Traitement vidéo OpenCV
Une vidéo est composée d'une série d'images consécutives, chaque image étant une image statique.
Le cœur du traitement vidéo est de traiter ces images. Les tâches courantes de traitement vidéo incluent la lecture vidéo, la lecture de vidéos, l'enregistrement vidéo, le traitement des images vidéo, etc.
Applications du traitement vidéo
- Analyse vidéo : Grâce aux techniques de traitement vidéo, le mouvement, les objets, les événements, etc., dans une vidéo peuvent être analysés.
- Amélioration vidéo : Effectuer un débruitage, une amélioration, une stabilisation et d'autres traitements sur la vidéo pour améliorer la qualité vidéo.
- Montage vidéo : effectuer des opérations telles que la découpe, l'assemblage et l'ajout d'effets spéciaux à la vidéo.
- Surveillance en temps réel : surveiller des scènes en temps réel via des caméras et effectuer la détection d'objets, l'analyse comportementale, etc.
OpenCV fournitcv2.VideoCaptureetcv2.VideoWriterdeux classes, utilisées respectivement pour la lecture et l'écriture de vidéos. De plus, OpenCV fournit également un riche ensemble de fonctions de traitement d'image qui peuvent effectuer diverses opérations sur les images vidéo.
Lecture et diffusion vidéo
Lecture de fichiers vidéo
Pour lire un fichier vidéo, vous devez d'abord créer uncv2.VideoCaptureobjet, et spécifier le chemin du fichier vidéo.
Exemple
# Créer un objet VideoCapture pour lire le fichier vidéo
cap = cv2.VideoCapture('example.mp4')
# Vérifier si la vidéo a été ouverte avec succès
if not cap.isOpened():
print("Erreur : impossible d'ouvrir la vidéo.")
exit()
# Lire une image vidéo
while True:
ret, frame = cap.read()
# Si la dernière image est lue, quitter la boucle
if not ret:
break
# Afficher l'image actuelle
cv2.imshow('Video', frame)
# Appuyez sur 'q' pour quitter
if cv2.waitKey(25) & 0xFF == ord('q'):
break
# Libérer les ressources
cap.release()
cv2.destroyAllWindows()
Lecture de la vidéo de la caméra
En plus de lire des fichiers vidéo, OpenCV peut également lire une vidéo directement depuis une caméra en définissant simplementcv2.VideoCapturele paramètre à l'index de la caméra (généralement 0) :
Exemple
# Créer un objet VideoCapture pour lire la vidéo de la caméra
cap = cv2.VideoCapture(0)
# Vérifier si la caméra a été ouverte avec succès
if not cap.isOpened():
print("Erreur : Impossible d'ouvrir la caméra.")
exit()
# Lire une image vidéo
while True:
ret, frame = cap.read()
# Si la dernière image est lue, quitter la boucle
if not ret:
break
# Afficher l'image actuelle
cv2.imshow('Camera', frame)
# Appuyez sur 'q' pour quitter
if cv2.waitKey(25) & 0xFF == ord('q'):
break
# Libérer les ressources
cap.release()
cv2.destroyAllWindows()
Traitement des images vidéo
Opérations de base sur les images
Après avoir lu les images vidéo, diverses opérations de traitement d'image peuvent être effectuées sur chaque image.
Par exemple, l'image peut être convertie en niveaux de gris :
Exemple
cap = cv2.VideoCapture('example.mp4')
while True:
ret, frame = cap.read()
if not ret:
break
# Convertir l'image en niveaux de gris
gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# Afficher l'image en niveaux de gris
cv2.imshow('Gray Video', gray_frame)
if cv2.waitKey(25) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
Enregistrement des images
Lors du traitement des images vidéo, il est parfois nécessaire d'enregistrer les images traitées dans un nouveau fichier vidéo.
