OpenCV视频I/O(10)视频采集类VideoCapture之从视频流中检索一帧图像函数 retrieve()的使用

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

解码并返回已抓取的视频帧。

cv::VideoCapture::retrieve() 是 VideoCapture 类的一个成员函数,用于从视频流中检索一帧图像。

retrieve() 函数的主要作用是从视频源中检索一帧图像,并将其存储到指定的目标矩阵中。通常情况下,retrieve() 与 grab() 配合使用,先使用 grab() 函数抓取视频帧,再使用 retrieve() 函数来实际获取该帧。这样可以在多线程环境中提高效率,因为 grab() 可以在后台提前准备下一帧,而主线程可以继续处理当前帧。

使用场景

  • 当需要从视频流中检索一帧图像时,可以调用 retrieve() 函数。
  • 通常与 grab() 函数配合使用,先调用 grab() 函数抓取视频帧,然后再调用 retrieve() 函数来实际获取该帧。
  • 当不需要提前准备下一帧图像时,可以直接使用 read() 函数,它内部会调用 grab() 和 retrieve()。

注意

在 C API 中,函数 cvRetrieveFrame() 和 cv.RetrieveFrame() 返回存储在视频捕获结构内的图像。不允许修改或释放该图像!你可以使用 cvCloneImage 复制帧,然后对复制的图像做任何你想做的事情。

函数原型

cpp 复制代码
virtual bool cv::VideoCapture::retrieve	
(
	OutputArray 	image,
	int 	flag = 0 
)		

参数

  • 参数[out] image 视频帧在此处返回。如果没有抓取到帧,则图像将是空的。
  • 参数flag 它可以是帧索引或特定于驱动程序的标志。

返回值

类型:bool

描述:返回值指示是否成功从视频源中检索了一帧图像。如果返回 true,则表示成功检索;如果返回 false,则表示检索失败,这可能是因为已经到达视频末尾或者出现了其他错误。

代码示例

cpp 复制代码
#include <iostream>
#include <opencv2/opencv.hpp>

int main()
{
    // 创建一个 VideoCapture 对象
    cv::VideoCapture cap;

    // 定义摄像头设备索引
    int cameraIndex = 0;  // 第一个摄像头设备

    // 尝试打开摄像头设备
    if ( !cap.open( cameraIndex, cv::CAP_ANY ) )
    {
        std::cout << "Failed to open camera at index: " << cameraIndex << std::endl;
        return -1;
    }

    // 检查是否成功打开了摄像头设备
    if ( !cap.isOpened() )
    {
        std::cout << "Error opening camera at index: " << cameraIndex << std::endl;
        return -1;
    }

    // 循环读取并显示视频帧
    while ( true )
    {
        // 创建一个 Mat 对象来存储视频帧
        cv::Mat frame;

        // 先抓取一帧
        if ( !cap.grab() )
        {
            std::cout << "Failed to grab frame." << std::endl;
            break;
        }

        // 再从视频流中检索出该帧
        if ( !cap.retrieve( frame ) )
        {
            std::cout << "Failed to retrieve frame." << std::endl;
            break;
        }

        // 检查是否成功读取到了帧
        if ( frame.empty() )
        {
            std::cout << "Frame is empty." << std::endl;
            break;
        }

        // 显示视频帧
        cv::imshow( "Camera Stream", frame );

        // 按 'q' 键退出循环
        if ( cv::waitKey( 1 ) == 'q' )
        {
            break;
        }
    }

    // 释放资源
    cap.release();
    cv::destroyAllWindows();

    return 0;
}
相关推荐
一只韩非子几秒前
什么是MCP?为什么引入MCP?(通俗易懂版)
人工智能·aigc·mcp
新智元4 分钟前
毛骨悚然!o3 精准破译照片位置,只靠几行 Python 代码?人类在 AI 面前已裸奔
人工智能·openai
Tech Synapse32 分钟前
电商商品推荐系统实战:基于TensorFlow Recommenders构建智能推荐引擎
人工智能·python·tensorflow
帅帅的Python32 分钟前
2015-2023 各省 GDP 数据,用QuickBI 进行数据可视化——堆叠图!
大数据·人工智能
weixin_4307509341 分钟前
智能小助手部署 Win10 + ollama的Deepseek + CentOS+ maxKB
linux·人工智能·机器学习·语言模型·自然语言处理·centos
Panesle1 小时前
大模型微调与蒸馏的差异性与相似性分析
人工智能·微调·蒸馏
多巴胺与内啡肽.1 小时前
深度学习--循环神经网络RNN
人工智能·rnn·深度学习
子燕若水1 小时前
解释PyTorch中的广播机制
人工智能·pytorch·python
计算机真好丸1 小时前
第R4周:LSTM-火灾温度预测
人工智能·rnn·lstm
数据与人工智能律师1 小时前
正确应对监管部门的数据安全审查
大数据·网络·数据库·人工智能·区块链