python 用OpenCV 将图片转视频

import os
import cv2
import numpy as np

cv2.VideoWriter()参数  cv2.VideoWriter() 是 OpenCV 中用于创建视频文件的类。它的参数如下:
filename:保存视频的文件名。
fourcc:指定视频编解码器的 FourCC 代码,用于将视频压缩成指定格式,例如:“XVID”、“MJPG”, "mp4v"等。可以使用 cv2.VideoWriter_fourcc() 函数来获取 FourCC 代码。
fps:指定视频帧率,即每秒显示的帧数。
frameSize:指定视频帧的大小,即视频的分辨率,可以使用 (width, height) 形式的元组来指定。
isColor:指定是否为彩色视频。如果为 True,则为彩色视频;如果为 False,则为灰度视频。
其中,前三个参数是必需的,后两个参数是可选的。例如:
fps = 25
cv2.VideoWriter('output.avi', cv2.VideoWriter_fourcc(*'XVID'), fps, (640, 480))

def resize_img():
    target_size = (1000, 1000)  # 所有图片缩放设置一致尺寸,目标尺寸
    path = './images'
    path_new = './images_new'
    if not os.path.exists(path_new):
        os.makedirs(path_new)
    filelists = []
    imglist = []
    for i in os.listdir(path):
        file_path = os.path.join(path, i)
        print(file_path)
        img = cv2.imdecode(np.fromfile(file_path, dtype=np.uint8), cv2.IMREAD_COLOR)
        size = img.shape
        h, w = size[0], size[1]
        target_h, target_w = target_size[1], target_size[0]
        # 确定缩放的尺寸
        scale_h, scale_w = float(h / target_h), float(w / target_w)
        print(f'scale_h:{scale_h}, scale_w:{scale_w}')
        scale = max(scale_h, scale_w) # 选择最大的缩放比率
        new_w, new_h = int(w / scale), int(h / scale)
        # 缩放后其中一条边和目标尺寸一致
        resize_img = cv2.resize(img, (new_w, new_h))
        # 图像上、下、左、右边界分别需要扩充的像素数目
        top = int((target_h - new_h) / 2)
        bottom = target_h - new_h - top
        left = int((target_w - new_w) / 2)
        right = target_w - new_w - left
        print(f'top:{top} bottom:{bottom} left:{left} right:{right}') 
        cv2.imwrite(os.path.join(path_new, f'new_{i}'), resize_img) # 写入本地文件
        # 填充至 target_w * target_h
        pad_img = cv2.copyMakeBorder(resize_img, top, bottom, left, right, cv2.BORDER_CONSTANT, value=[0, 0, 0])
        # cv2.imshow('img', pad_img)
        # cv2.waitKey(1000)
        filelists.append(os.path.join(path_new, f'new_{i}'))
        imglist.append(pad_img)
    return filelists, imglist


def cut_img(scale):
    path = './images'
    path_new = './images_new'
    if not os.path.exists(path_new):
        os.makedirs(path_new)
    filelists = []
    imglist = []
    for i in os.listdir(path):
        file_path = os.path.join(path, i)
        print(file_path)
        img = cv2.imdecode(np.fromfile(file_path, dtype=np.uint8), cv2.IMREAD_COLOR)
        size = img.shape
        h, w = size[0], size[1]
        rate1 = scale.split(':')
        w1 = int((w - w * int(rate1[0]) / int(rate1[1])) / 2)
        w2 = int(w - (w - w * int(rate1[0]) / int(rate1[1])) / 2)
        resize_img = img[0:h, w1:w2]
        cv2.imwrite(os.path.join(path_new, f'new_{i}'), resize_img) # 写入本地文件
        filelists.append(os.path.join(path_new, f'new_{i}'))
        imglist.append(resize_img)
    return filelists, imglist



