OpenCV笔记：cv2.VideoCapture 完成视频的跳帧输出操作(cv2.error:opencv(3.4.2))

OpenCV笔记：cv2.VideoCapture 完成视频的跳帧输出操作

背景

推荐整理分享OpenCV笔记：cv2.VideoCapture 完成视频的跳帧输出操作(cv2.error:opencv(3.4.2))，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:opencv import cv2,opencv cvfindcontours,opencv cv_fourcc,cv2.error:opencv(3.4.2),opencv cv_fourcc,opencv cv.h,opencv cvui,opencv cv.h,内容如对您有帮助，希望把文章链接给更多的朋友！

        我开始关注这个问题，是在使用 PaddleOCR + OpenCV 进行视频文字识别的时候，因为OpenCV 需要循环读取视频的每一帧进行解析，这就导致视频播放特别卡顿。由于视频中相邻帧的内容是一样的，重复识别也没有意义，所以我就在考虑：有没有办法跳帧输出？

        咱们能想到的所有问题，都已经被设计师考虑过了，需要用到下面两个函数：

cv2.VideoCapture.grab()cv2.VideoCapture.get()

        你可能需要用到的文章：

关于：Python基础，爬虫，机器学习，常见异常和面试【篇】（专题汇总）正文一、核心方法1. cv2.VideoCapture.grab() 函数# 视屏获取，videoPath为视频的路径cap = cv2.VideoCapture(videoPath)# 往下读一帧ret，并返回图片信息frameret, frame = cap.read()# 只往下读一帧retret = cap.grad()read()函数，输出的是两个参数：第一个参数 ret 为 True 或 False，代表有没有读取下一到帧图片；第二个参数 frame，表示读到的一帧图片的信息，OCR就是对 frame 进行识别处理。 grad()函数，输出的是一个参数：ret 为 True 或 False，代表有没有读取下一到帧图片。

        从上面的对比可以看出来，grab() 仅仅是用来指向下一帧，并没有返回多余的图片信息，当不需要解析图片的时候，grab() 函数显然效率更高，更合适。

2. cv2.VideoCapture.get() 函数

        cv2.VideoCapture.get(n) ，n 的范围是 0~7，这个方法可以帮助我们获取视频的属性。其中我们用到的就是 get(1) - 获取视频当前帧，可以方便我们做跳帧操作。

        总结了一下：

方法含义cv2.VideoCapture.get(0)视频文件的当前位置（播放）以毫秒为单位cv2.VideoCapture.get(1)当前帧，基于以0开始的被捕获或解码的帧索引cv2.VideoCapture.get(2)视频文件的相对位置（播放）：0 = 电影开始，1 = 影片的结尾。cv2.VideoCapture.get(3)在视频流的帧的宽度cv2.VideoCapture.get(4)在视频流的帧的高度cv2.VideoCapture.get(5)帧率cv2.VideoCapture.get(6)编解码的4字 - 字符代码cv2.VideoCapture.get(7)视频文件中的帧数

        除此之外，还可以用另外几个方法获取视频属性：

cv2.VideoCapture.get(cv2.CAP_PROP_FPS)：获取帧率；cv2.VideoCapture.get(cv2.CAP_PROP_FRAME_COUNT)：获取视频时长，单位- 秒。二、实战练习1. 代码展示

        我这里设置的是每间隔10帧输出一次，大家可以根据自己的需要设置，代码如下：

get(1) 获取当前帧率跳帧# _*_coding:utf-8_*_# 作者： Java Punk# 时间： 2022-10-09 14:49:45# 功能： 场景文字识别import cv2from paddleocr import PaddleOCR, draw_ocrfrom PIL import Imageimport numpy as npdef ch_match(videoPath): ocr = PaddleOCR(use_angle_cls=True, lang="ch") # 视屏获取 cap = cv2.VideoCapture(videoPath) # 判断是否正常打开 ret = cap.isOpened() # 循环读取视频帧 while ret: # 获取当前视频帧位置 now_fps = cap.get(1) # 设置每 10 帧输出一次 if (now_fps % 10 != 0): # 跳帧 ret = cap.grab() continue print("———————————————————— read fps", now_fps) # 是否截取到图片；图片信息 ret, frame = cap.read() # 对返回的图片进行文字识别 result = ocr.ocr(frame, cls=True, rec=True) boxes = [line[0] for line in result] txts = [line[1][0] for line in result] scores = [line[1][1] for line in result] # simsun.ttc 是一款很常见、实用的电脑字体，这里作为识别的模板 im_show = draw_ocr(frame, boxes, txts, scores, font_path='../fonts/SIMSUN.TTC') im_show = Image.fromarray(im_show) tp_img = np.asarray(im_show) cv2.imshow('tp_img', tp_img) cv2.waitKey(1) pass cv2.waitKey(0) cv2.destroyAllWindows() passif __name__ == '__main__': print("———————————————————— start ————————————————————\n") # 图片路径自己设置，下面是我本地的路径，记得替换！！！ ch_match('../img/yz_words/vlog_zxyw_02.mp4') print("———————————————————— end ————————————————————\n")

改动一下：记录帧率进行跳帧

       实际上每一次视频的 while 循环，都是往下走了一帧，所以我们也可以取巧的利用 i++ 进行跳帧，此时 i = cv2.VideoCapture.get(1)。

... # 视频帧计数 timeC = 0 # 循环读取视频帧 while ret: timeC = timeC + 1 # 每隔 10 帧进行操作 if (timeC % 10 != 0): ret = cap.grab() continue ...2. 效果展示

        感兴趣的小伙伴可以把跳帧部分的代码去掉看看效果，对比一下，说下我用公司电脑测试的结果：

执行跳帧前：原视频时长7s，最后 cv2.imshow() 时长 2min；执行跳帧后：原视频时长7s，最后 cv2.imshow() 时长 20s；

下面是“执行跳帧后”的效果（由于上传大小限制，无奈只能降低画质）：