opencv从视频文件读取视频内容,从摄像头读取保存视频内容

本文涉及的产品
云解析 DNS,旗舰版 1个月
云解析DNS,个人版 1个月
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
简介: opencv从视频文件读取视频内容,从摄像头读取保存视频内容

一、argparse模块

1. 定义

(1)argparse模块使编写用户友好的命令行接口变得容易。

(2)程序定义了它需要的参数,而argparse将找出如何从sys.argv中解析这些参数。

(3)argparse模块还会自动生成帮助和使用消息,并在用户给程序提供无效参数时发出错误信息。

2. 讲解

import argparse # 导入库

parser = argparse.ArgumentParser() # 获取所有参数

parser.add_argument(“-n1”, “–number one”, help=“第一个参数”, type=int) # 添加参数1


parser.add_argument(“-n2”, “–number two”, help=“第二个参数”, type=int) # 添加参数2

args = parser.parse_args() # 解析所有参数

实战:

import argparse        # 导入库
parser = argparse.ArgumentParser()    # 获取所有参数

# print(parser)

#添加参数
#第一个参数
parser.add_argument('number1',help='第一个参数',type=int)
#第二个参数
parser.add_argument('number2',help='第二个参数',type=int)

#解析参数
args = parser.parse_args()

#获取参数
print('第一个参数',args.number1)
print('第二个参数',args.number2)
print('所有参数',args)

注意,我们运行该代码时,需要在命令行运行

下面我们就运用这个argparse来动态加载我们指定的图片

import cv2
import argparse

#加载参数
parse = argparse.ArgumentParser()

#添加参数
parse.add_argument('path_image',help='path to input the image')

#解析参数
args = parse.parse_args()

#加载图片,方式一
image = cv2.imread(args.path_image)
#展示图片
cv2.imshow('image',image)


#加载图片,方式二。将图片路径转换成字典形式
args_dict = vars(parse.parse_args()) #{'path_image':'123.png'}
image2 = cv2.imread(args_dict['path_image'])
#展示图片
cv2.imshow('image2',image2)

#等待
cv2.waitKey(0)
#关闭窗口
cv2.destroyAllWindows()

终端命令行运行

python 03.read_picture.py 123.png

两种方式都展示了照片

这样,当我们读取不同图片时,就可以在命令行动态指定,不需要我们经常修改代码

二、读取、处理、保存图片

1.读取图片

cv2.imread()

2.灰度处理

cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

3.保存图片

cv2.imwrite(img2_path, gray_img) #img_path: 图片路径,gray_img: 处理后的图片

import cv2
import argparse

#加载参数
parse = argparse.ArgumentParser()

#添加参数
parse.add_argument('ori_image',help='path to input the image')
parse.add_argument('out_image',help='save the new image')

#解析参数
args = parse.parse_args()

#加载图片。将图片路径转换成字典形式
args_dict = vars(parse.parse_args()) #{'path_image':'123.png'}
image = cv2.imread(args_dict['ori_image'])

#图片灰度处理
gray_image = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

#保存处理后的图片
cv2.imwrite(args_dict['out_image'],gray_image)

#显示图片
cv2.imshow('ori_image',image)
cv2.imshow('out_image',gray_image)

cv2.waitKey(0)
cv2.destroyAllWindows()

命令行执行

python .\04.图片处理.py .\123.png 234.png

灰度处理成功,并且保存图片成功

三、读取摄像头、视频文件

人脸识别,人脸支付领域应用比较多

交通领域车辆车牌识别

  1. cv2.VideoCapture() 从摄像头获取视频流
  2. capture.get() 获取帧的属性
  3. capture.isOpened() 判断摄像头是否打开
  4. cv2.waitKey(20) & 0xFF == ord(‘q’) 键盘输入q退出
  5. cv2.waitKey(20) & 0xFF == ord(‘c’) 键盘输入c截取帧
  6. capture.release() 释放资源

项目实战

1.从摄像头读取

import cv2
import argparse

parser = argparse.ArgumentParser()
parser.add_argument("index_camera", help="the camera ID", type=int)
args = parser.parse_args()
print("the camera index :", args.index_camera)

capture = cv2.VideoCapture(args.index_camera) # 视频捕获

frame_width = capture.get(cv2.CAP_PROP_FRAME_WIDTH) # 帧的宽度
frame_height = capture.get(cv2.CAP_PROP_FRAME_HEIGHT) # 帧的高度
fps = capture.get(cv2.CAP_PROP_FPS) # 每秒的帧数
print("帧的宽度: {}".format(frame_width))
print("帧的高度: {}".format(frame_height))
print("FPS: {}".format(fps))

if capture.isOpened() is False:
    print("Error Camera !")

