Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 简单视频处理实战案例 之十 简单视频浮雕画效果

server/2024/9/18 23:21:10/ 标签: python, opencv, 图像处理, 浮雕效果, 视频处理

Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 简单视频处理实战案例 之十 简单视频浮雕画效果

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 之十 简单视频浮雕画效果

一、简单介绍

二、简单视频浮雕画效果实现原理

三、简单视频浮雕画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、简单视频浮雕画效果实现原理

视频浮雕效果是一种图像处理技术,可以将图像中的灰度变化转换为浮雕或凸起的视觉效果。在视频中应用浮雕效果后,图像的边缘部分将产生明显的凸起或凹陷效果,从而使图像看起来更加立体和有质感。这种效果通常用于增强图像的纹理和轮廓,使图像看起来更加生动和逼真。

实现原理:

  • 视频的浮雕效果,通过对视频的每一帧应用浮雕滤镜,增强视频的立体感和轮廓。

实现方法:

  1. 打开视频文件: 使用OpenCV的VideoCapture函数打开输入视频文件。
  2. 设置输出视频参数: 获取输入视频的帧率和尺寸,并定义输出视频的编码器和帧率。
  3. 应用浮雕效果 定义一个apply_emboss_filter函数,该函数接受一帧图像作为输入,并应用浮雕效果浮雕效果的实现基于以下步骤:
    • 将图像转换为灰度图像。
    • 通过对灰度图像应用Sobel算子来计算图像的梯度。
    • 根据Sobel算子计算的梯度,计算浮雕效果
    • 浮雕效果转换回BGR格式。
  4. 处理视频帧: 逐帧读取输入视频,并对每帧应用浮雕效果
  5. 写入输出视频: 将处理后的帧写入输出视频文件。
  6. 释放资源: 释放所有使用的资源,包括输入视频和输出视频。

三、简单视频浮雕画效果案例实现简单步骤

1、编写代码

2、运行效果

3、具体代码

python">"""
简单视频浮雕画效果1、打开视频文件:使用OpenCV的VideoCapture函数打开输入视频文件。2、设置输出视频参数:获取输入视频的帧率和尺寸,并定义输出视频的编码器和帧率。3、应用浮雕效果:定义一个apply_emboss_filter函数,该函数接受一帧图像作为输入,并应用浮雕效果浮雕效果的实现基于以下步骤:4、写入输出视频:将处理后的帧写入输出视频文件。5、释放资源:释放所有使用的资源,包括输入视频和输出视频。
"""import cv2def apply_emboss_filter(frame, scale_factor=0.5, offset=128):"""应用浮雕滤波器:param frame::param scale_factor::param offset::return:"""# 将图像转换为灰度图像gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)# 通过对灰度图像应用 Sobel 算子来计算图像的梯度sobel_x = cv2.Sobel(gray, cv2.CV_8U, 1, 0, ksize=3)sobel_y = cv2.Sobel(gray, cv2.CV_8U, 0, 1, ksize=3)# 计算浮雕效果emboss = cv2.addWeighted(sobel_x, scale_factor, sobel_y, scale_factor, offset)# 将浮雕效果转换回 BGR 格式emboss_bgr = cv2.cvtColor(emboss, cv2.COLOR_GRAY2BGR)return emboss_bgrdef apply_emboss_effect(input_video_path, output_video_path, scale_factor=0.5, offset=128):"""应用浮雕效果到整个视频:param input_video_path::param output_video_path::param scale_factor::param offset::return:"""# 打开视频文件cap = cv2.VideoCapture(input_video_path)# 检查视频是否成功打开if not cap.isOpened():print("Error: Failed to open video.")return# 获取视频的帧率和尺寸fps = int(cap.get(cv2.CAP_PROP_FPS))width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))# 定义视频编码器fourcc = cv2.VideoWriter_fourcc(*'mp4v')# 创建 VideoWriter 对象out = cv2.VideoWriter(output_video_path, fourcc, fps, (width, height))while cap.isOpened():# 读取视频的一帧ret, frame = cap.read()if not ret:break# 对当前帧应用浮雕滤波器embossed_frame = apply_emboss_filter(frame, scale_factor, offset)# 将处理后的帧写入输出视频文件out.write(embossed_frame)# 释放资源cap.release()out.release()cv2.destroyAllWindows()def main():# 调用函数并指定输入和输出视频文件路径input_video_path = "Videos/TwoPeopleRunning.mp4"output_video_path = "Videos/VideoEmbossEffect.mp4"apply_emboss_effect(input_video_path, output_video_path, scale_factor=0.5, offset=128)if __name__ == "__main__":main()

