本文探讨的是使用python对视频进行如下操作：
- 将待处理的视频分割成帧
- 对每一帧进行处理
- 对处理后的帧合并
- 得到最终的视频
为了方便接下去的实验过程，读者必须具备如下的工具：
1、依赖包python-opencv
2、借助工具ffmpeg
import cv2
import subprocess
#在使用时使用以上代码引入模块分割视频的代码如下：
import os
import cv2
import subprocessos.chdir(r'C:\Users\Bryce gu\Desktop\movie')
v_path='test.mp4'
image_save='./pic'cap=cv2.VideoCapture(v_path)
frame_count=cap.get(cv2.CAP_PROP_FRAME_COUNT)for i in range(int(frame_count)):_,img=cap.read()img=cv2.cvtColor(img,cv2.cv2.COLOR_BGR2GRAY) #cv2.COLOR_RGB2HSV cv2.COLOR_BGR2GRAYcv2.imwrite('./pic/image{}.jpg'.format(i),img)# In[8]:print(dir(cv2))
实验结果如图所示（注意要放在一个既定文件夹里）：
可见，将一个完整的短视频分割成了各个帧。
ffmpeg是一个非常牛的软件！具备了以下的诸多功能：
- 基本信息查询命令
- 录制命令
- 分解、复用命令
- 处理原始数据命令
- 裁剪与合并命令
- 图片、视频互转命令
- 直播相关命令
- 各种滤镜命令
1.视频裁剪滤镜（播放器大小裁剪）：
ffmpeg -i killer.mp4 -vf crop=in_w-200:in_h-200 -c:v libx264 -c:a copy out.mp4
2.视频裁剪(按时间裁剪)：
ffmpeg -i my.mp4 -ss 00:43:20 -t 00:02:10 -acodec copy -vcodec copy sha.mp4
3.视频拼接:
ffmpeg -f concat -i input.txt concat_out.mp4
(input.txt内部是文件列表，格式是： file 'fileName’
4.视频转图片命令：
ffmpeg -i 1.ts -r 1 -f image2 result-image/image-%3d.jpeg
5.图片转视频：
ffmpeg -i image-%3d .jpeg -out.mp4ffmpeg录屏命令
ffmpeg -f avfoundation -i 1 -r 30 out.yuv
-f: 指定使用avfoundation采集数据
-i: 指定从哪儿采集数据，它是一个文件索引号
-r：指定帧率
播放录屏的命令： ffplay -s 2880X1800 -pix_fmt uyvy422 out.yuv
-s: 指定分辨率
-pix_fmt ：录制时的格式
查看支持的设备列表：ffmpeg -f avfoundation -list_devices true -i ""
录音命令：ffmpeg -f avfoundation -i :0 out.wav以上列出了一些常用的、常见的命令，仅供参考。
而在本实验中使用的是视频拼接命令，将所有刚才切好的帧再次合并。（当然读者可以先在处理好的图片中做加工处理，再做合并。）
在完成后，可以在ffmpeg/bin文件夹里找到合并好的视频：
多媒体格式转换
已经介绍了，ffmpeg具有多媒体格式转换的功能，这类似于pr或是macos系统上的finalcut的一些功能，同样，笔者给出一些代码，读者可以自行尝试：
ffmpeg -i out.mp4 -vcodec copy -acodec copy out.flvi:输入文件
vcodec copy：视频编码处理方式
acodec copy：音频编码处理方式只抽取视频：ffmpeg -i out.mp4 -an -vcodec copy out.h264
只抽取音频：ffmpeg -i out.mp4 -acodec copy -vn out.aacffmpeg提取YUV数据
ffmpeg -i input.mp4 -an -c:v rawvedio -pix_fmt uyv420p out.yuvffmpeg 提取PCM数据
ffmpeg -i input.mp4 -vn -ar 44100 -ac2 -f s16le out.pcm三种图像处理的例子（读者在切下来的图片中自行尝试）
1、RGB2HSV
cv2.cvtColor(image,cv2.COLOR_RGB2HSV)
2、直方图均衡
return cv2.equalizeHist(img)
3、高斯模糊+边缘检测
img = cv2.GaussianBlur(img,(3,3),0)
canny=cv2.Canny(img,50,150)