# 读取视频直到关闭
while capture.isOpened():
    # 通过摄像头,一帧一帧的捕获
    ret, frame = capture.read()
    if ret is True:
        # 显示捕获的帧
        cv2.imshow("frame", frame)
        # 将捕获的帧转化为灰度的帧
        gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 显示灰度的帧
        cv2.imshow("gray frame", gray_frame)
        # 键盘输入q,退出视频捕获,关闭摄像头
        if cv2.waitKey(20) & 0xFF == ord('q'):
            break
    else:
        break

# 释放
capture.release()
cv2.destroyAllWindows()

#运行流程

Terminal —> python read_camera.py 0

由于我这台台式机没安装摄像头,所以没有输出视频

正常有摄像头电脑会显示出视频

并输出相关我们打印的数据


2.从视频文件读取视频内容

# 1 加载库

import cv2
import argparse

# 2 获取参数
parser = argparse.ArgumentParser()

# 3 添加参数
parser.add_argument("video_path", help="the path to the video file")

# 4 解析参数
args = parser.parse_args()

# 5 加载视频文件
capture = cv2.VideoCapture(args.video_path)

#获取视频参数
frame_width = capture.get(cv2.CAP_PROP_FRAME_WIDTH) # 帧的宽度
frame_height = capture.get(cv2.CAP_PROP_FRAME_HEIGHT) # 帧的高度
fps = capture.get(cv2.CAP_PROP_FPS) # 每秒的帧数

print("视频宽度: {}".format(frame_width))
print("视频高度: {}".format(frame_height))
print("FPS: {}".format(fps))



# 6 读取视频
ret, frame = capture.read() # ret 是否读取到了帧(图片)


while ret:
    cv2.imshow("video", frame)
    #一旦读取到,就继续一帧一帧地往下读取
    ret, frame = capture.read() # 继续读取帧
    if cv2.waitKey(20) & 0xFF == ord('q'):
        break


capture.release()
cv2.destroyAllWindows() # 关闭

命令行执行

python .\06.从视频文件读取视频.py .\buildings.mp4

视频可以顺利播放

3.保存从摄像头读取的视频

api介绍

  1. 视频编码:

fourcc = cv2.VideoWriter_fourcc(*‘XVID’)

灰度写入视频文件

cv2.VideoWriter(args.video_output, fourcc, int(fps), (int(frame_width), int(frame_height)), False)

实战代码:

# 1 导入库
import cv2
import argparse

# 2 获取参数
parser = argparse.ArgumentParser()

# 3 添加参数
parser.add_argument("video_output", help="the path to the output video")

# 4 解析参数
args = parser.parse_args()

# 5 捕获摄像头
capture = cv2.VideoCapture(0)

# 6 是否打开了摄像头
if capture.isOpened() is False:
    print("Camera Error !")

# 7 获取帧的属性:宽,高,以及fps
frame_width = capture.get(cv2.CAP_PROP_FRAME_WIDTH) # 宽
frame_height = capture.get(cv2.CAP_PROP_FRAME_HEIGHT) # 高
fps = capture.get(cv2.CAP_PROP_FPS)

# 8 对视频进行编码
fourcc = cv2.VideoWriter_fourcc(*"XVID")

#false表示灰度方式写入
output_gray = cv2.VideoWriter(args.video_output, fourcc, int(fps), (int(frame_width), int(frame_height)), False)

# 9 读取摄像头
while capture.isOpened():
    ret, frame = capture.read() # 一帧一帧地读取
    if ret is True:
        # 10 将读取到的帧转换为灰度
        gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 11 将转换后的帧写入都新的视频文件中
        output_gray.write(gray_frame)
        # 12 显示视频
        cv2.imshow("gray", gray_frame)
        # 13 等待或按q退出
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    else:
        break

# 14 释放资源
capture.release()
output_gray.release()
cv2.destroyAllWindows()


相关文章
|
2月前
|
机器学习/深度学习 算法 数据可视化
计算机视觉+深度学习+机器学习+opencv+目标检测跟踪+一站式学习(代码+视频+PPT)-2
计算机视觉+深度学习+机器学习+opencv+目标检测跟踪+一站式学习(代码+视频+PPT)
140 0
|
12天前
|
机器学习/深度学习 XML 计算机视觉
OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习库,它提供了大量的函数和工具,用于处理图像和视频数据。
OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习库,它提供了大量的函数和工具,用于处理图像和视频数据。
|
1月前
|
计算机视觉
OpenCV加载视频
OpenCV加载视频
|
1月前
|
计算机视觉 索引 Python
openCV 3计算机视觉 Python语言实现 笔记__第二章 处理文件、摄像头和图形用户界面
openCV 3计算机视觉 Python语言实现 笔记__第二章 处理文件、摄像头和图形用户界面
|
1月前
|
Java 开发工具 计算机视觉
Java使用OpenCV3.2实现视频读取与播放
Java使用OpenCV3.2实现视频读取与播放
28 0
|
2月前
|
存储 计算机视觉 流计算
【OpenCV】计算视频的光流并跟踪物体calcOpticalFlowPyrLK
【OpenCV】计算视频的光流并跟踪物体calcOpticalFlowPyrLK
80 0
|
2月前
|
C++ 计算机视觉
Opencv(C++)系列学习---读取视频文件和打开摄像头
Opencv(C++)系列学习---读取视频文件和打开摄像头
|
1月前
|
算法 计算机视觉
【Qt&OpenCV 图像的感兴趣区域ROI】
【Qt&OpenCV 图像的感兴趣区域ROI】
34 1
|
1月前
|
运维 算法 计算机视觉
【Qt&OpenCV 图像的模板匹配 matchTemplate/minMaxLoc】
【Qt&OpenCV 图像的模板匹配 matchTemplate/minMaxLoc】
22 1
|
1月前
|
计算机视觉
OpenCV中图像算术操作与逻辑操作
OpenCV中图像算术操作与逻辑操作
40 1