四、注意事项

  1. 确保输入视频文件存在且能够正常打开。
  2. 确保输入视频的帧率和尺寸与输出视频一致。
  3. 注意图像处理过程中可能产生的数据类型问题,如确保灰度图像的数据类型为CV_8U类型。
  4. 在处理视频时,要确保处理速度足够快,以避免处理过程变得过慢。

http://www.ppmy.cn/server/2189.html

相关文章

【爬虫开发】爬虫从0到1全知识md笔记第5篇:Selenium课程概要,selenium的其它使用方法【附代码文档】

爬虫开发从0到1全知识教程完整教程(附代码资料)主要内容讲述:爬虫课程概要,爬虫基础爬虫概述,,http协议复习。requests模块,requests模块1. requests模块介绍,2. response响应对象,3. requests模块发送请求,4. request…

GAMS104 现代游戏引擎 2

渲染的难点可以分为一下三部分:如何计算入射光线、如何考虑材质以及如何实现全局光照。 渲染的难点之一在于阴影,或者说是光的可见性。如何做出合适的阴影效果远比想象中要难得多,在实践中往往需要通过大量的技巧才能实现符合人认知的阴影效…

【团体程序设计天梯赛 往年关键真题 详细分析完整AC代码】L2-003 月饼(贪心) L2-004 这是二叉搜索树吗? (数据结构)

【团体程序设计天梯赛 往年关键真题 详细分析&完整AC代码】搞懂了赛场上拿下就稳 【团体程序设计天梯赛 往年关键真题 25分题合集 详细分析&完整AC代码】(L2-001 - L2-024)搞懂了赛场上拿下就稳了 【团体程序设计天梯赛 往年关键真题 25分题合…

网络安全(黑客)—2024自学

前言 一、什么是网络安全 网络安全可以基于攻击和防御视角来分类,我们经常听到的 “红队”、“渗透测试” 等就是研究攻击技术,而“蓝队”、“安全运营”、“安全运维”则研究防御技术。 无论网络、Web、移动、桌面、云等哪个领域,都有攻与防…

基于双向长短期神经网络BILSTM的线损率预测,基于gru的线损率预测

目录 背影 摘要 LSTM的基本定义 LSTM实现的步骤 BILSTM神经网络 基于双向长短期神经网络BILSTM的线损率预测,基于gru的线损率预测 完整代码:基于双向长短期神经网络BILSTM的线损率预测,基于gru的线损率预测(代码完整,数据齐全)资源-CSDN文库 https://download.csdn.net/d…

07.QT信号和槽-2

一、自定义信号和槽 在Qt中,允许⾃定义信号的发送⽅以及接收⽅,即可以⾃定义信号函数和槽函数。但是对于⾃定义的信号函数和槽函数有⼀定的书写规范。 1.基本语法 1.1 自定义信号 (1)⾃定义信号函数必须写到"signals"…

前端面试问题汇总 - Vue篇

1. Vue 的生命周期有哪些,每个阶段分别做什么操作? beforeCreate: 在实例初始化之后、数据观测和事件配置之前被调用。此时数据对象 data 和事件(methods)都还未初始化。一般不在此阶段进行数据初始化和 DOM 操作。cre…

【SpringBoot】返回参数

返回参数 返回页面返回数据返回 html 代码返回 json 数据两数相加用户登录 返回页面 首先在 static 文件夹中创建 index.html 文件&#xff1a; 代码&#xff1a; <html> <body><h1>hello word!!!</h1><p>this is a html page</p> <…

大气的免费wordpress模板

国产的wordpress模板&#xff0c;更适合中国人使用习惯&#xff0c;更符合中国老板的审美的大气wordpress企业官网建站模板。 WordPress模板&#xff0c;也称为主题&#xff0c;是用于定义WordPress网站或博客外观和功能的预设计文件集。这些模板使用HTML、CSS和PHP代码构建&a…

