استخراج تصاویر از ویدئوها با OpenCV– به زبان ساده

۲۹ آبان ۱۳۹۸ توسط الهام حصارکی مجموعه: پردازش تصویر

در این مطلب، روش استخراج تصاویر از ویدئوها با استفاده از OpenCv تشریح شده است. «اُپن‌سی‌وی» (OpenCV) کتابخانه پردازش تصویر برای «زبان برنامه‌نویسی پایتون» (Python Programming Language) با توابع قدرتمند ویرایش ویدئو بسیار زیادی است.

در حال حاضر، کارهایی مانند «اسکن تصاویر» (Image Scanning) و «بازشناسی چهره» (Face Recognition) با استفاده از OpenCV قابل انجام هستند. تحلیل تصویر یک زمینه بسیار شناخته شده از «بینایی کامپیوتری» (Computer Vision) است. این کار در واقع استخراج اطلاعات معنادار از ویدئوها یا تصاویر است. کتابخانه OpenCv برای انجام انواع عملیات روی ویدئوها قابل استفاده است. در این راستا، ابتدا باید ماژول‌های مورد نیاز «وارد» (Import) شوند.

import cv2
import os

تابع مورد استفاده برای این کار در ادامه آمده است.

VideoCapture(File_path) : Read the video(.mp4 format)

read() : Read data depending upon the type of object that calls

imwrite(filename, img[, params]) : Saves an image to a specified file.

در ادامه، کد پیاده‌سازی این مورد ارائه شده است.

# Importing all necessary libraries 
import cv2 
import os 
  
# Read the video from specified path 
cam = cv2.VideoCapture("C:\\Users\\Admin\\PycharmProjects\\project_1\\openCV.mp4") 
  
try: 
      
    # creating a folder named data 
    if not os.path.exists('data'): 
        os.makedirs('data') 
  
# if not created then raise error 
except OSError: 
    print ('Error: Creating directory of data') 
  
# frame 
currentframe = 0
  
while(True): 
      
    # reading from frame 
    ret,frame = cam.read() 
  
    if ret: 
        # if video is still left continue creating images 
        name = './data/frame' + str(currentframe) + '.jpg'
        print ('Creating...' + name) 
  
        # writing the extracted images 
        cv2.imwrite(name, frame) 
  
        # increasing counter so that it will 
        # show how many frames are created 
        currentframe += 1
    else: 
        break
  
# Release all space and windows once done 
cam.release() 
cv2.destroyAllWindows()

خروجی قطعه کد بالا به صورت زیر است.