Vous pouvez utiliser lacv2.VideoWriterclasse pour y parvenir :
Exemple
cap = cv2.VideoCapture('example.mp4')
# Obtenir la fréquence d'images et la taille de la vidéo
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))
# Créer un objet VideoWriter pour enregistrer la vidéo traitée
fourcc = cv2.VideoWriter_fourcc(*'XVID')
out = cv2.VideoWriter('output.avi', fourcc, fps, (width, height))
while True:
ret, frame = cap.read()
if not ret:
break
# Convertir l'image en niveaux de gris
gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# Écrire l'image en niveaux de gris dans la vidéo de sortie
out.write(cv2.cvtColor(gray_frame, cv2.COLOR_GRAY2BGR))
# Afficher l'image en niveaux de gris
cv2.imshow('Gray Video', gray_frame)
if cv2.waitKey(25) & 0xFF == ord('q'):
break
cap.release()
out.release()
cv2.destroyAllWindows()
Applications avancées du traitement vidéo
Détection d'objets dans la vidéo
OpenCV fournit une variété d'algorithmes de détection d'objets, tels que les classificateurs de caractéristiques de Haar, HOG + SVM, etc.
Voici un exemple de détection de visage utilisant un classificateur de caractéristiques de Haar:
Exemple
# Charger le classificateur de caractéristiques Haar
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
cap = cv2.VideoCapture('example.mp4')
while True:
ret, frame = cap.read()
if not ret:
break
# Convertir l'image en niveaux de gris
gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# Détecter les visages
faces = face_cascade.detectMultiScale(gray_frame, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
# Dessiner des rectangles sur l'image pour marquer les visages
for (x, y, w, h) in faces:
cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)
# Afficher l'image avec les marqueurs de visage
cv2.imshow('Face Detection', frame)
if cv2.waitKey(25) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
Détection de mouvement dans une vidéo
La détection de mouvement est une application importante en traitement vidéo. Les objets en mouvement peuvent être détectés en calculant les différences entre les images.
Voici un exemple simple de détection de mouvement :
Exemple
cap = cv2.VideoCapture('example.mp4')
# Lire la première image
ret, prev_frame = cap.read()
prev_gray = cv2.cvtColor(prev_frame, cv2.COLOR_BGR2GRAY)
while True:
ret, frame = cap.read()
if not ret:
break
# Convertir l'image actuelle en niveaux de gris
gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# Calculer la différence entre l'image actuelle et l'image précédente
frame_diff = cv2.absdiff(prev_gray, gray_frame)
# Binariser l'image de différence
_, thresh = cv2.threshold(frame_diff, 30, 255, cv2.THRESH_BINARY)
# Afficher le résultat de la détection de mouvement
cv2.imshow('Détection de mouvement', thresh)
# Mettre à jour l'image précédente
prev_gray = gray_frame
if cv2.waitKey(25) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
Fonctions courantes
| Fonction | Fonction/Méthode | Description |
|---|---|---|
| Lire la vidéo | cv2.VideoCapture() | Lire un fichier vidéo ou une caméra. |
| Lire la vidéo image par image | cap.read() | Lire la vidéo image par image. |
| Obtenir les propriétés de la vidéo | cap.get(propId) | Obtenir les propriétés de la vidéo (telles que la largeur, la hauteur, la fréquence d'images, etc.). |
| Enregistrer la vidéo | cv2.VideoWriter() | Créer un objet d'écriture vidéo et enregistrer la vidéo. |
| Traitement des images vidéo | Fonctions de traitement d'image (telles quecv2.cvtColor()) | Effectuer un traitement d'image sur les images vidéo. |
| Suivi d'objets | cv2.TrackerKCF_create() | Utiliser des algorithmes de suivi d'objets pour suivre des objets dans la vidéo. |
| Détection de mouvement | cv2.createBackgroundSubtractorMOG2() | Utiliser des algorithmes de soustraction d'arrière-plan pour détecter des objets en mouvement dans la vidéo. |
cv2.VideoCapture
Définition:cv2.VideoCaptureUtilisé pour capturer des images vidéo à partir d'un fichier vidéo ou d'une caméra.
Syntaxe:
cv2.VideoCapture(source)
Description des paramètres:
source: Chemin du fichier vidéo ou index de la caméra (généralement 0 pour la caméra par défaut).
