Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 简单视频处理实战案例 之三 简单动态聚光灯效果

仙魁XAN2024-04-11 12:45

Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 简单视频处理实战案例 之三 简单动态聚光灯效果

目录

[Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 简单视频处理实战案例 之三 简单动态聚光灯效果](#Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 简单视频处理实战案例 之三 简单动态聚光灯效果)

一、简单介绍

二、简单动态聚光灯效果实现原理

三、简单动态聚光灯效果案例实现简单步骤

四、注意事项

一、简单介绍

Python是一种跨平台的计算机程序设计语言。是一种面向对象的动态类型语言，最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。Python是一种解释型脚本语言，可以应用于以下领域： Web 和 Internet开发、科学计算和统计、人工智能、教育、桌面界面开发、软件开发、后端开发、网络爬虫。

这里使用 Python 基于 OpenCV 进行视觉图像处理，......

二、简单动态聚光灯效果实现原理

简单动态聚光灯效果，这里视频中出现了彩色的光圈，随着视频的播放在图像的不同位置游走。

原理和实现方法：

  1. 初始化：

    • 读取输入视频文件和获取视频的帧率、尺寸。
    • 创建输出视频文件。

  2. 生成聚光灯：

    • 在程序开始时，随机生成多盏聚光灯。每盏聚光灯由位置、颜色、移动角度和速度组成。

  3. 逐帧处理：

    • 读取输入视频的每一帧。
    • 在每一帧上应用所有聚光灯的效果，并将其叠加到原始帧上。
    • 更新每一盏聚光灯的位置，如果聚光灯到达视频边缘，则随机选择新的移动角度和速度。

  4. 写入输出：

    • 将处理后的帧写入输出视频文件。

在这两个函数中，涉及了一些 OpenCV 和 NumPy 的函数，下面是它们的说明：

OpenCV 函数：

  1. cv2.resize()：

    • 用于调整图像的大小。
    • 参数：
      • src：输入图像。
      • dsize：输出图像的尺寸。
      • interpolation：插值方法，用于调整图像尺寸。
    • 返回值：调整大小后的图像。

  2. cv2.split()：

    • 用于将多通道图像拆分为单通道图像。
    • 参数：输入的多通道图像。
    • 返回值：单通道图像组成的列表。

  3. cv2.merge()：

    • 用于将多个单通道图像合并成一个多通道图像。
    • 参数：单通道图像组成的列表。
    • 返回值：合并后的多通道图像。

  4. cv2.VideoWriter()：

    • 创建一个视频写入对象，用于将帧写入视频文件。
    • 参数：
      • filename：输出视频文件名。
      • fourcc：视频编码器。
      • fps：帧率。
      • frameSize：视频帧的大小。
    • 返回值：视频写入对象。

NumPy 函数：

  1. np.ones_like()：

    • 生成一个与输入数组形状相同的全 1 数组。
    • 参数：输入数组。
    • 返回值：形状相同且元素全为 1 的数组。

  2. np.zeros_like()：

    • 生成一个与输入数组形状相同的全 0 数组。
    • 参数：输入数组。
    • 返回值：形状相同且元素全为 0 的数组。

  3. np.round()：

    • 对数组中的元素进行四舍五入。
    • 参数：输入数组。
    • 返回值：四舍五入后的数组。

  4. np.power()：

    • 计算数组的幂。
    • 参数：输入数组和幂指数。
    • 返回值：幂计算后的数组。

这些函数在实现聚光灯效果的过程中起着重要的作用，通过它们可以对图像进行大小调整、颜色分离、视频写入等操作。

三、简单动态聚光灯效果案例实现简单步骤

1、编写代码，先看看一个聚光灯移动的效果

2、运行效果

3、具体代码

python 复制代码 
"""
单个聚光等在视频中移动的效果
"""

import cv2
import numpy as np


def apply_spotlight(frame, spotlight_pos):
    """
    在视频帧上应用动态聚光灯效果
    :param frame: 
    :param spotlight_pos: 
    :return: 
    """
    # 创建一个黑色图像，与原始视频帧相同大小
    spotlight_mask = np.zeros_like(frame)

