OpenCV视频处理练习案例-学习篇

需要实现的功能:

用OpenCV打开一段视频,将每一帧画面压缩成540p,对画面进行垂

直翻转,转为黑白,然后添加高斯噪声,把处理好的每一帧画面保存

成一个mp4文件保存到本地

Python代码如下:

python 复制代码
import cv2
import numpy as np #高斯噪音需要一些数学运算

#给视频添加高斯噪声类
def add_gaussion_noise(image): #image传入的是视频中读取到的每一个画面
    rows, col = image.shape #获取这个画面的尺寸信息 有多少行rows 有多少列col
    mean = 0 #设定平均值为0
    sigma = 15 #∑ 数学中的求和号
    gauss = np.random.normal(mean, sigma, (rows, col)) #做出一个高斯噪声(纯噪声)
    noisy = image + gauss #把画面和噪声相叠加后产生带噪声的图片
    noisy_img = np.clip(noisy, 0, 255) #np.clip限定带噪声的像素值的范围在0-255
    return noisy_img.astype(np.uint8) #把图片转成整数形式返回

#输入和输出视频文件名
input_video = "./outdoor.mp4"
output_video = "./output02.mp4"

#打开输入视频
cap = cv2.VideoCapture(input_video)

#获取视频的帧率和帧大小
fps = int(cap.get(cv2.CAP_PROP_FPS))
frame_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
frame_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))

#计算新的帧大小(540p)
new_height = 540
new_width = int((new_height / frame_height) * frame_width)

#创建视频写入对象
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
out = cv2.VideoWriter(output_video, fourcc, fps, (new_width, new_height),isColor=False)
#在循环中不停读取每一帧做处理
while True:
    ret, frame = cap.read()
    if not ret:
        break

    #调整帧率大小
    frame = cv2.resize(frame, (new_width, new_height))
    #转换为灰度图像
    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    #垂直翻转画面
    frame = cv2.flip(frame, 1)
    #添加高斯噪声
    frame = add_gaussion_noise(frame)
    #写出输出视频
    out.write(frame)

#释放资源并关闭窗口
cap.release()
out.release()
cv2.destroyAllWindows()

生成的文件检测后是没问题的

相关推荐
昨日之日20063 小时前
Wan2.2-S2V - 音频驱动图像生成电影级质量的数字人视频 ComfyUI工作流 支持50系显卡 一键整合包下载
人工智能·音视频
一个天蝎座 白勺 程序猿4 小时前
Python爬虫(47)Python异步爬虫与K8S弹性伸缩:构建百万级并发数据采集引擎
爬虫·python·kubernetes
XiaoMu_0016 小时前
基于Django+Vue3+YOLO的智能气象检测系统
python·yolo·django
honder试试7 小时前
焊接自动化测试平台图像处理分析-模型训练推理
开发语言·python
心本无晴.7 小时前
Python进程,线程
python·进程
Hello_Embed7 小时前
STM32HAL 快速入门(十九):UART 编程(二)—— 中断方式实现收发及局限分析
笔记·stm32·单片机·嵌入式硬件·学习
天上的光7 小时前
关于学习的一些感悟
学习
hnxaoli7 小时前
win10(三)视频剪裁
音视频
red_redemption8 小时前
自由学习记录(95)
学习
东风西巷9 小时前
Balabolka:免费高效的文字转语音软件
前端·人工智能·学习·语音识别·软件需求