【Python入门教程】基于OpenCV视频分解成图片+图片组合成视频(视频抽帧组帧)
在人工智能爆火的今天,深度学习被广泛应用于各个领域。深度学习的模型训练离不开大量的样本库。我之前分享过【Python爬虫】批量爬取网页的图片&制作数据集,今天跟大家分享一下如何使用OpenCV库对视频进行抽帧,从而增加样本图片的数量。正好也顺便分享一下如何再将图片组合成视频。当然视频的抽帧组帧还可以应用到很多邻域,我这里是用在制作样本的。
1 视频分解图片(拆帧)
1.1 主函数介绍+代码
cv2.VideoCapture()
是OpenCV库中的一个函数,用于读取视频文件或实时视频流。它返回一个视频捕获对象,可以通过这个对象进行视频的读取、操作和释放等操作。
使用cv2.VideoCapture()
可以读取视频文件或实时视频流中的每一帧图像。通过循环读取帧,可以获取视频中的所有帧。
这里入参中的target_frame是指间隔多少帧保存一张图片,如果输入1,则全部保存。若视频帧率为60(每秒60张图片),你设置target_frame为120,则两秒保存一张图片。
def Frame_video(video_path, out_path, target_frame=1):""":param video_path: 需要拆帧的视频路径:param out_path: 拆帧后图片保存路径:param target_frame: 抽取帧数间隔,默认为1,即1帧保存1张图片:return: None"""print("-------------------------视频抽帧-------------------------")if not os.path.exists(out_path):# 判断文件夹是否存在os.makedirs(out_path)video = cv2.VideoCapture() # 初始化一个OpenCV的视频读取对象video.open(video_path)count = 0 # 记录当前帧数image_index = 1000001 # 用于保存图片名称frames = int(video.get(cv2.CAP_PROP_FRAME_COUNT)) # 获取帧数print('视频共%s帧,抽取%s帧......' % (frames, int(frames/target_frame)))while True:_, frame = video.read()if frame is None:# print("第%s帧图片无法打开!" % count)breakif count % target_frame == 0:if int((image_index-1000000) / int(frames/target_frame) * 100) in [20, 40, 60, 80]:print("已提取百分之%s,剩余%s帧......" %(int((image_index-1000000) / int(frames/target_frame) * 100),int(frames / target_frame) - image_index + 1000000))save_path = out_path + "%s.png" % image_indexcv2.imwrite(save_path, frame)image_index += 1count += 1video.release()print("视频已全部抽帧完成......")print("-------------------------抽帧完成-------------------------")
1.2 完整代码
# -*- coding: utf-8 -*-
"""
@Time : 2023/10/25 14:26
@Auth : RS迷途小书童
@File :Video Frame Images.py
@IDE :PyCharm
@Purpose:视频拆帧成图片
"""
import os
import sys
import cv2def Frame_video(video_path, out_path, target_frame=1):""":param video_path: 需要拆帧的视频路径:param out_path: 拆帧后图片保存路径:param target_frame: 抽取帧数间隔,默认为1,即1帧保存1张图片:return: None"""print("-------------------------视频抽帧-------------------------")if not os.path.exists(out_path):# 判断文件夹是否存在os.makedirs(out_path)video = cv2.VideoCapture() # 初始化一个OpenCV的视频读取对象video.open(video_path)count = 0 # 记录当前帧数image_index = 1000001 # 用于保存图片名称frames = int(video.get(cv2.CAP_PROP_FRAME_COUNT)) # 获取帧数print('视频共%s帧,抽取%s帧......' % (frames, int(frames/target_frame)))while True:_, frame = video.read()if frame is None:# print("第%s帧图片无法打开!" % count)breakif count % target_frame == 0:if int((image_index-1000000) / int(frames/target_frame) * 100) in [20, 40, 60, 80]:print("已提取百分之%s,剩余%s帧......" %(int((image_index-1000000) / int(frames/target_frame) * 100),int(frames / target_frame) - image_index + 1000000))save_path = out_path + "%s.png" % image_indexcv2.imwrite(save_path, frame)image_index += 1count += 1video.release()print("视频已全部抽帧完成......")print("-------------------------抽帧完成-------------------------")if __name__ == '__main__':print("\n-------------------------基础信息-------------------------")Video_path = r'G:\D.MP4'save_dir = r'B:\YOLO\18/'video1 = cv2.VideoCapture() # 初始化一个OpenCV的视频读取对象if not video1.open(Video_path):print("无法打开视频,请检查数据!")sys.exit()fps = video1.get(cv2.CAP_PROP_FPS) # 获取帧率frame_count = int(video1.get(cv2.CAP_PROP_FRAME_COUNT)) # 获取视频的总帧数video1.release() # 清理缓存duration = frame_count / fps # 计算视频的时长(秒)print("视频时长为: %ss" % int(duration))print("视频帧率为: %sFPS" % int(fps))print("视频帧数为: %s" % int(frame_count))Frame = int(input("请输入抽取帧数间隔:"))Frame_video(Video_path, save_dir, Frame)
2 图片组合视频(组帧)
2.1 主函数介绍+代码
cv2.VideoWriter函数用于将录制的视频保存成文件。它需要指定文件路径、编码器、帧率和视频尺寸等参数。
def Image_Frame(images_path, out_path, fps):""":param images_path: 输入需要组帧的图片文件夹路径:param out_path: 输出视频路径:param fps: 视频帧率:return: None"""print("-------------------------图片组帧-------------------------")images_lists = os.listdir(images_path) # images_lists.sort()image_size = Image.open(os.path.join(images_path, images_lists[0])).sizefourcc = cv2.VideoWriter_fourcc(*"mp4v")video_writer = cv2.VideoWriter(out_path, fourcc, fps, image_size)for image_list in images_lists:image_path = os.path.join(images_path, image_list)frame = cv2.imread(image_path)video_writer.write(frame)print("正在添加:", image_list)video_writer.release()print("-------------------------组帧完成-------------------------")
2.2 完整代码
# -*- coding: utf-8 -*-
"""
@Time : 2023/10/25 16:00
@Auth : RS迷途小书童
@File :Images Frame Video.py
@IDE :PyCharm
@Purpose:图片组帧成视频
"""
import os
import cv2
from PIL import Imagedef Image_Frame(images_path, out_path, fps):""":param images_path: 输入需要组帧的图片文件夹路径:param out_path: 输出视频路径:param fps: 视频帧率:return: None"""print("-------------------------图片组帧-------------------------")images_lists = os.listdir(images_path) # images_lists.sort()image_size = Image.open(os.path.join(images_path, images_lists[0])).sizefourcc = cv2.VideoWriter_fourcc(*"mp4v")video_writer = cv2.VideoWriter(out_path, fourcc, fps, image_size)for image_list in images_lists:image_path = os.path.join(images_path, image_list)frame = cv2.imread(image_path)video_writer.write(frame)print("正在添加:", image_list)video_writer.release()print("-------------------------组帧完成-------------------------")if __name__ == "__main__":Image_path = r'G:\1/'Out_path = r'G:\1.mp4'FPS = int(input("请输入帧率:"))Image_Frame(Image_path, Out_path, FPS)
本次博文就分享到这,如果大家有RS、GIS、Python方面的问题,欢迎大家留言交流。我们一起学习进步!
相关文章:

