提取视频光流成帧并写入视频中

修改一下配置文件就可以运行了

配置文件

config.py

python 复制代码

video_path = 'xxxx/dataset/data/huaping/BXDQ05-花屏-1.mp4'#要处理的视频路径
frame_path = 'xxxx/dataset/frame'#处理成帧之后保存的路径
flow_path = 'xxxx/dataset/flow'#处理成光流之后保存的路径
save_video_path = 'xxxx/fetch-flow/output/result.mp4'#最终将光流帧变成视频的路径
fps = 30

2.将视频拆分为帧

fetchFrame.py

python 复制代码

from __future__ import print_function
import sys
import numpy as np
import os
import imageio#用于读取和写入图像和视频的库
import cv2
import config
Height = 512
Width = 512

def get_frame(file_dir):
    with imageio.get_reader(file_dir,  'ffmpeg') as vid:# 使用imageio库打开视频文件，并创建一个读取器对象。此对象被命名为vid。'ffmpeg'是用于读取视频的编解码器。
        nframes = vid.get_meta_data()['nframes']#从视频元数据中获取帧数，并保存到nframes变量中。
        for i, frame in enumerate(vid):
            n_frames = i
            frame = cv2.resize(frame, (Width, Height), interpolation = cv2.INTER_CUBIC)
            imageio.imwrite(config.frame_path+'/'+str(i)+'.jpg', frame)#将调整大小后的帧保存为JPEG文件。文件的路径和名称是由前面的路径、字符串"frame_"和当前帧索引组合而成的。
        np.save('nframes.npy', n_frames)#将视频的总帧数保存到一个NumPy文件中。文件名是'nframes.npy'，而文件中的数据是n_frames变量。

2.计算光流

fetchFlow.py

python 复制代码

import os
import numpy as np
import cv2
from glob import glob

_IMAGE_SIZE = 256

# 用于计算视频中每一帧之间的光流。它首先根据视频路径获取所有以'.jpg'结尾的帧图像文件路径，并按顺序排序。然后，它使用OpenCV库读取并转换每一帧的图像，计算当前帧与前一帧之间的光流，并将光流添加到一个列表中。最后，返回包含所有光流的列表。
import os
import cv2
from glob import glob

def cal_for_frames(video_path):
    # 获取视频路径下的所有jpg图片路径
    print(video_path)
    # 对图片路径进行排序
    frames = [f for f in os.listdir(video_path)]
    frames = sorted(frames, key=lambda x:int(x[:-4]))#字符串排序顺序会是1，10，11这样，所以要进行关键字排序    
    frames = [os.path.join(video_path, f) for f in frames]
    print(frames)
    
    flow = []
    prev = cv2.imread(frames[0])  # 读取第一帧图像
    prev = cv2.cvtColor(prev, cv2.COLOR_BGR2GRAY)  # 将第一帧图像转换为灰度图像
    for i, frame_curr in enumerate(frames):
        print(frame_curr)
        curr = cv2.imread(frame_curr)  # 读取当前帧图像
        curr = cv2.cvtColor(curr, cv2.COLOR_BGR2GRAY)  # 将当前帧图像转换为灰度图像
        tmp_flow = compute_TVL1(prev, curr)  # 计算当前帧和前一帧之间的光流
        flow.append(tmp_flow)  # 将光流添加到列表中
        prev = curr  # 更新前一帧图像
        print(i)

    return flow  # 返回光流列表

def compute_TVL1(prev, curr, bound=15):
    """
    计算TV-L1光流。

    参数:
    prev: numpy.ndarray, 输入图像序列中的前一帧图像。
    curr: numpy.ndarray, 输入图像序列中的当前帧图像。
    bound: int, 光流值的边界限制，默认为15。

    返回值:
    flow: numpy.ndarray, 计算得到的光流图像。
    """

    # 创建TV-L1光流估计算法对象
    TVL1 = cv2.DualTVL1OpticalFlow_create()

    # 使用TV-L1算法计算光流
    flow = TVL1.calc(prev, curr, None)
    assert flow.dtype == np.float32

    # 将光流值进行缩放和取整操作
    flow = (flow + bound) * (255.0 / (2*bound))
    flow = np.round(flow).astype(int)

    # 将光流值限制在0-255范围内
    flow[flow >= 255] = 255
    flow[flow <= 0] = 0

    return flow
    
def save_flow(video_flows, flow_path):
    """
    保存视频的光流图

    参数：
    video_flows：视频的光流图（三维数组）
    flow_path：保存光流图的路径（字符串）

    返回值：无
    """

    for i, flow in enumerate(video_flows):
        # 保存u分量的光流图
        cv2.imwrite(os.path.join(flow_path.format('u'), "{:06d}.jpg".format(i)),
                    flow[:, :, 0])
        # 保存v分量的光流图
        cv2.imwrite(os.path.join(flow_path.format('v'), "{:06d}.jpg".format(i)),
                    flow[:, :, 1])#u代表水平分量，v代表垂直分量

def extract_flow(video_path,flow_path):
    flow = cal_for_frames(video_path)
    print("finish1")
    save_flow(flow, flow_path)
    print('finish2')
    print('complete:' + flow_path)
    return

3.将帧写入视频

main.py

python 复制代码

import imageio
import PIL.Image as Image
import numpy as np
from fetchFlow import extract_flow
from fetchFrame import get_frame
import config

video_path = config.video_path
fps = config.fps
flow_path = config.flow_path
frame_path = config.frame_path
save_video_path = config.save_video_path

#get_frame(video_path)
extract_flow(frame_path, flow_path)

flow_list = [Image.open(os.path.join(flow_path,f)) for f in os.listdir(flow_path)]
print(flow_list)
with imageio.get_writer(save_video_path, fps = fps) as video:
    for image in flow_list:
        image = image.convert('RGB')
        image = np.array(image)
        video.append_data(image)

参考：提取光流