计算机视觉 / 系统课时
截取指定视频帧
截取指定视频帧
截取指定视频帧的关键不是“读到哪一帧”,而是先把 VideoCapture 的读取位置移动到目标帧或目标时间,再调用 read() 解码并保存。本篇给出同时支持帧号和毫秒定位的完整写法,并说明压缩视频中跳转不完全精确的边界。
学习目标
- 使用
CAP_PROP_POS_FRAMES按帧号跳转并提取画面。 - 使用
CAP_PROP_POS_MSEC按时间定位缩略图或关键画面。 - 判断跳转结果是否满足“近似定位”还是需要更严格的逐帧解码。
定位画面的两种坐标
OpenCV 常用两种定位方式:帧号适合“第 300 帧”这类确定索引,时间适合“5 秒处”这类业务表达。帧号从 0 开始;时间参数使用毫秒。无论使用哪种方式,设置位置后都要调用 read(),真正把目标附近的图像解码出来。
对于恒定帧率视频,可以用 时间秒数 × FPS 估算帧号;但对可变帧率视频,直接按时间定位更符合原始时间轴。压缩格式还可能只允许后端先跳到附近关键帧,再继续解码到目标位置,因此时间跳转不应被理解为逐毫秒绝对精确。
提取帧号和时间位置的画面
下面的主示例分别保存第 300 帧和 5 秒位置的画面。把 <PATH> 替换为实际目录后运行;两个输出文件使用不同名称,便于直接比较结果。
import cv2
def extract_frame(video_path, output_path, frame_index=None, time_ms=None):
cap = cv2.VideoCapture(video_path)
if not cap.isOpened():
raise RuntimeError(f"无法打开视频: {video_path}")
try:
if frame_index is not None:
if frame_index < 0:
raise ValueError("frame_index 不能小于 0")
cap.set(cv2.CAP_PROP_POS_FRAMES, frame_index)
position = f"frame={frame_index}"
elif time_ms is not None:
if time_ms < 0:
raise ValueError("time_ms 不能小于 0")
cap.set(cv2.CAP_PROP_POS_MSEC, time_ms)
position = f"time_ms={time_ms}"
else:
raise ValueError("frame_index 和 time_ms 必须指定一个")
ok, frame = cap.read()
if not ok:
raise RuntimeError(f"无法读取目标位置: {position}")
if not cv2.imwrite(output_path, frame):
raise RuntimeError(f"无法写入图片: {output_path}")
print(f"已保存 {position} -> {output_path}")
finally:
cap.release()
extract_frame("<PATH>/input.mp4", "<PATH>/frame-300.jpg", frame_index=300)
extract_frame("<PATH>/input.mp4", "<PATH>/time-5000ms.jpg", time_ms=5000)预期输出
已保存 frame=300 -> <PATH>/frame-300.jpg
已保存 time_ms=5000 -> <PATH>/time-5000ms.jpg实际路径会随本机目录变化;如果目标超出视频范围,read() 会失败并抛出异常,而不会生成一张伪造的空图片。
验证是否真的截到了目标位置
最直接的验证是检查输出图片是否存在并人工查看画面。若业务还要求校验位置,可以在 read() 前后读取 CAP_PROP_POS_FRAMES 或 CAP_PROP_POS_MSEC 作为参考,但不同解码后端对这些属性的回报精度并不完全一致。
如果视频采用长 GOP、关键帧间隔较大,或者容器索引不完整,随机跳转的成本和误差都可能增加。批量生成缩略图时,通常按时间点从前向后处理,比反复随机跳转更高效。
什么时候需要顺序解码
如果只是生成预览图、封面或“5 秒附近”的关键画面,随机跳转通常足够。若任务要求严格命中某个解码帧,例如算法标注、逐帧比对或精确回归测试,应从可靠的起始位置顺序读取并计数,必要时结合视频时间戳工具核对,而不要只依赖一次 set() 跳转。