【PYTHON】视频转图片
【PYTHON】视频转图片
一、前期准备：安装依赖库
核心使用 opencv-python（OpenCV）库处理视频和图像，这是Python视觉处理的主流库，先通过pip安装：
# 安装opencv-python pip install opencv-python # 若需处理特殊视频格式（如MP4编码问题），可额外安装ffmpeg（可选）# Windows：下载ffmpeg并配置环境变量；Ubuntu：sudo apt install ffmpeg；Mac：brew install ffmpeg二、方案1：基础版 - 按帧提取（提取所有帧/每隔N帧提取）
适合大多数标注场景，可灵活设置提取间隔，避免图片过多冗余。
完整代码
import cv2 import os defvideo_to_images_basic( video_path,# 输入视频文件路径（如：test.mp4） output_dir,# 输出图片文件夹路径 frame_interval=30,# 提取间隔：每30帧提取1张（默认30帧，对应1秒/帧，可调整） img_format="jpg",# 输出图片格式（jpg/png，推荐jpg，占用空间小） img_prefix="frame"# 图片文件名前缀（如：frame_0001.jpg）):# 1. 创建输出文件夹（若不存在则自动创建）ifnot os.path.exists(output_dir): os.makedirs(output_dir)print(f"创建输出文件夹：{output_dir}")# 2. 打开视频文件 cap = cv2.VideoCapture(video_path)ifnot cap.isOpened():raise ValueError(f"无法打开视频文件：{video_path}")# 3. 获取视频基本信息 total_frames =int(cap.get(cv2.CAP_PROP_FRAME_COUNT))# 视频总帧数 fps = cap.get(cv2.CAP_PROP_FPS)# 视频帧率（每秒帧数）print(f"视频信息：总帧数={total_frames}，帧率={fps:.2f}，预计提取图片数={total_frames//frame_interval +1}")# 4. 循环提取帧并保存 frame_count =0# 当前帧计数器 saved_count =0# 已保存图片计数器whileTrue:# 读取一帧视频 ret, frame = cap.read()# 若读取失败（已到视频末尾），退出循环ifnot ret:break# 按间隔提取帧if frame_count % frame_interval ==0:# 构造图片文件名（补零对齐，方便排序） img_name =f"{img_prefix}_{saved_count:04d}.{img_format}" img_path = os.path.join(output_dir, img_name)# 保存图片 cv2.imwrite(img_path, frame)print(f"已保存：{img_path}") saved_count +=1 frame_count +=1# 5. 释放资源 cap.release()print(f"\n转换完成！共保存 {saved_count} 张图片，存储路径：{output_dir}")# ------------------- 调用示例 -------------------if __name__ =="__main__":# 配置参数 VIDEO_PATH ="input_video.mp4"# 你的视频文件路径 OUTPUT_DIR ="extracted_images"# 图片输出文件夹 FRAME_INTERVAL =30# 每30帧提取1张（1秒1张，若视频帧率25，则每1.2秒1张）# 执行转换 video_to_images_basic( video_path=VIDEO_PATH, output_dir=OUTPUT_DIR, frame_interval=FRAME_INTERVAL, img_format="jpg")三、方案2：进阶版 - 按时间间隔提取（更精准可控）
适合需要按固定时间间隔（如每2秒提取1张）的场景，比按帧间隔更直观，不受视频帧率影响。
完整代码
import cv2 import os defvideo_to_images_by_time( video_path,# 输入视频文件路径 output_dir,# 输出图片文件夹路径 time_interval=1.0,# 时间间隔：每1.0秒提取1张（可调整，如2.0=每2秒1张） img_format="jpg",# 输出图片格式 img_prefix="frame"# 图片文件名前缀):# 1. 创建输出文件夹ifnot os.path.exists(output_dir): os.makedirs(output_dir)print(f"创建输出文件夹：{output_dir}")# 2. 打开视频文件 cap = cv2.VideoCapture(video_path)ifnot cap.isOpened():raise ValueError(f"无法打开视频文件：{video_path}")# 3. 