def image_to_video():
    scale = '1:1'  # 裁剪比例,并保持高度不变
    # scale = '3:4'
    # scale = '9:16'
    filelists, imglist = cut_img(scale) # 裁剪
    # filelists, imglist = resize_img() # 缩放
    fourcc = cv2.VideoWriter.fourcc(*'mp4v')
    im = cv2.imread(filelists[0])
    print(im.shape)
    shape1 = (im.shape[1], im.shape[0])    #需要转为视频的图片的尺寸, 视频的分辨率
    print('shape1:', shape1)
    fps = 1
    writer = cv2.VideoWriter('./output.mp4', fourcc, fps , shape1)
    # for file_path in filelists:
    #     print(file_path)
    #     img = cv2.imread(file_path)
    #     writer.write(img)

    for i in imglist:
        writer.write(i)
    writer.release()


image_to_video()


 我们无法打开output3.mp4。这可能是因为文件类型不受支
持、文件扩展名不正确或文件已损坏,0xC00D36C4

如果生成的视频报这个错,一般是视频的分辨率 设置的不匹配

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/264586.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

SVM —— 代码实现

SMO 算法的实现步骤: 代码如下: import numpy as np import matplotlib.pyplot as plt import seaborn as sns import random# 设置中文字体为宋体,英文字体为 times new roman sns.set(font"SimSun", style"ticks", fo…

webpack学习-7.创建库

webpack学习-7.创建库 1.暴露库1.1概念1.2验证1.2.1 不导出方法1.2.2 导出方法 2.外部化 lodash3.外部化的限制4.最终步骤5.使用自己的库5.1坑 6.总结 1.暴露库 这个模块学习有点坑。看名字就是把自己写的个包传到npm,而且还要在项目中使用到它,支持各种…

java类和对象的思想概述

0.面向对象Object OOP——名人名言:类是写出来的,对象是new出来的 **> 学习面向对象的三条路线 java类以及类成员:(重点)类成员——属性、方法、构造器、(熟悉)代码块、内部类面向对象特征&…

在Next.js和React中搭建Cesium项目

在Next.js和React中搭建Cesium项目,需要确保Cesium能够与服务端渲染(SSR)兼容,因为Next.js默认是SSR的。Cesium是一个基于WebGL的地理信息可视化库,通常用于在网页中展示三维地球或地图。下面是一个基本的步骤,用于在Next.js项目中…

VideoPoet: Google的一种用于零样本视频生成的大型语言模型

每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领…

SpringCloud Alibaba(itheima)

SpringCloud Alibaba 第一章 微服务介绍1.1系统架构演变1.1.1单体应用架构1.1.2垂直应用架构1.1.3分布式架构1.1.4 SOA架构1.1.5微服务架构 1.2微服务架构介绍1.2.1微服务架构的常见问题1.2.2微服务架构的常见概念1.2.3微服务架构的常见解决方案 1.3 SpringCloud Alibaba介绍1.…

【clickhouse】在CentOS中离线安装clickhouse

一、下载地址 通过以下链接进行rpm安装包的下载 https://packages.clickhouse.com/rpm/stable/ 根据需求下载对应版本 注意:ClickHouse 20.8.2.3版本新增加了 MaterializeMySQL 的 database 引擎,该 database 能映射到 MySQL 中的某个 database&#…

iOS 开发设计 App 上架符合要求的截图

1. 真机运行截屏 2. 可以在 Apple developer 官网 Design 下找到 iPhone 边框 https://developer.apple.com/design/resources/ 不用这个边框也行,可以参考已上架 App 的图片框 3. 使用 Procreate(PhotoShop)创建符合要求的画布大小 4. 导入…

编译原理----算符优先级的分析(自底向上)

自底向上分析的分类如下所示: 算符优先分析 算符优先分析只规定算符之间的优先关系,也就是只考虑终结符之间的优先关系。 (一)若有文法G,如果G没有形如A->..BC..的产生式,其中B和C为非终结符&#xff…