2024年大唐杯备考

努力更新中…… 第一章 网络架构和组网部署 1.1 5G的网络整体架构 5G网络中的中传、回传、前传&#xff08;这里属于承载网的概念&#xff09; CU和DU之间是中传 BBU和5GC之间是回传 BBU和AAU之间是前传&#xff08;这个好记&#xff09; 这里竟然还藏了MEC&#xff08;…

Bilstm双向长短期神经网络多输入单输出回归分析

目录 背影 摘要 LSTM的基本定义 LSTM实现的步骤 BILSTM神经网络 Bilstm双向长短期神经网络多输入单输出回归分析 完整代码: Bilstm双向长短期神经网络多输入单输出回归分析.zip资源-CSDN文库 https://download.csdn.net/download/abc991835105/89087121 效果图 结果分析 展望 …

llama-factory SFT系列教程 (二),大模型在自定义数据集 lora 训练与部署

文章目录 简介支持的模型列表2. 添加自定义数据集3. lora 微调4. 大模型 lora 权重&#xff0c;部署问题 参考资料 简介 文章列表&#xff1a; llama-factory SFT系列教程 (一)&#xff0c;大模型 API 部署与使用llama-factory SFT系列教程 (二)&#xff0c;大模型在自定义数…

华为云迁移到AWS上云安全及部署,九河云保姆级教程

云计算已成为当今企业数字化转型的关键环节。随着越来越多的业务部署在云端,确保云计算环境的安全性成为各大企业关注的重点。本文将重点介绍在从华为云迁移到AWS过程中,如何规划和部署云安全体系,充分利用AWS提供的安全服务与最佳实践,最大限度地保护您的云上资产。我们九河云…

Vue项目中Views文件夹

在Vue.js项目中&#xff0c;views 文件夹通常用于存放应用的页面组件。这些组件通常代表应用中的不同“页面”或“视图”&#xff0c;并且是与路由&#xff08;router&#xff09;紧密关联的。每个.vue 文件在 views 文件夹中通常代表一个独立的页面&#xff0c;这些页面通过Vu…

黑洞路由、 DDoS 攻击 、 环路

黑洞路由 DDoS 攻击 DDoS 攻击是一种针对服务器、服务或网络的恶意行为。DDoS 攻击通过向目标发送大量流量&#xff0c;使其不堪重负&#xff0c;导致资源和带宽被耗尽。因此&#xff0c;目标可能会变慢或崩溃&#xff0c;无法正常处理合法的流量。DDoS 攻击通常是由僵尸网络…

Spring Boot 经典面试题(八)

1.SpringBoot微服务中如何实现 session 共享 在Spring Boot微服务中实现session共享可以通过不同的方式&#xff0c;取决于你的微服务架构和需求。下面列出了一些常见的方法&#xff1a; 使用Spring Session和Redis&#xff1a; 配置Spring Session来将session数据存储在Redis…

Day04 - React 第四天

学习react的第四天&#xff0c;持续更新中 关注不迷路&#xff01;&#xff01;&#xff01; 组件三大核心之——Ref ref多种形式 字符串形式 回调形式 createRef 字符串形式 class Perosn extends React.Component {render() {return (<div><input ref"ipnp…

python连接mysql数据库通用类

在 Python 中创建一个通用的数据库连接类&#xff0c;用于连接 MySQL 数据库并执行常见的数据库操作&#xff0c;可以提高代码的复用性和可维护性。下面是一个示例&#xff1a; python import mysql.connector class MySQLDatabase: def __init__(self, host, user, pass…

【机器学习】数据变换---小波变换特征提取及应用案列介绍

引言 在机器学习领域&#xff0c;数据变换是一种常见且重要的预处理步骤。通过对原始数据进行变换&#xff0c;我们可以提取出更有意义的特征&#xff0c;提高模型的性能。在众多数据变换方法中&#xff0c;小波变换是一种非常有效的方法&#xff0c;尤其适用于处理非平稳信号和…

状态模式【行为模式C++】

1.概述 状态模式是一种行为设计模式&#xff0c; 让你能在一个对象的内部状态变化时改变其行为&#xff0c; 使其看上去就像改变了自身所属的类一样。 2.结构 State(抽象状态类)&#xff1a;定义一个接口用来封装与上下文类的一个特定状态相关的行为&#xff0c;可以有一个或多…