文章目录

• 摘要
• 下载与安装
• 工作原理
• • 基本概念
• 速度对比
• • 测试遍历的方式
  • 测试moviepy方式处理图片的帧
• 结论

摘要

MoviePy是一个用于视频编辑的Python模块，它可被用于一些基本操作（如剪切、拼接、插入标题）、视频合成（即非线性编辑）、视频处理和创建高级特效。它可对大多数常见视频格式进行读写，包括GIF。
手册：http://doc.moviepy.com.cn/index.html#document-index
示例如下（IPython Notebook环境）

下载与安装

pip install moviepy

工作原理

MoviePy使用ffmpeg软件来读取和导出视频和音频文件。也使用（可选）ImageMagick来生成文字和制作GIF文件。不同媒体的处理依靠Python的快速的数学库Numpy。高级效果和增强功能使用一些Python的图片处理库（PIL，Scikit-image，scipy等）。

基本概念

在MoviePy中，核心对象是剪辑，可以使用AudioClips或VideoClips来处理。剪辑可被修改（剪切、降低速度、变暗等）或与其他剪辑混合组成新剪辑。剪辑可被预览（使用PyGame或IPython Notebook），也可生成文件（如MP4文件、GIF文件、MP3文件等）。以VideoClips为例，它可以由一个视频文件、一张图片、一段文字或者一段卡通动画而来。它可以包含音频轨道（即AudioClip）和一个遮罩（一种特殊的VideoClip），用于表明当两个剪辑混合时，哪一部分的画面被隐藏）。详见生成与导出视频剪辑和混合剪辑。

你可使用MoviePy的很多效果对一个剪辑进行修改（如clip.resize(width=“360”)、clip.subclip(t1,t2)、clip.fx(vfx.black_white)或使用用户自行实现的效果。MoviePy提供许多函数（如clip.fl、clip.fx等），可以用简单的几行代码实现你自己的效果。详见视频转换与效果。

你还可以在moviepy.video.tools找到一些高级的效果来对视频中的对象进行追踪、画简单的形状和颜色渐变（对于遮罩来说很有用）、生成字幕和结束时的演职人员表等。参见高级工具中的详细描述。

最后，尽管MoviePy没有生动的用户界面，它也有许多方法来预览剪辑，使你能够调试脚本，从而确保你的视频在高质量的同时一切正常。详见如果更有效率地使用MoviePy。

速度对比

测试遍历的方式

新建脚本Opencv_demo.py,插入代码：

import laneDetectionimport timeimport cv2import preprocesst1=time.time()vs = cv2.VideoCapture('..\\data\\dashcam_video_trim.mp4')fps = 30    #保存视频的FPS，可以适当调整size=(1280,720)#宽高，根据frame的宽和高确定。fourcc = cv2.VideoWriter_fourcc(*"mp4v")videoWriter = cv2.VideoWriter('3.mp4',fourcc,fps,size)#最后一个是保存图片的尺寸# 循环播放图像流中的帧while True:    # 从视频流中读取下一帧并调整其大小    (grabbed, frame)  = vs.read()    if not grabbed: break    image = frame    frame, invM = preprocess.warp(frame)    frame = preprocess.grayscale(frame)    frame = preprocess.threshold(frame)    frame, left_curverad, right_curverad = laneDetection.search_around_poly(frame)    frame = cv2.warpPerspective(frame, invM, (frame.shape[1], frame.shape[0]), flags=cv2.INTER_LINEAR)    frame = cv2.addWeighted(frame, 0.3, image, 0.7, 0)    # Add curvature and distance from the center    curvature = (left_curverad + right_curverad) / 2    car_pos = image.shape[1] / 2    center = (abs(car_pos - curvature) * (3.7 / 650)) / 10    curvature = 'Radius of Curvature: ' + str(round(curvature, 2)) + 'm'    center = str(round(center, 3)) + 'm away from center'    frame = cv2.putText(frame, curvature, (50, 50), cv2.FONT_HERSHEY_COMPLEX, 1, (255, 255, 255), 2, cv2.LINE_AA)    frame = cv2.putText(frame, center, (50, 100), cv2.FONT_HERSHEY_COMPLEX, 1, (255, 255, 255), 2, cv2.LINE_AA)    videoWriter.write(frame)    key = cv2.waitKey(1) & 0xFF    # 如果按下“ q”键，则退出循环    if key == ord("q"): breakvideoWriter.release()cv2.destroyAllWindows()vs.release()t2=time.time()print(t2-t1)

结果如下：

测试moviepy方式处理图片的帧

新建main.py,插入代码：

import timeimport cv2import preprocessimport calibrateCameraimport laneDetectionfrom moviepy.editor import VideoFileClipdef pipeline(frame):    image = frame    #Disabled, techinically each frame needs to be undistored before being processed.    #objpoints, imgpoints = [] #Add them manually    #frame = calibrateCamera.calibrate(objpoints, imgpoints, frame)    frame, invM = preprocess.warp(frame)    frame = preprocess.grayscale(frame)    frame = preprocess.threshold(frame)    frame, left_curverad, right_curverad = laneDetection.search_around_poly(frame)    frame = cv2.warpPerspective(frame, invM, (frame.shape[1], frame.shape[0]), flags=cv2.INTER_LINEAR)    frame = cv2.addWeighted(frame, 0.3, image, 0.7, 0)    #Add curvature and distance from the center    curvature = (left_curverad + right_curverad) / 2    car_pos = image.shape[1] / 2    center = (abs(car_pos - curvature)*(3.7/650))/10    curvature = 'Radius of Curvature: ' + str(round(curvature, 2)) + 'm'    center = str(round(center, 3)) + 'm away from center'    frame = cv2.putText(frame, curvature, (50, 50), cv2.FONT_HERSHEY_COMPLEX, 1, (255, 255, 255), 2, cv2.LINE_AA)    frame = cv2.putText(frame, center, (50, 100), cv2.FONT_HERSHEY_COMPLEX, 1, (255, 255, 255), 2, cv2.LINE_AA)    return framedef debugFrames(file):    cap = cv2.VideoCapture(file)    if(cap.isOpened()==False): print('Error opening the file, check its format')    cap.set(1, 100)    res, frame = cap.read()    #frame = pipeline(objpoints, imgpoints, frame) uncomment if using for    frame = pipeline(frame)    cv2.imshow('Frame', frame)    cv2.waitKey(10000)def processFrames(infile, outfile):    output = outfile    clip = VideoFileClip(infile)    processingClip = clip.fl_image(pipeline)    processingClip.write_videofile(output,fps=30, audio=True)def main(infile, outfile):    #objpoints, imgpoints = calibrate() uncomment, provided you have calibration pictures    processFrames(infile, outfile)if __name__ == "__main__":    infile = "..\\data\\dashcam_video_trim.mp4"    outfile = "..\\data\\dashcam_video_trim_output.mp4"    t1=time.time()    main(infile, outfile)    t2=time.time()    print(t2-t1)

结果如下：

结论

moviepy处理图片的帧比直接遍历快了7秒。速度提升了不少。
本例用到代码和资料详见：
https://download.csdn.net/download/hhhhhhhhhhwwwwwwwwww/86757342