 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 cv2img = 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 cv2img = 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()