4、视频处理基础：VideoCapture使用、视频帧读取、FPS计算、视频写入、摄像头实时采集

视频处理，说白了就是跟「帧」打交道。一张图片叫图像，一串连续的图片就叫视频。你想想看，我们做目标跟踪、做推理加速，本质上都是在跟这一帧一帧的画面较劲。

我个人习惯，拿到一个新项目，第一件事不是调模型，而是先把视频的 IO 通路打通。为什么？因为数据进不来，后面全是白搭。这一章，我就带你把这套基本功练扎实。

4.1 VideoCapture 核心用法

OpenCV 里处理视频，核心就两个类：VideoCapture 和 VideoWriter。一个负责读，一个负责写。

先看读取。创建 VideoCapture 对象有两种方式：

import cv2

# 方式一：从视频文件读取
cap = cv2.VideoCapture('test_video.mp4')

# 方式二：从摄像头读取（参数是设备ID）
cap = cv2.VideoCapture(0)  # 0 代表默认摄像头

这里有个坑，我曾经踩过。摄像头 ID 不一定是 0。笔记本自带摄像头通常是 0，外接 USB 摄像头可能是 1 或 2。如果你插了多个摄像头，建议写个小循环试一下：

for i in range(5):
    cap = cv2.VideoCapture(i)
    if cap.isOpened():
        print(f"摄像头 {i} 可用")
        cap.release()

4.2 视频帧读取与基础属性

读取帧的循环结构，几乎是所有视频处理程序的模板：

while True:
    ret, frame = cap.read()
    if not ret:
        break
    # 处理 frame ...
    cv2.imshow('Frame', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

ret 是布尔值，告诉你这一帧有没有读成功。文件读到末尾，或者摄像头断连，ret 就会变成 False。嗯，这个检查不能省。

视频本身有一些元信息，你可以通过 get() 方法获取：

width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
fps = cap.get(cv2.CAP_PROP_FPS)
total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))

print(f"分辨率: {width}x{height}, FPS: {fps}, 总帧数: {total_frames}")

4.3 FPS 计算——别信元数据

视频文件里的 FPS 元数据，有时候不准。尤其是经过剪辑、转码的视频，元数据可能写的是 30，实际只有 24。我一般在项目里自己算一遍：

import time

fps_list = []
prev_time = time.time()

while True:
    ret, frame = cap.read()
    if not ret:
        break

    current_time = time.time()
    fps = 1 / (current_time - prev_time)
    fps_list.append(fps)
    prev_time = current_time

    # 显示实时 FPS
    cv2.putText(frame, f"FPS: {fps:.2f}", (10, 30),
                cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

    cv2.imshow('Frame', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

avg_fps = sum(fps_list) / len(fps_list)
print(f"平均 FPS: {avg_fps:.2f}")

为什么要自己算？因为 cap.get(CAP_PROP_FPS) 拿到的是「视频应该有多快」，而实际处理速度受 CPU、解码器、算法复杂度影响。你想想看，如果你的检测模型一帧要跑 200ms，那实际 FPS 只有 5，跟元数据写的 30 差远了。

4.4 视频写入——VideoWriter

处理完的帧，怎么存成新视频？用 VideoWriter。

fourcc = cv2.VideoWriter_fourcc(*'mp4v')  # 编码器
out = cv2.VideoWriter('output.mp4', fourcc, 30.0, (width, height))

while True:
    ret, frame = cap.read()
    if not ret:
        break
    # 处理 frame ...
    out.write(frame)  # 写入

out.release()

编码器的选择，我列个常用表：

4.5 摄像头实时采集

摄像头采集和文件读取，代码结构几乎一样。区别在于：

• 没有总帧数——摄像头是流，没有终点
• 分辨率可调——你可以设置想要的尺寸
• 延迟敏感——采集延迟 + 处理延迟 = 总延迟

设置摄像头分辨率：

cap = cv2.VideoCapture(0)
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 1280)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 720)
cap.set(cv2.CAP_PROP_FPS, 30)

不过要注意，set() 不一定生效。摄像头硬件支持哪些分辨率，是写死的。你设一个它不支持的，它会默默选一个最接近的。我建议设完之后用 get() 读一下实际值：

actual_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
actual_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
print(f"实际分辨率: {actual_width}x{actual_height}")

4.6 本章知识结构

下面这张图，把视频处理的核心流程串起来了：

4.7 避坑与经验

• 释放资源： cap.release() 和 out.release() 一定要调。不释放的话，文件可能损坏，摄像头端口会被占用。
• waitKey 参数： cv2.waitKey(1) 里的 1 是毫秒。数值越大，显示越流畅，但处理循环会变慢。实时场景用 1，逐帧调试可以用 0。
• 多线程采集： 如果处理一帧要很久（比如跑深度学习模型），建议把采集和推理放在不同线程。采集线程只管读帧，推理线程只管算。不然采集会卡住，视频会越来越卡。
• 摄像头掉线： USB 摄像头偶尔会掉线。我习惯在循环里加一个超时重连机制，连续 5 秒读不到帧就重新初始化 VideoCapture。