如何从 python 中的 cv2.VideoCapture 获取每个帧作为图像

Question

我想从视频中获取每一帧作为图像。背景如下。我写了一个能够识别手势的神经网络。现在我想开始一个视频流，其中流的每个图像/帧都通过神经网络。为了使其适合我的神经网络，我想渲染每一帧并将图像缩小到 28*28 像素。最后它看起来应该类似于：https ://www.youtube.com/watch?v= JfSao30fMxY 我已经通过网络搜索并发现我可以使用 cv2.VideoCapture 来获取流。但是我怎样才能挑选帧的每个图像，渲染它并将结果打印回屏幕上。到目前为止，我的代码看起来像这样：import numpy as npimport cv2cap = cv2.VideoCapture(0)# Todo: each Frame/Image from the video should be saved as a variable and open imageToLabel()# Todo: before the image is handed to the method, it needs to be translated into a 28*28 np Array# Todo: the returned Label should be printed onto the video (otherwise it can be )i = 0while (True):    # Capture frame-by-frame    # Load model once and pass it as an parameter    ret, frame = cap.read()    i += 1    image = cv2.imwrite('database/{index}.png'.format(index=i), frame)    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2BGRAY)    cv2.imshow('frame', frame)    if cv2.waitKey(1) & 0xFF == ord('q'):        break# When everything done, release the capturecap.release()cv2.destroyAllWindows()def imageToLabel(imgArr, checkpointLoad):    new_model = tf.keras.models.load_model(checkpointLoad)    imgArrNew = imgArr.reshape(1, 28, 28, 1) / 255    prediction = new_model.predict(imgArrNew)    label = np.argmax(prediction)    return label

Answer 1

frame是您从流中获得的 RGB 图像。 gray是灰度转换后的图像。我想您的网络因其形状而采用灰度图像。因此，您需要先将图像大小调整为 (28,28)，然后将其传递给您的 imageToLabel 函数

resizedImg = cv2.resize(gray,(28,28))

label = imageToLabel(resizedImg,yourModel)

现在您知道了预测，您可以frame使用 eg绘制它cv2.putText()，然后绘制它返回的帧而不是frame

编辑：

如果你想为你的网络使用部分图像，你可以像这样切片图像：

slicedImg = gray[50:150,50:150]

resizedImg = cv2.resize(slicedImg,(28,28))

label = imageToLabel(resizedImg,yourModel)

如果你不太熟悉 python 中的索引，你可能想看看这个

此外，如果您希望它看起来像链接视频中的样子，您可以绘制一个从例如 (50,50) 到 (150,150) 的绿色矩形 (0,255,0)

cv2.rectangle(frame,(50,50),(150,150),(0,255,0))