1. 摄像头版本
2. 视频处理版本
在抖音曾经火了一阵子的蓝线挑战特效，其原理很简单：在蓝线经过后保留本帧的部分像素，形成蒙板图片，未经过处照常切换帧图片，再将蒙版图片贴到每帧图片上。本着我上我也行的想法，试着用opencv-python实现这个效果，做了摄像头版本和视频处理版本。
图源：抖音
图源： PPT
1. 摄像头版本从上述描述可知，在摄像头版本中可规定每帧取固定宽度像素，如2个像素，假设视频尺寸为640*480，则需要480/2=240帧，若视频帧率（每秒的帧数）为30，则运行8秒，实际受计算速度等影响会略大于这个值，以下为关键部位代码：
（1）从摄像头获取每帧图像
video = CV2.VideoCapture(0, CV2.CAP_DSHOW)
ret, frame = video.read() # frame为np数组，宽100高200时，数组形状为200 * 100 *3
frame = CV2.flip(frame,1) # 左右翻转图像为镜像
（2）制作蒙版图片，并取每帧的固定数量的像素
#通过row_index记录当前的行索引，获取像素作为蒙版图片
canvas[row_index:row_index + pixel_number_each_frame] = frame[row_index:row_index + pixel_number_each_frame]
row_index += pixel_number_each_frame # 每次运行增加固定像素宽度
if row_index + width_blueline < hight: # 避免因为增加固定像素，导致超出图像的高度
frame[:row_index] = canvas[:row_index] # 将每帧的图像上部替换为蒙版图片
frame[row_index:row_index+ width_blueline] = array_blueline # 添加蓝线矩阵
# 窗口显示，BUG在于frame数据为浮点数时默认RGB数值范围0~1，当为整数时为0~255
CV2.imshow('Viewer', frame / 255)
（3）将处理完的图片及时保存，便于后期导出视频
CV2.imwrite(f'{output_frame_dirpath}/{count}.webp', frame)
（4）合成视频
def img_to_video(output_video_path, frame_dirpath, fps):
"""
将处理好的帧图片合成视频
:param output_video_path: 输出视频的地址
:param frame_dirpath: 帧图片所在文件夹地址
:param fps: 输出帧率
:return: None
"""
img = CV2.imread(f"{frame_dirpath}/1.webp")
hight, width, _ = img.shape
fourcc = CV2.VideoWriter_fourcc(*'mp4v')
videoWriter = CV2.VideoWriter(output_video_path, fourcc, fps, (width, hight))
order = [int(i.strip(".webp")) for i in os.listdir(frame_dirpath) if i.endswith(".webp")]
jpglist = [f"{frame_dirpath}/{i}.webp" for i in sorted(order)]
for i, jpg in enumerate(jpglist):
img = CV2.imread(filename=jpg)
videoWriter.write(img)
print(f"将字符画写入视频, 进度{(i + 1)}/{len(jpglist)}！")
videoWriter.release()
print(f"{output_video_path} 输出完成！")
2. 视频处理版本
与摄像头版本不同，视频版本需要获取视频信息以做处理。
（1）将视频抽帧为图片
def video_to_img(frame_dirpath, video_path):
"""
将视频抽取为帧图片以便处理
:param frame_dirpath: 存放抽取好的帧图片文件夹地址
:param video_path: 视频地址
:return: None
"""
vc = CV2.VideoCapture(video_path)
c = 0
ret = vc.isOpened()
while ret:
c += 1
ret, frame = vc.read()
if ret:
CV2.imwrite(f'{frame_dirpath}/{c}.webp', frame)
print(f'生成{frame_dirpath}/{c}.webp')
else:
break
vc.release()
print("视频按各帧提取完成！")
（2）获取视频基本信息
def get_video_msg(video_path):
"""
获取视频的基本信息
:param video_path: 视频地址
:return: [帧数量,[宽度,高度],帧率]
"""
cap = CV2.VideoCapture(video_path)
if cap.isOpened():
frame_number = cap.get(7)
width = cap.get(3)
hight = cap.get(4)
fps = cap.get(5)
return [frame_number, [width, hight], fps]
return [-1, -1, -1, [-1, -1], -1]
（3）计算相关参数。新视频的时长即为扫描时长，即每帧抽取像素= 图片高度 / 总帧数，此时需要取整，且取整误差=图片高度 - 每帧抽取像素* 总帧数，不处理会导致蓝线无法在时长内扫描完整个高度。
array_blueline = np.array([[[255, 255, 0] for _ in range(width)] for _ in range(width_blueline)])
pixel_number_each_frame = int(hight / frame_number) # 每次取帧截取的像素范围
err = hight - pixel_number_each_frame * frame_number - 3 # 误差值分散到每帧，留3个像素给蓝线
（4）将误差分散到较前的帧图片中
if err_count < err:
canvas[row_index:row_index + pixel_number_each_frame + 1] = img[row_index:row_index + pixel_number_each_frame + 1]
row_index += pixel_number_each_frame + 1
err_count += 1 # 计算误差部分是否使用完
else:
canvas[row_index:row_index + pixel_number_each_frame] = img[row_index:row_index + pixel_number_each_frame]
row_index += pixel_number_each_frame
if row_index + width_blueline <= hight: # 避免索引跑出图片范围而报错
img[:row_index] = canvas[:row_index]
img[row_index:row_index+ width_blueline] = array_blueline
（5）将图片重新合成视频，同摄像头版本，不再赘述
到此这篇关于Python实现蓝线挑战特效的示例代码的文章就介绍到这了,更多相关Python蓝线挑战特效内容请搜索易知道(ezd.cc)以前的文章或继续浏览下面的相关文章希望大家以后多多支持易知道(ezd.cc)！