    # 在黑色图像上绘制一个白色的椭圆，模拟聚光灯光圈
    cv2.ellipse(spotlight_mask, spotlight_pos, (100, 100), 0, 0, 360, (255, 255, 255), -1)

    # 将光圈图像与原始视频帧进行叠加
    result_frame = cv2.addWeighted(frame, 1, spotlight_mask, 0.5, 0)

    return result_frame


def main():
    # 打开视频文件
    cap = cv2.VideoCapture('Videos/CatRun.mp4')

    # 获取视频帧率和尺寸
    fps = cap.get(cv2.CAP_PROP_FPS)
    width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
    height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))

    # 创建 VideoWriter 对象
    fourcc = cv2.VideoWriter_fourcc(*'mp4v')
    out = cv2.VideoWriter('output_video.mp4', fourcc, fps, (width, height))

    # 初始化聚光灯位置
    spotlight_pos = (int(width / 2), int(height / 2))

    # 逐帧处理视频
    while cap.isOpened():
        ret, frame = cap.read()
        if not ret:
            break

        # 应用动态聚光灯效果
        frame_with_spotlight = apply_spotlight(frame, spotlight_pos)

        # 写入输出视频
        out.write(frame_with_spotlight)

        # 更新聚光灯位置（示例中简单地沿着视频宽度方向移动）
        spotlight_pos = ((spotlight_pos[0] + 5) % width, spotlight_pos[1])

    # 释放资源
    cap.release()
    out.release()
    cv2.destroyAllWindows()


if __name__ == "__main__":
    main()

4、编写代码，实现多个聚光灯动态移动效果

5、运行效果

6、具体代码

python 复制代码 
"""
简单动态聚光灯效果
    1、apply_spotlights(frame, spotlights):
    这个函数用于在视频帧上应用多盏聚光灯效果。
    参数：
        frame：输入的视频帧，是一个 numpy 数组。
        spotlights：包含多盏聚光灯信息的列表。每个聚光灯由位置、颜色、移动角度和速度组成。
    返回值：
        处理后的视频帧，应用了聚光灯效果。

    2、main():
    这个函数是程序的主函数，用于读取输入视频并逐帧处理，添加聚光灯效果后写入输出视频。
    主要步骤：
        读取输入视频文件。
        初始化输出视频文件。
        创建并初始化多盏聚光灯的信息。
        逐帧读取输入视频，应用聚光灯效果并写入输出视频。
        更新每盏聚光灯的位置。
    函数调用：
    调用了apply_spotlights()函数来添加聚光灯效果。
"""

import cv2
import numpy as np
import random
import math


def apply_spotlights(frame, spotlights):
    """
    在视频帧上应用多盏聚光灯效果
    :param frame:
    :param spotlights:
    :return:
    """
    result_frame = frame.copy()

    # 在每一盏聚光灯上叠加光斑
    for spotlight in spotlights:
        spotlight_pos, spotlight_color, _, _ = spotlight  # 保留移动方向和速度，但在此不使用
        spotlight_mask = np.zeros_like(frame)
        cv2.ellipse(spotlight_mask, spotlight_pos, (150, 150), 0, 0, 360, spotlight_color, -1)
        result_frame = cv2.addWeighted(result_frame, 1, spotlight_mask, 0.5, 0)

    return result_frame


def main():
    video_path = "Videos/CatRun.mp4"
    output_path = "Videos/VideoSpotLightEffect.mp4"

    # 打开视频文件
    cap = cv2.VideoCapture(video_path)

    # 获取视频帧率和尺寸
    fps = cap.get(cv2.CAP_PROP_FPS)
    width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
    height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))

    # 创建 VideoWriter 对象
    fourcc = cv2.VideoWriter_fourcc(*'mp4v')
    out = cv2.VideoWriter(output_path, fourcc, fps, (width, height))

    # 初始化聚光灯列表，每一盏聚光灯由位置、颜色、移动角度和速度组成
    spotlights = []
    for _ in range(5):  # 创建5盏聚光灯
        spotlight_pos = (random.randint(0, width - 1), random.randint(0, height - 1))
        spotlight_color = (random.randint(0, 255), random.randint(0, 255), random.randint(0, 255))
        # 随机选择一个移动角度和速度
        angle = random.uniform(0, 2 * math.pi)
        speed = random.randint(3, 10)
        spotlights.append((spotlight_pos, spotlight_color, angle, speed))