获取视频基本信息 total_frames =int(cap.get(cv2.CAP_PROP_FRAME_COUNT)) fps = cap.get(cv2.CAP_PROP_FPS) video_duration = total_frames / fps # 视频总时长（秒） frame_interval =int(fps * time_interval)# 换算为帧间隔print(f"视频信息：总帧数={total_frames}，帧率={fps:.2f}，总时长={video_duration:.2f}秒")print(f"时间间隔={time_interval}秒，对应帧间隔={frame_interval}帧，预计提取图片数={int(video_duration//time_interval)+1}")# 4. 循环提取帧并保存 frame_count =0 saved_count =0 last_saved_time =0.0# 上一次保存图片的时间whileTrue: ret, frame = cap.read()ifnot ret:break# 获取当前帧对应的时间（秒） current_time = frame_count / fps # 按时间间隔保存if current_time - last_saved_time >= time_interval: img_name =f"{img_prefix}_{saved_count:04d}.{img_format}" img_path = os.path.join(output_dir, img_name) cv2.imwrite(img_path, frame)print(f"时间{current_time:.2f}秒：已保存 {img_path}") saved_count +=1 last_saved_time = current_time frame_count +=1# 5. 释放资源 cap.release()print(f"\n转换完成！共保存 {saved_count} 张图片，存储路径：{output_dir}")# ------------------- 调用示例 -------------------if __name__ =="__main__": VIDEO_PATH ="input_video.mp4" OUTPUT_DIR ="extracted_images_by_time" TIME_INTERVAL =2.0# 每2秒提取1张图片 video_to_images_by_time( video_path=VIDEO_PATH, output_dir=OUTPUT_DIR, time_interval=TIME_INTERVAL, img_format="jpg")四、核心功能说明
1. 关键函数与参数
cv2.VideoCapture(video_path)：打开视频文件，返回视频捕获对象；cap.read()：读取一帧视频，返回(ret, frame)，ret为布尔值（是否读取成功），frame为当前帧图像（numpy数组）；cap.get(cv2.CAP_PROP_FRAME_COUNT)：获取视频总帧数；cap.get(cv2.CAP_PROP_FPS)：获取视频帧率（每秒播放的帧数）；cv2.imwrite(img_path, frame)：将帧图像保存为图片文件；- 核心参数调整：
frame_interval（方案1）：帧间隔，数值越大提取图片越少，推荐30（对应1秒1张）；time_interval（方案2）：时间间隔，按需设置（如0.5=每0.5秒1张，5.0=每5秒1张）。
2. 实用优化点
- 文件夹自动创建：无需手动创建输出文件夹，代码会自动判断并创建；
- 文件名补零对齐：图片名格式为
frame_0001.jpg，方便后续标注软件按顺序加载； - 格式灵活选择：支持
jpg（占用空间小）和png（无损压缩，适合高精度标注）； - 进度打印：实时打印保存路径，方便查看转换进度；
- 资源释放：使用
cap.release()释放视频资源，避免内存泄漏。
五、使用注意事项
- 视频路径问题：
- 若使用相对路径，需将视频文件放在Python脚本同一目录下；
- 绝对路径示例（Windows）：
"D:/videos/test.mp4"，（Linux/Mac）："/home/user/videos/test.mp4"；
- 图片冗余控制：
- 标注时无需提取所有帧，建议按1~3秒间隔提取，避免图片过多增加标注工作量；
- 若视频画面变化缓慢（如监控视频），可增大间隔（如5~10秒）；
- 编码问题处理：
- 若出现“无法打开视频”或“保存图片失败”，大概率是视频编码不兼容，可先用FFmpeg转换为MP4格式（
ffmpeg -i input.avi -c:v libx264 output.mp4）；
- 若出现“无法打开视频”或“保存图片失败”，大概率是视频编码不兼容，可先用FFmpeg转换为MP4格式（
- 内存占用：
- 处理超长视频时，无需担心内存溢出，代码逐帧读取并保存，不会缓存全部帧。
六、标注工具推荐
转换后的图片可使用以下主流标注工具进行标注：
- LabelImg：轻量级图形化标注工具，支持VOC/YOLO格式，适合目标检测标注；
- LabelMe：支持多边形、关键点等复杂标注，适合语义分割、实例分割标注；
- CVAT：工业级标注平台，支持批量标注、多人协作，适合大规模数据集标注。
