测试下来发现,imageio 速度比 cv2 的要慢,所以普通保存推荐 cv2,要gpu加速需要额外配置或者修改
imageio
底层也是调用的ffmpeg,以下是python代码
python
import imageio
import os
# 读取要保存为视频的图片
images = []
for filename in os.listdir('path/to/images/folder'):
images.append(imageio.imread('path/to/images/folder/' + filename))
# 指定保存视频的名称和帧率
video_name = 'output_video.mp4'
fps = 25
# 使用 imageio 保存视频
with imageio.get_writer(video_name, fps=fps) as video_writer:
for image in images:
video_writer.append_data(image)
在上面的代码中,我们首先使用 os.listdir() 函数获取要保存为视频的所有图片的文件名,然后使用 imageio.imread() 函数读取每个文件并将其添加到 images 列表中。接下来,我们指定要保存的视频的名称和帧率。最后,我们使用 imageio.get_writer() 函数创建一个视频写入器,然后使用 video_writer.append_data() 函数将每个图像添加到视频中。
这样,您就可以使用 imageio 库保存视频了。请确保您已经正确指定了要保存的图片路径和视频名称,并指定了正确的帧率。
cv2
python
import cv2
import os
#图片路径
im_dir = '/home/x/out/xxx_imags'
#输出视频路径
video_dir = '/home/xxxx/out/xxxx.avi'
#帧率
fps = 30
#图片数
num = 426
#图片尺寸
img_size = (841,1023)
#fourcc = cv2.cv.CV_FOURCC('M','J','P','G')#opencv2.4
fourcc = cv2.VideoWriter_fourcc('M','J','P','G') #opencv3.0
videoWriter = cv2.VideoWriter(video_dir, fourcc, fps, img_size)
for i in range(1,num):
im_name = os.path.join(im_dir, str(i).zfill(6)+'.jpg')
frame = cv2.imread(im_name)
videoWriter.write(frame)
print im_name
videoWriter.release()
print 'finish'
ffmpeg
from : https://blog.csdn.net/xindoo/article/details/121451318
python
ffmpeg -r 10 -f image2 -i %d.jpeg output1.mp4
GPU加速
可能能加速10倍以上,但是需要安装GPU版本
Ubuntu上安装ffmpeg-cuda加速
替换Python的imageio包中自带的ffmpeg以支持GPU编解码加速