Imageio和CV2抽视频帧性能比较

最近需要用python对视频进行抽帧处理&＃xff0c;网上给出的主要做法是两种&＃xff0c;即调用imgeio或cv2的相关方法。
两者之间性能差异如何&＃xff0c;本文通过抽取指定指定帧(第15帧)的demo进行测试对比。上诉两种方法都能实现&＃xff0c;贴上代码如下&＃xff1a;

前言

提示&＃xff1a;这里可以添加本文要记录的大概内容&＃xff1a;

例如&＃xff1a;随着人工智能的不断发展&＃xff0c;机器学习这门技术也越来越重要&＃xff0c;很多人都开启了学习机器学习&＃xff0c;本文就介绍了机器学习的基础内容。

提示&＃xff1a;以下是本篇文章正文内容&＃xff0c;下面案例可供参考

一、导入库

代码如下&＃xff08;示例&＃xff09;&＃xff1a;

import cv2
import time
import matplotlib.pyplot as plt
import imageio
import skimage
import numpy as np


二、ImageIO

代码如下&＃xff08;示例&＃xff09;&＃xff1a;

position &＃61; [1, 5, 10, 15, 20, 25, 30] # 所要抽取帧的索引
imageio_start &＃61; time.time() # imgeio方法的时间计算
vid &＃61; imageio.get_reader("test.mp4", &＃39;ffmpeg&＃39;)
length &＃61; len(position)
frames2 &＃61; []
for i, img in enumerate(vid):if i in position: # 抽取指定帧image2 &＃61; skimage.img_as_float(img).astype(np.float32) # 转换为numpy数组frames2.append(image2)# plt.figure(0)# plt.imshow(image2)# plt.show()if len(frames2) &＃61;&＃61; length:break
print(&＃39;Time of imageio: &＃39;, time.time()-imageio_start)

三、CV2

代码如下&＃xff08;示例&＃xff09;&＃xff1a;

cv2_start &＃61; time.time() # 计算cv2花费的时间
capture &＃61; cv2.VideoCapture("963861351.mp4")
frames &＃61; []
for i in position:capture.set(propId&＃61;cv2.CAP_PROP_POS_FRAMES, value&＃61;i) # 跳到指定帧hasframe, image1 &＃61; capture.read()frames.append(image1) # image1就是numpy数组# image1 &＃61; image1[:, :, :: -1] # 为了与imageio方法显示一致# plt.figure(0)# plt.imshow(image1)# plt.show()
print(&＃39;Time of cv2: &＃39;, time.time()-cv2_start)

四、控制台结果

Time of imageio: 0.5045185089111328
Time of cv2: 0.11601471900939941

补充&＃xff1a;结果很明显&＃xff0c;按照我的需求&＃xff0c;cv2速度比imageio快很多。但是也有可能是我没有找对imageio更快的直接取指定帧的方法&＃xff0c;而是用for循环去遍历vid&＃xff0c;如果有小伙伴知道也请告诉我。另外&＃xff0c;在cv2显示图片前加了image1 &＃61; image1[:, :, :: -1]&＃xff0c;是因为cv2是以(BGR)的顺序存储图像数据的&＃xff0c;而一般我们所看到的图片和视频都是以&＃xff08;RGB&＃xff09;顺序存储&＃xff0c;所以直接显示色调会不同。如下三张图分别是视频封面图&＃xff0c;imageio显示图&＃xff0c;cv2未加转换语句的直接显示图。

————————————————
版权声明&＃xff1a;本文为CSDN博主「哈士奇的布偶」的原创文章&＃xff0c;遵循CC 4.0 BY-SA版权协议&＃xff0c;转载请附上原文出处链接及本声明。
原文链接&＃xff1a;https://blog.csdn.net/bpp94_github/article/details/84823536