使用cv2对视频指定区域进行去噪
视频去噪其实和图象一样，只是需要现将视频截成图片，在对图片进行去噪，将去噪的图片在合成视频就行。可以利用cv2.imread()、imwrite()等轻松实现。
去噪步骤
1、视频逐帧读成图片
2、图片指定区域批量去噪
2、去噪后的图片写入视频
1、视频逐帧读成图片
有两种方法，第一种是直接将图片读入内存，图片就是以numpy格式存在内存中，优点是可以极快的增加图片的读取速度，但过长的视频可能会导致内存爆满。第二种是逐帧将图片读到本地文件夹，以png的格式存到指定路径中，优点是不占用内存，但是由于加入了cv2.imwrite()，会耗费一定的时间。由于我这次不在服务器上跑，所以选择第二种方法。
def make_frame_img(video_path, output_path):
"""
从视频文件中抽取帧数图片，保存到指定路径
参数：
video_path: 输入视频路径
output_path: 保存帧图片文件夹
return 无
"""
# 读取视频文件
cap = cv2.VideoCapture(video_path)
# 检查视频是否成功打开
if not cap.isOpened():
print("无法打开视频文件：", video_path)
return
# 获取视频帧率和总帧数
fps = cap.get(cv2.CAP_PROP_FPS)
total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
# 如果没有创建输出文件夹，则创建输出文件夹
if not os.path.exists(output_path):
os.makedirs(output_path)
# 分割视频为照片
print("beginning to extract frames from video !")
for i in tqdm(range(total_frames)):
ret, frame = cap.read()
if ret:
# 保存照片
filename = f'./frame_%04d.png' % i
filepath = os.path.join(output_path, filename)
cv2.imwrite(filepath, frame)
else:
break2、图片指定区域批量去噪
可以参考我写的上篇博客，图象去噪。但是上篇博客只是对单个图片全图去噪，这次我们需要的是对一个文件夹里的图片指定区域进行批量去噪。
2.1、图象指定区域去噪
本次的任务是对图象下半部分进行中值滤波，故只需将原图裁剪一般得到下张图，对下半张图进行滤波后，与未滤波的上半张图像进行拼接，可使用纵向堆叠的np.vstack()实现图象上下拼接。
def mid_move_noise(noise_image): # 对图像下半部分进行中值去噪
image = cv2.imread(noise_image)
h, w = image.shape[:2]
half_height = h // 2
bottom_half = image[half_height:, :]
bottom_half = cv2.medianBlur(bottom_half, 9)
image = np.vstack((image[:half_height, :], bottom_half))
return image2.2、写一个for 循环遍历文件夹中的图片进行图像指定区域去噪，将去噪后的图片写入到指定文件夹下。
def from_fold_process_images(source_folder, result_folder):
print("image process from folder: " + source_folder)
for img_name in tqdm(os.listdir(source_folder)):
img_path = os.path.join(source_folder, img_name)
if img_name.endswith('.png'):
# 构建输出图片的路径
output_path = os.path.join(result_folder, img_name)
# 应用中值滤波并保存
img = mid_move_noise(img_path)
cv2.imwrite(output_path, img)3、去噪图片写入成视频
def merge_to_video(img_path, output_video_path):
print("image merge to video")
"""
将图片合成视频
参数：
img_path 输入图片路径
output_video_path 输出视频路径
return 无
"""
# 传入输入路径中的所有图像
image_files = [f for f in os.listdir(img_path) if f.endswith(".png")]
image_files.sort()
# 获取图像尺寸
img = cv2.imread(os.path.join(img_path, image_files[0]))
height, width, _ = img.shape
# 创建用于写入视频的VideoWriter对象
video_writer = cv2.VideoWriter(output_video_path, cv2.VideoWriter_fourcc(*"mp4v"), 30, (width, height))
# 逐个读取图像并将其写入视频
for image_file in tqdm(image_files):
img = cv2.imread(os.path.join(img_path, image_file))
video_writer.write(img)
print("Video has been created successfully!")
video_writer.release()测试代码：
make_frame_img('./noise.mp4', './video_fps')
from_fold_process_images('./video_fps', './move_noise_fps')
merge_to_video('./move_noise_fps', './denoise.mp4')原文地址：https://blog.csdn.net/weixin_47754029/article/details/139864115
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！