OpenCV：视频读写、从文件中读取视频并播放、保存视频

本是古典何须时尚 2023-07-23 07:55 96阅读 0赞

# ![20191009191333910.png][] #

# [日萌社][Link 1] #

[人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）][AI_Keras PyTorch MXNet TensorFlow PaddlePaddle]

--------------------

# 视频读写 #

**学习目标**

*  掌握读取视频文件，显示视频，保存视频文件的方法

# 1 从文件中读取视频并播放 #

在OpenCV中我们要获取一个视频，需要创建一个VideoCapture对象，指定你要读取的视频文件：

1.  创建读取视频的对象
    
        cap = cv.VideoCapture(filepath)
    
    参数：
    
     *  filepath: 视频文件路径
2.  视频的属性信息
    
    2.1. 获取视频的某些属性，
    
        retval = cap.get(propId)
    
    参数：
    
     *  propId: 从0到18的数字，每个数字表示视频的属性
        
        常用属性有：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70][]

1.  2.2 修改视频的属性信息
    
        cap.set(propId，value)
    
    参数：
    
     *  proid: 属性的索引，与上面的表格相对应
     *  value: 修改后的属性值
2.  判断图像是否读取成功
    
        isornot = cap.isOpened()
    
     *  若读取成功则返回true，否则返回False
3.  获取视频的一帧图像
    
        ret, frame = cap.read()
    
    参数：
    
     *  ret: 若获取成功返回True，获取失败，返回False
     *  Frame: 获取到的某一帧的图像
4.  调用cv.imshow()显示图像，在显示图像时使用cv.waitkey()设置适当的持续时间，如果太低视频会播放的非常快，如果太高就会播放的非常慢，通常情况下我们设置25ms就可以了。
5.  最后，调用cap.realease()将视频释放掉

示例：

import numpy as np
    import cv2 as cv
    # 1.获取视频对象
    cap = cv.VideoCapture('DOG.wmv')
    # 2.判断是否读取成功
    while(cap.isOpened()):
        # 3.获取每一帧图像
        ret, frame = cap.read()
        # 4. 获取成功显示图像
        if ret == True:
            cv.imshow('frame',frame)
        # 5.每一帧间隔为25ms
        if cv.waitKey(25) & 0xFF == ord('q'):
            break
    # 6.释放视频对象
    cap.release()
    cv.destroyAllwindows()

# 2 保存视频 #

在OpenCV中我们保存视频使用的是VedioWriter对象，在其中指定输出文件的名称，如下所示：

1.  创建视频写入的对象

out = cv2.VideoWriter(filename,fourcc, fps, frameSize)

参数：

*  filename：视频保存的位置
 *  fourcc：指定视频编解码器的4字节代码
 *  fps：帧率
 *  frameSize：帧大小
 *  设置视频的编解码器，如下所示，
    
        retval = cv2.VideoWriter_fourcc( c1, c2, c3, c4 )
    
    参数：
    
     *  c1,c2,c3,c4: 是视频编解码器的4字节代码，在[fourcc.org][]中找到可用代码列表，与平台紧密相关，常用的有：
        
        在Windows中：DIVX（.avi）
        
        在OS中：MJPG（.mp4），DIVX（.avi），X264（.mkv）。
 *  利用cap.read()获取视频中的每一帧图像，并使用out.write()将某一帧图像写入视频中。
 *  使用cap.release()和out.release()释放资源。

示例：

import cv2 as cv
    import numpy as np
    
    # 1. 读取视频
    cap = cv.VideoCapture("DOG.wmv")
    
    # 2. 获取图像的属性（宽和高，）,并将其转换为整数
    frame_width = int(cap.get(3))
    frame_height = int(cap.get(4))
    
    # 3. 创建保存视频的对象，设置编码格式，帧率，图像的宽高等
    out = cv.VideoWriter('outpy.avi',cv.VideoWriter_fourcc('M','J','P','G'), 10, (frame_width,frame_height))
    while(True):
        # 4.获取视频中的每一帧图像
        ret, frame = cap.read()
        if ret == True: 
            # 5.将每一帧图像写入到输出文件中
            out.write(frame)
        else:
            break 
    
    # 6.释放资源
    cap.release()
    out.release()
    cv.destroyAllWindows()

--------------------

**总结**

1.  读取视频：
    
     *  读取视频：cap = cv.VideoCapture()
     *  判断读取成功：cap.isOpened()
     *  读取每一帧图像：ret,frame = cap.read()
     *  获取属性：cap.get(proid)
     *  设置属性：cap.set(proid,value)
     *  资源释放：cap.release()
2.  保存视频
    
     *  保存视频： out = cv.VideoWrite()
     *  视频写入：out.write()
     *  资源释放：out.release()

--------------------

import  numpy as np  
import cv2 as cv

\# 1 读取视频  
cap = cv.VideoCapture("image/DOG.wmv")

\# \# 2 判断是否读取成功  
\# while(cap.isOpened()):  
\#     \# 3 获取每一帧图像  
\#     ret,frame = cap.read()  
\#     \# 4 是否获取成功  
\#     if ret==True:  
\#         cv.imshow("frame",frame)  
\#     if cv.waitKey(25)&0xFF==ord("q"):  
\#         break  
\# cap.release()  
\# cv.destroyAllWindows()

width = int(cap.get(3))  
height = int(cap.get(4))

out = cv.VideoWriter("out.avi",cv.VideoWriter\_fourcc("M","J","P","G"),10,(width,height))

while(True):  
    ret,frame=cap.read()  
    if ret==True:  
        out.write(frame)  
    else:  
        break  
cap.release()  
out.release()  
cv.destroyAllWindows()

[20191009191333910.png]: /images/20230528/852f315050c24794bf8cb3be94d02f0e.png
[Link 1]: http://www.rimengshe.com/
[AI_Keras PyTorch MXNet TensorFlow PaddlePaddle]: https://blog.csdn.net/zimiao552147572/article/details/88867161
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70]: /images/20230528/1496e07a09c64e55939c950bd745da51.png
[fourcc.org]: http://www.fourcc.org/codecs.php