【Python入门教程】基于OpenCV视频分解成图片+图片组合成视频(视频抽帧组帧)
在人工智能爆火的今天,深度学习被广泛应用于各个领域。深度学习的模型训练离不开大量的样本库。我之前分享过【Python爬虫】批量爬取网页的图片&制作数据集,今天跟大家分享一下如何使用OpenCV库对视频进行抽帧,从而增加样本图片的数量。正…...

微前端qiankun接入Vue和React项目
主应用:Vue3Webpack 1、创建主应用: npx vue create main-vue3-app 2、安装qiankun npx yarn add qiankun 3、项目中使用的vue、vue-router、qiankun依赖如下,webpack版本为5.x 4、在根目录下创建vue.config.js const { defineConfig }…...

提升技能,一触即达!全新在线题库微信小程序等你来挑战!
亲爱的同学们,你是否在准备各种专业认证考试时,感到题目繁多,复习困难?你是否在寻找一个能够提供全方位、各级别认证考试题库的在线学习平台? 今天,我们为你带来了一款全新的在线题库微信小程序——KD蝌蚪阿…...

语雀P0级故障复盘,有9个字亮了
大家好,我是洋子 最近语雀不是出了个号称 “载入史册” 的 P0 级事故嘛 —— 连续宕机接近8个小时无法使用,作为一个大厂知名产品,这个修复速度属实让人无法理解 故障公告原文:https://mp.weixin.qq.com/s/WFLLU8R4bmiqv6OGa-QMc…...

在 openresty 中使用 capnp lua 库
1. 安装必要的工具和库 apt-get install capnproto luarocksluarocks install lua-capnproto luarocks install lua-cjsonlua-cjson 库不是必须的,是由于后面的演示程序要使用,就一起装上了。 可以看下库的安装位置: root350983744ebf:~# …...