    # 逐帧处理视频
    while cap.isOpened():
        ret, frame = cap.read()
        if not ret:
            break

        # 应用多盏聚光灯效果
        frame_with_spotlights = apply_spotlights(frame, spotlights)

        # 写入输出视频
        out.write(frame_with_spotlights)

        # 更新每一盏聚光灯的位置
        for i in range(len(spotlights)):
            # 获取当前聚光灯的位置、颜色、移动角度和速度
            spotlight_pos, spotlight_color, angle, speed = spotlights[i]
            # 根据移动角度和速度更新聚光灯位置
            dx = int(speed * math.cos(angle))
            dy = int(speed * math.sin(angle))
            new_x = min(max(0, spotlight_pos[0] + dx), width - 1)
            new_y = min(max(0, spotlight_pos[1] + dy), height - 1)
            # 如果聚光灯到达视频边缘，随机选择一个新的移动角度和速度
            if new_x in [0, width - 1] or new_y in [0, height - 1]:
                angle = random.uniform(0, 2 * math.pi)
                speed = random.randint(3, 10)
            # 更新聚光灯列表中的聚光灯信息
            spotlights[i] = ((new_x, new_y), spotlight_color, angle, speed)

    # 释放资源
    cap.release()
    out.release()
    cv2.destroyAllWindows()


if __name__ == "__main__":
    main()

四、注意事项

  1. 聚光灯移动：

    • 确保聚光灯移动的速度和角度自然，避免抖动和突然变化，使得效果更真实。

  2. 边界处理：

    • 当聚光灯移动到视频边缘时，要确保正确地处理边界情况，防止越界。

  3. 效率优化：

    • 考虑到处理视频的效率，尽量使用向量化操作和适当的数据结构，减少循环和不必要的计算。

  4. 颜色随机性：

    • 聚光灯的颜色应该是随机生成的，以增加效果的多样性和真实感。

  5. 参数调整：

    • 可以调整聚光灯的数量、移动速度范围、移动角度范围等参数，以获得更满意的效果。
相关推荐
夜幕龙几秒前
iDP3复现代码数据预处理全流程（二）——vis_dataset.py
人工智能·python·机器人
吃个糖糖17 分钟前
36 Opencv SURF 关键点检测
人工智能·opencv·计算机视觉
晚夜微雨问海棠呀33 分钟前
长沙景区数据分析项目实现
开发语言·python·信息可视化
cdut_suye43 分钟前
Linux工具使用指南：从apt管理、gcc编译到makefile构建与gdb调试
java·linux·运维·服务器·c++·人工智能·python
dundunmm1 小时前
机器学习之scikit-learn（简称 sklearn）
python·算法·机器学习·scikit-learn·sklearn·分类算法
古希腊掌管学习的神1 小时前
[机器学习]sklearn入门指南（1）
人工智能·python·算法·机器学习·sklearn
一道微光1 小时前
Mac的M2芯片运行lightgbm报错,其他python包可用，x86_x64架构运行
开发语言·python·macos
四口鲸鱼爱吃盐2 小时前
Pytorch | 利用AI-FGTM针对CIFAR10上的ResNet分类器进行对抗攻击
人工智能·pytorch·python
我感觉。2 小时前
【图像处理lec8】彩色图像处理
图像处理·彩色图像处理
是娜个二叉树！2 小时前
图像处理基础 | 格式转换.rgb转.jpg 灰度图 python
开发语言·python
热门推荐
01【一文读懂】NTN（非地面网络）技术介绍02优化手机性能，解决卡顿问题：关闭这3个微信开关，释放内存空间03玄机平台应急响应—webshell查杀04Cube-Studio：开源大模型全链路一站式中台05基于大语言模型（LLM）的合成数据生成、策展和评估的综述06(欧拉)openEuler系统添加网卡文件配置流程、(欧拉)openEuler系统手动配置ipv6地址流程、(欧拉)openEuler系统网络管理说明07组基轨迹建模 GBTM的介绍与实现（Stata 或 R）08HCIA-datacom数通题库和录播视频资料09Docker 夺命连环 15 问10RAG 实践- Ollama+RagFlow 部署本地知识库