Exemple
# Ouvrir la caméra par défaut
cap = cv2.VideoCapture(0)
while True:
ret, frame = cap.read()
if not ret:
break
cv2.imshow('Frame', frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
cv2.VideoWriter
Définition:cv2.VideoWriterUtilisé pour écrire les images vidéo dans un fichier vidéo.
Syntaxe:
cv2.VideoWriter(filename, fourcc, fps, frameSize)
Description des paramètres:
filename: Nom du fichier vidéo de sortie.fourcc: Codec vidéo (tel quecv2.VideoWriter_fourcc(*'XVID'))。fps: Fréquence d'images.frameSize: Taille de l'image (largeur, hauteur).
Exemple
cap = cv2.VideoCapture(0)
fourcc = cv2.VideoWriter_fourcc(*'XVID')
out = cv2.VideoWriter('output.avi', fourcc, 20.0, (640, 480))
while cap.isOpened():
ret, frame = cap.read()
if not ret:
break
out.write(frame)
cv2.imshow('Frame', frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
out.release()
cv2.destroyAllWindows()
cv2.cvtColor
Définition:cv2.cvtColorUtilisé pour convertir une image d'un espace colorimétrique vers un autre espace colorimétrique.
Syntaxe:
cv2.cvtColor(src, code)
Description des paramètres:
src: Image d'entrée.code: Code de conversion d'espace colorimétrique (tel quecv2.COLOR_BGR2GRAY)。
Exemple
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow('Gray Image', gray)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.resize
Définition:cv2.resizeUtilisé pour redimensionner une image.
Syntaxe:
cv2.resize(src, dsize)
Description des paramètres:
src: Image d'entrée.dsize: Taille de l'image de sortie (largeur, hauteur).
Exemple
img = cv2.imread('image.jpg')
resized = cv2.resize(img, (320, 240))
cv2.imshow('Resized Image', resized)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.Canny
Définition:cv2.CannyUtilisé pour la détection de contours.
Syntaxe:
cv2.Canny(image, threshold1, threshold2)
Description des paramètres:
image: Image d'entrée.threshold1: Premier seuil.threshold2: Deuxième seuil.
Exemple
img = cv2.imread('image.jpg', 0)
edges = cv2.Canny(img, 100, 200)
cv2.imshow('Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.findContours
Définition:cv2.findContoursUtilisé pour trouver les contours dans une image.
Syntaxe:
cv2.findContours(image, mode, method)
Description des paramètres:
image: Image d'entrée.mode: Mode de récupération des contours (tel quecv2.RETR_TREE)。method: Méthode d'approximation de contour (commecv2.CHAIN_APPROX_SIMPLE)。
Exemple
img = cv2.imread('image.jpg', 0)
contours, _ = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0, 255, 0), 3)
cv2.imshow('Contours', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.drawContours
Définition:cv2.drawContoursUtilisé pour dessiner des contours dans une image.
Syntaxe:
cv2.drawContours(image, contours, contourIdx, color, thickness)
Description des paramètres:
image: Image d'entrée.contours: Liste des contours.contourIdx: Indice du contour (-1 signifie dessiner tous les contours).color: Couleur du contour.thickness: Largeur de la ligne du contour.
Exemple
img = cv2.imread('image.jpg', 0)
contours, _ = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0, 255, 0), 3)
cv2.imshow('Contours', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.putText
Définition:cv2.putTextUtilisé pour dessiner du texte sur une image.
Syntaxe:
cv2.putText(image, text, org, fontFace, fontScale, color, thickness)
Description des paramètres:
image: Image d'entrée.text: Le texte à dessiner.org: Coordonnées du coin inférieur gauche du texte.fontFace: Type de police (tel quecv2.FONT_HERSHEY_SIMPLEX)。fontScale: Facteur d'échelle de la police.color: Couleur du texte.thickness: Largeur de ligne du texte.
Exemple
img = cv2.imread('image.jpg')
cv2.putText(img, 'Hello, OpenCV!', (50, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 2)
cv2.imshow('Text', img)
cv2.waitKey(0)
cv2.destroyAllWindows()