私藏小技巧:让微信朋友圈营销方便化的小窍门!
微信,这个拥有十亿用户的社交软件,已经成为生活中不可或缺的一部分。 而朋友圈,这个微信的基础功能,是聚宝盆,也是一切流量的尽头。 现在公域+私域的流量增长变现体系很火。朋友圈是一切公域流量的尽头&a…...

Centos使用tomcat部署jenkins
jenkins的最新版本已经不在支持jdk8,支持的jdk环境如下: 安装jdk环境 yum -y install java-11-openjdk.x86_64 java-11-openjdk-devel.x86_64安装tomcat tomcat官网 cd /optwget https://dlcdn.apache.org/tomcat/tomcat-9/v9.0.82/bin/apache-tomcat…...

uni-app打包apk实现自动更新
一、直接复制粘贴就可用(豪横) app.vue文件里写 //app.vue里写 <script>export default {onShow: function() {console.log(App Show)},onHide: function() {console.log(App Hide)},onLaunch: function() {let appVersion uni.getSystemInfo({success: function(e) {ap…...

SRS srs-bench
1 srs-bench 音视频压测工具,包括RTMP/FLV/WebRTC/GB28181等,未来还会完善。 SB(SRS Bench) is a set of benchmark and regression test tools, for SRS and other media servers, supports HTTP-FLV, RTMP, HLS, WebRTC and GB28181. For RTMP/HLS/F…...

HackTheBox-Starting Point--Tier 1---Appointment
文章目录 一 题目二 实验过程 一 题目 Tags Web、Databases、Injection、Apache、MariaDB、PHP、SQL、Reconnaissance、SQL Injection译文:Web、数据库、注入、Apache、MariaDB、PHP、SQL、侦察、SQL 注入Connect To attack the target machine, you must be on …...

【工具】Java请求带http重定向的地址 自动进行重定向
【工具】Java请求带http重定向的地址 自动进行重定向 import java.io.BufferedReader; import java.io.IOException; import java.io.InputStreamReader; import java.net.HttpURLConnection; import java.net.URL;public class HTTPGETWithMultipleHeaders {public static voi…...

接口自动化测试方案
1、引言 1.1 文档版本 版本 作者 审批 备注 V1.0 XXXX 创建测试方案文档 1.2 项目情况 项目名称 XXX 项目版本 V1.0 项目经理 XX 测试人员 XXXXX,XXX 所属部门 XX 备注 1.3 文档目的 本文档主要用于指导XXX-YY项目常用接口自动化测试…...

TikTok文化探索:热议时事与社会话题
在当今数字时代,社交媒体平台如TikTok已经成为了我们日常生活中不可或缺的一部分。它不仅仅是一个娱乐应用,也是一扇窥视世界、探讨时事和社会话题的窗户。本文将深入探讨TikTok如何成为文化探索的平台,热议时事和社会话题,以及它…...

springboot操作nosql的mongodb,或者是如何在mongodb官网创建服务器并进行操作
第一步:在mongodb的官网里面创建云服务器 点进去 这是免费的,由于是一个项目只可以创建一个,这里我已经创建好了 用本地的mongodb服务也是可以的 第二步:点击connect,下载连接mongodb的软件:MongoDBCompass 第三步&am…...

QWEN technical report
通义千问-Qwen技术报告细节分享 - 知乎写在前面大家好,我是刘聪NLP。 阿里在很早前就开源了Qwen-7B模型,但不知道为什么又下架了。就在昨天阿里又开源了Qwen-14B模型(原来的7B模型也放出来了),同时还放出了Qwen的技术报…...
提升MODBUS-RTU通信数据刷新速度的常用方法
SMART PLC的MODBUS-RTU通信请参考下面文章链接: 【精选】PLC MODBUS通信优化、提高通信效率避免权限冲突(程序+算法描述)-CSDN博客MODBUS通讯非常简单、应用也非常广泛,有些老生常谈的问题,这里不再赘述,感兴趣的可以参看我的其它博文:SMART200PLC MODBUS通讯专题_RXXW…...

PyTorch 与 TensorFlow:机器学习框架之战
深度学习框架是简化人工神经网络 (ANN) 开发的重要工具,并且其发展非常迅速。其中,TensorFlow 和 PyTorch 脱颖而出,各自在不同的机器学习领域占有一席之地。但如何为特定项目确定理想的工具呢?本综合指南[1]旨在阐明它们的优点和…...

超简单理解冒泡排序
1.冒泡排序(Bubble Sort) 较简单排序算法。 它会遍历若干次要排列的数列,每次遍历,会从前往后比较相邻两个数的大小。 如果前者比后者大,就交换他们位置。遍历一次最大元素在数列末尾。重复直到数列有序。 那么遍历需要一个变量控制范围。…...

