当前位置: 首页 > article >正文

cv2小练习

基础概念

        帧率是指在单位时间内,显示的图像帧数的数量。它是衡量视频或动画流畅度的一个重要指标。帧率的单位通常是每秒帧数(Frames Per Second,简称FPS)。在数字视频和计算机图形领域,帧率是决定视频播放质量和流畅度的关键因素。一般来说,当帧率较高时,视频播放会更加流畅,动画也会更加细腻和逼真;而当帧率较低时,视频播放可能会出现不流畅、卡顿或抖动的现象。

        虽然帧率本身不能直接控制倍速播放,但倍速播放的实现与帧率密切相关。倍速播放是指将视频的播放速度调整为原始速度的两倍、一半或其他倍数。在倍速播放中,视频播放的速度取决于每秒显示的帧数,即帧率。当调整倍速后,播放器会根据新的播放速度重新计算每秒显示的帧数。例如,如果将播放速度调整为2倍,那么每秒显示的帧数将增加到原来的两倍,这样就可以实现视频以加快的速度播放。

着手实践

        在cv2中我们通过读取后,进入循环再不断读取文件的每一帧图片展示,达到播放视频的效果。在了解这个之后我们可以大致写出代码的基本框架。

import cv2

def main():
    video = cv2.VideoCapture("1.mp4")
    while video.isOpened():
        retval,img = video.read()
        #retval代表视频中的当前帧有没有被正确读出
        if not retval:
            break
        cv2.imshow('img',img)
        key = cv2.waitKey(100)
        if key == 32:
            break
    video.release()
    cv2.destroyAllWindows()
main()

在上面的代码中,cv2.VideoCapture()里面的传参如果是文件名,最终会读取视频文件,如果传入的参数是0,那么就代表从计算机的默认摄像头读取视频,一般在笔记本上就是前置摄像头,如果输入的值是1就会打开外置摄像头,如果有多个摄像头,那么值依次增加。

代码并不长,在通过VideoCapture读取了文件之后,直接进入循环就行,在循环中读出每一帧图片展示出来。同时如果检测到我们敲击了空格就直接结束播放跳出循环。

但是,在waitkey中我们传入的参数并一定是视频原来的切帧速度,或者说根本不可能是。因此,我们在做之前就要首先确认这个值应该是多少。虽然,我们不能直接确定这个数应该是多少,但是我们可以确定视频的帧率之后再算出每一帧用了多少毫秒即可。

 我们通过一段代码获得视频的帧率。

可以发现我们通过两行代码很轻易地获得了帧率。

在得到数据后,我们完善一下代码即可。

import cv2

def main():
    video = cv2.VideoCapture("1.mp4")
    cap = video.get(cv2.CAP_PROP_FPS)
    print(f'视频的帧率是{cap}')
    time = int(1000/cap)
    print(f'每张照片用{time}毫秒')
    while video.isOpened():
        retval,img = video.read()
        #retval代表视频中的当前帧有没有被正确读出
        if not retval:
            break
        cv2.imshow('img',img)
        key = cv2.waitKey(time)
        if key == 32:
            break
    video.release()
    cv2.destroyAllWindows()
main()

这样我们的视频播放就是原来的倍速。如果我们想让它切换倍速,只需要让等待时间除以倍数即可。


http://www.kler.cn/a/547865.html

相关文章:

  • Windows server 2016 无法部署docker问题
  • 网络安全-攻击流程-网络层
  • 大型语言模型训练与优化实战指南(2025最新版)
  • 生成格雷码
  • GoC题解(21) 725.画迷宫(下册第4课)
  • 手机应用的耗电量计算
  • 初阶数据结构:树---二叉树的链式结构
  • wireshark 网络安全 awd 网络安全
  • pytorch学习基础1——张量的创建与基础操作
  • Ubuntu 系统迁移
  • 字节Trae使用感想(后端)
  • Golang Model 字段自动化校验设计
  • AI agent 未来好的趋势:AI医疗影像、智能客服、个性化推荐
  • Python深度学习代做目标检测NLP计算机视觉强化学习
  • IntelliJ IDEA集成本地化部署的DeepSeek
  • 【VUE】前端工程化与前端工程化与webpack
  • 机器学习所需数学知识详细版02【】
  • 收银系统源码开发指南:PHP + Flutter + Uniapp 全栈方案
  • 【linux】在 Linux 服务器上部署 DeepSeek-r1:70b 并通过 Windows 远程可视化使用
  • halcon激光三角测量(十七)calibrate_sheet_of_light_3d_calib_object