Docker——微服务的部署

Docker——微服务的部署 文章目录 Docker——微服务的部署初识DockerDocker与虚拟机Docker架构安装DockerCentOS安装Docker卸载(可选)安装docker启动docker配置镜像加速 Docker的基本操作Docker的基本操作——镜像Docker基本操作——容器Docker基本操作—…

【【C++11特性篇】【强制/禁止 】生成默认函数的关键字default&delete(代码演示)

前言 大家好吖,欢迎来到 YY 滴C系列 ,热烈欢迎! 本章主要内容面向接触过C的老铁 主要内容含: 欢迎订阅 YY滴C专栏!更多干货持续更新!以下是传送门! YY的《C》专栏YY的《C11》专栏YY的《Linux》…

RocketMQ系统性学习-RocketMQ高级特性之消息大量堆积处理、部署架构和高可用机制

🌈🌈🌈🌈🌈🌈🌈🌈 【11来了】文章导读地址:点击查看文章导读! 🍁🍁🍁🍁🍁🍁&#x1f3…

深度学习中的损失函数

1 损失函数概述 大多数深度学习算法都会涉及某种形式的优化,所谓优化指的是改变以最小化或最大化某个函数 的任务,我们通常以最小化指代大多数最优化问题。 在机器学习中,损失函数是代价函数的一部分,而代价函数是目标函数的一种…

Set A Light 3D Studio for Mac - 构建逼真的照明场景!

Set A Light 3D Studio 是一款专业的照明设计和模拟软件,旨在帮助摄影师、电影制片人和视觉艺术家创建逼真的照明场景。无论你是在拍摄电影、广告、时尚杂志还是其他视觉艺术项目,这个软件都能帮助你实现你的创意想法。 Set A Light 3D Studio Mac版 ✨…

Tarjan-vDCC,点双连通分量,点双连通分量缩点

前言 双连通分量是无向图中的一个概念,它是指无向图中的一个极大子图,根据限制条件可以分为边双连通分量和点双连通分量,欲了解双连通分量需先了解Tarjan算法,以及割点割边的概念及求解。本篇博客介绍点双连通分量的相关内容。 前…

MATLAB ga函数的使用方法

一、ga句法结构 x ga(fitnessfcn,nvars) x ga(fitnessfcn,nvars,A,b) x ga(fitnessfcn,nvars,A,b,Aeq,beq) x ga(fitnessfcn,nvars,A,b,Aeq,beg,IB,UB) x ga(fitnessfcn,nvars,A,b,Aeq,beq,LB,UB,nonlcon) x ga(fitnessfcn,nvars,A,b,Aeq,beq,LB,UB,nonlcon,options) x …

conda环境下更改虚拟环境安装路径

1 引言 在Anaconda中如果没有指定路径,虚拟环境会默认安装在anaconda所安装的目录下,但如果默认环境的磁盘空间不足,无法满足大量安装虚拟环境的需求,此时我们需要更改虚拟环境的安装路径,有以下两种方案: 方案1: 每次…

【AivaAI】做音乐,无人能比它更专业

关于Aiva Aiva AIVA是音乐制作初创公司AIVA Technologies打造的一款人工智能产品。是人工智能领域头款获得国际认证的虚拟作曲家。 Aiva登录 可以选择Google登录,或者其他邮箱登录。 输入用户名,登录完成。 开始制作音乐 在主页选择“创建曲目…

uniapp使用colorUI

colorUI 微动画 | ColorUI 使用文档 1&#xff1a;把colorui里三个文件复制到自己项目中去 App.vue </script> <style> import url(colorui/icon.css); import url(colorui/main.css); import url("colorui/animation.css");-webkit-keyframes show {…

HackTheBox - Medium - Linux - Jupiter

Jupiter Jupiter 是一台中等难度的 Linux 机器&#xff0c;它有一个使用 PostgreSQL 数据库的 Grafana 实例&#xff0c;该数据库在权限上过度扩展&#xff0c;容易受到 SQL 注入的影响&#xff0c;因此容易受到远程代码执行的影响。一旦站稳脚跟&#xff0c;就会注意到一个名…