新闻详情

新闻详情

首页 / 资讯中心 / 详情

用 ffmpeg + OpenCV 把施工延时视频自动抽帧,生成「每日进度九宫格」(Python 批处理实战)

发布时间:2026/11/18 10:51:59来源:尧图网络
用 ffmpeg + OpenCV 把施工延时视频自动抽帧,生成「每日进度九宫格」(Python 批处理实战)
做装修巡检或工地记录时经常要面对几十 G 的延时录像。人工一帧帧翻太低效本文用一段 Python 脚本把一段长视频按固定时间间隔自动抽帧再用 OpenCV Pillow 拼成一张「每日进度九宫格」既能发日报也能做前后对比。一、整体思路1. 用ffmpeg按-vf fps1/N把视频均匀抽成图片序列不依赖逐帧解码速度快2. 用 OpenCV 读取这些帧统一缩放到固定尺寸3. 用 Pillow 把多张图拼成 3×3 九宫格或 N×M 网格4. 批处理遍历一个文件夹里的所有.mp4每个生成一个九宫格。 为什么不全用 OpenCV 解码ffmpeg的抽帧对大视频更稳、可指定时间步长避免把整段视频读进内存。## 二、ffmpeg 抽帧核心命令bash# 每 600 秒10 分钟抽 1 帧输出 frame_0001.jpg ...ffmpeg -i input.mp4 -vf fps1/600 -qscale:v 2 frames/frame_%04d.jpg-fps1/600每 600 秒 1 帧想更密就调小比如1/60每分钟 1 帧。--qscale:v 2JPG 质量2 接近无损、体积小。## 三、Python 拼九宫格pythonimport cv2, glob, osfrom PIL import Imagedef make_grid(frame_dir, out_path, cols3, rows3, size(320, 180)): files sorted(glob.glob(os.path.join(frame_dir, *.jpg)))[:cols*rows] if not files: return False thumbs [cv2.cvtColor(cv2.resize(cv2.imread(f), size), cv2.COLOR_BGR2RGB) for f in files] # 用黑块补齐不足 9 张的情况 while len(thumbs) cols * rows: import numpy as np thumbs.append(np.zeros((size[1], size[0], 3), dtypenp.uint8)) w, h size grid Image.new(RGB, (w * cols, h * rows)) for idx, im in enumerate(thumbs): r, c divmod(idx, cols) grid.paste(Image.fromarray(im), (c * w, r * h)) grid.save(out_path) return Truemake_grid(frames, progress_grid.jpg)关键点- OpenCV 读到的是 BGR拼图前转成 RGB否则颜色会偏蓝- 用sorted保证帧顺序否则九宫格会被打乱- 帧数不足时补黑块避免IndexError。## 四、批处理整个文件夹pythonimport osfor mp4 in glob.glob(videos/*.mp4): name os.path.splitext(os.path.basename(mp4))[0] frame_dir ftmp/{name}_frames os.makedirs(frame_dir, exist_okTrue) os.system(fffmpeg -i {mp4} -vf fps1/600 -qscale:v 2 {frame_dir}/frame_%04d.jpg) make_grid(frame_dir, fgrids/{name}_grid.jpg)跑完grids/下就是每个视频对应的九宫格直接发日报、做周报对比都行。## 五、踩过的坑-中文路径os.system调 ffmpeg 时Windows 下中文路径偶尔抽风建议先import subprocess用subprocess.run([...], shellFalse)传列表参数比拼字符串稳妥。-帧太多内存爆别一次性cv2.VideoCapture读完整个长视频始终走 ffmpeg 抽帧落地再读图。-时间戳叠加可在抽帧时加-vf fps1/600,drawtext...把时间烧录进画面九宫格一眼看出是第几天。这套方法我们做工地巡检日报时天天在用比人工翻视频省了 90% 时间。类似的「把重复劳动交给脚本」的思路我们也沉淀成了几款小工具整理在 maixuzi.cn/resources/ 感兴趣的可以看看。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