模拟IC设计工程师成长日记
很多IC设计的新人,不知道进入IC设计行业后会有哪些成长和学习的地方。 很多初入IC设计职场的人也都会比较恐慌,成长进步需要一个时间和经验的积累 今天给大家找了一个叫“模拟IC设计“攻城狮”的成长日记供大家参考. 以模拟IC设计工程师的身份进入职场&a…...

修炼k8s+flink+hdfs+dlink(六:学习namespace,service)
一:什么是namespace? 你可以认为namespaces是你kubernetes集群中的虚拟化集群。在一个Kubernetes集群中可以拥有多个命名空间,它们在逻辑上彼此隔离。 他们可以为您和您的团队提供组织,安全甚至性能方面的帮助! 二&a…...

法语导游就业前景如何?
随着国际交流的日益频繁,旅游业正在迅猛发展。尽管全球讲法语的人数并不算多,但讲法语的国家分布广泛。因此,如何成为一名合法的法语导游,以及法语导游的就业前景如何,成为了法语爱好者比较关注的问题。 我们知道&…...

iOS自动混淆测试处理笔记
1 打开 ipa,导出ipa 路径和配置文件路径会自动填充 2 点击 开始自动混淆测试处理 自动混淆测试是针对 oc 类和oc方法这两个模块进行自动混淆ipa,并ipa安装到设备中运行,通过检测运行ipa包是否崩溃,来对oc类和oc方法进行筛选。如果…...

C51--单片机中断
51单片机是单线程模式,需要用到硬件中断。 一、中断系统 中断系统是为使CPU具有对外界紧急事件的实时处理能力而设置的。 当中央处理器CPU正在处理某件事的时候,外界发生了紧急事件请求,要求CPU暂停当前工作,转而去处理这个紧急…...

Linux中关于glibc包导致的服务器死机或者linux命令无法使用的情况
glibc是gnu发布的libc库,即c运行库。glibc是linux系统中最底层的api,几乎其它任何运行库都会依赖于glibc。glibc除了封装linux操作系统所提供的系统服务外,它本身也提供了许多其它一些必要功能服务的实现。由于 glibc 囊括了几乎所有的 UNIX …...

艾泊宇产品战略:华为手机品牌是如何从低端到高端的
华为在过去一直以几百块钱的低端手机为主,但如今已经可以跟苹果一争高下。 这个转变是华为经过了近二十年的艰苦努力才实现的。 我艾泊宇作为一个亲历者深度研究了华为的成长历程,发现这是一个经典的商业教科书案例。 这里面有很多值得今天中国企业学…...

视频批量AI智剪:提升剪辑效率的秘密方法
随着视频内容的爆炸式增长,剪辑师面临着巨大的工作压力。传统的剪辑方法往往效率低下,无法满足快速、高质量的剪辑需求。为了解决这个问题,视频批量AI智剪技术应运而生,成为提升剪辑效率的秘密方法。 视频批量AI智剪是指利用人工…...

linux环境执行jar脚本
一、前言 平常工作中,我们的开发的项目部署到linux环境,以jar包的方式运行,涉及jar包的启动、停止、查看状态等,我们可以通过脚本的方式进行维护,减少自己敲打一长串的命令少敲一个字母或者多敲一个字母,方…...

特权同学FPGA官方全资料包括电子书下载
特权同学FPGA官方全资料包括电子书下载 特权同学倾情奉献海量FPGA学习资料 链接:http://pan.baidu.com/s/1bptgnKF 下载器安装说明 链接:http://pan.baidu.com/s/1dFNXvrV SF-AT7 USB3.0+LVDS+FPGA开发套件 链接:http://pan.baidu.com/s/1c24bVZa SF-HSC USB3.0+LVDS…...

《动手学深度学习 Pytorch版》 10.4 Bahdanau注意力
10.4.1 模型 Bahdanau 等人提出了一个没有严格单向对齐限制的可微注意力模型。在预测词元时,如果不是所有输入词元都相关,模型将仅对齐(或参与)输入序列中与当前预测相关的部分。这是通过将上下文变量视为注意力集中的输出来实现…...

iOS_Crash 四:的捕获和防护
文章目录 1.Crash 捕获1.2.NSException1.2.C异常1.3.Mach异常1.4.Unix 信号 2.Crash 防护2.1.方法未实现2.2.KVC 导致 crash2.3.KVO 导致 crash2.4.集合类导致 crash2.5.其他需要注意场景: 1.Crash 捕获 根据 Crash 的不同来源,分为以下三类:…...