视频处理在OpenCV中处于极为重要的地位，目标实时跟踪等各种实时图像处理算法都是以视频为基础。
从相机捕获视频
首先我们来了解一下使用电脑自带的相机来进行捕获视频。通常，我们必须使用摄像机捕获实时流。OpenCV提供了一个非常简单的界面来执行此操作。让我们从相机捕获视频(我使用笔记本电脑上的内置网络摄像头)，我们需要了解几个函数：
cap = cv2.VideoCapture(0)
VideoCapture()中参数是0，表示打开笔记本的内置摄像头，参数是视频文件路径则打开视频，如cap = cv2.VideoCapture("../test.avi")，当然了，如果你外接的有其他的摄像头，那就可以选用其他的参数例如1从而调用它。
ret,frame = cap.read()
cap.read()按帧读取视频，ret,frame是获cap.read()方法的两个返回值。其中ret是布尔值，如果读取帧是正确的则返回True，如果文件读取到结尾，它的返回值就为False。frame就是每一帧的图像，是个三维矩阵，我们都知道视频是由一帧一帧的图像连续组成的，OpenCV在对图像处理时就是对每一帧的图像进行快速处理。
cv2.waitkey()
waitKey()方法本身表示等待键盘输入，参数是1，表示延时1ms切换到下一帧图像，对于视频而言；参数为0，如cv2.waitKey(0)只显示当前帧图像，相当于视频暂停,；参数过大如cv2.waitKey(1000)，会因为延时过久而卡顿感觉到卡顿。
c得到的是键盘输入的ASCII码，esc键对应的ASCII码是27，即当按esc键是if条件句成立。
release()
调用release()释放摄像头，调用destroyAllWindows()关闭所有图像窗口。
现在我们首先进行代码实验，之后会进行一些说明：import numpy as np
import cv2 as cv
cap = cv.VideoCapture(0)
if not cap.isOpened():
print("Cannot open camera")
exit()
while True:
# Capture frame-by-frame
ret, frame = cap.read()
# if frame is read correctly ret is True
if not ret:
print("Can't receive frame (stream end?). Exiting ...")
break
# Our operations on the frame come here
# gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
# Display the resulting frame
cv.imshow('frame', gray)
if cv.waitKey(1) == ord('q'):
break
# When everything done, release the capture
cap.release()
cv.destroyAllWindows()
isOpened可以确定摄像头是否被打开，如果打开则继续，如果未成功打开则自动退出。前面的时候我们已经讲过，frame所指代的，就是摄像头视频的每一帧图像，所以在显示时，我们也是显示每一帧。如果对每一帧图像都进行灰度化处理，那么所显示的视频就是灰度化视频，当然，关于灰度化现在还没有讲到，但是可以先做个小实验，我们来看代码：import numpy as np
import cv2 as cv
cap = cv.VideoCapture(0)
if not cap.isOpened():
print("Cannot open camera")
exit()
while True:
# Capture frame-by-frame
ret, frame = cap.read()
# if frame is read correctly ret is True
if not ret:
print("Can't receive frame (stream end?). Exiting ...")
break
# Our operations on the frame come here
gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
# Display the resulting frame
cv.imshow('frame', gray)
if cv.waitKey(1) == ord('q'):
break
# When everything done, release the capture
cap.release()
cv.destroyAllWindows()
大家自己实验，体验一下效果。或许有的人已经发现了，我们的视频跟实际中好像是相反的，属于镜像效果，我们可以取消这种效果，在这里需要介绍一个函数，后面在图像增强部分也会介绍到：
cv2.flip ()
函数原型：flip(src, flipCode[, dst])
src代表输入的图像，我么你来看一下flipCode的参数表：
现在我们加入这行代码：import numpy as np
import cv2 as cv
cap = cv.VideoCapture(0)
if not cap.isOpened():
print("Cannot open camera")
exit()
while True:
# Capture frame-by-frame
ret, frame = cap.read()
frame = cv.flip(frame, 1)
# if frame is read correctly ret is True
if not ret:
print("Can't receive frame (stream end?). Exiting ...")
break
# Our operations on the frame come here
gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
# Display the resulting frame
cv.imshow('frame', gray)
if cv.waitKey(1) == ord('q'):
break
# When everything done, release the capture
cap.release()
cv.destroyAllWindows()
再实验会发现图像已经没有那种镜像效果了。
从文件播放视频
从文件播放视频与从摄像机捕获视频相同，只是将摄像机索引更改为视频文件名。另外，在显示框架时，请使用适当的时间cv.waitKey()。如果太少，则视频将非常快，而如果太高，则视频将变得很慢(嗯，这就是显示慢动作的方式)。正常情况下25毫秒就可以了。
给出实例代码：import cv2 as cv
cap = cv.VideoCapture('test.avi')
while cap.isOpened():
ret, frame = cap.read()
# if frame is read correctly ret is True
if not ret:
print("Can't receive frame (stream end?). Exiting ...")
break
cv.imshow('frame', frame)
if cv.waitKey(25) == ord('q'):
break
cap.release()
cv.destroyAllWindows()
保存视频
当我们想要保存图像的时候，，这非常简单：只需使用cv2.imwrite()。而当我们想要保存视频的时候，需要做更多的工作。
这次我们创建一个VideoWriter对象。我们应该指定输出文件名(例如：output.avi)。然后，我们应指定FourCC代码(下一段中的详细信息)。然后应传递每秒的帧数(fps)和帧大小。最后一个是isColor标志。如果为True，则编码器需要彩色框，否则将与灰度框一起使用。
FourCC是一个4字节的代码，用于指定视频编码器以及****。可用代码列表可在fourcc.org中找到，它取决于平台。在Fedora中：DIVX，XVID，MJPG，X264，WMV1，WMV2。(最好使用XVID。MJPG可以生成大尺寸的视频。X264提供非常小的尺寸的视频)
在Windows中：DIVX(尚待测试和添加)
在OSX中：MJPG(.mp4)，DIVX(.avi)，X264(.mkv)。
FourCC代码作为MJPG的`cv.VideoWriter_fourcc('M'，'J'，'P'，'G')or cv.VideoWriter_fourcc(*'MJPG')`传递。
以下代码从摄像机捕获，在垂直方向上翻转每一帧，然后保存视频：import numpy as np
import cv2 as cv
cap = cv.VideoCapture(0)
# Define the codec and create VideoWriter object
fourcc = cv.VideoWriter_fourcc(*'XVID')
out = cv.VideoWriter('output.avi', fourcc, 20.0, (640, 480))
while cap.isOpened():
ret, frame = cap.read()
if not ret:
print("Can't receive frame (stream end?). Exiting ...")
break
frame = cv.flip(frame, 1)
# write the flipped frame
out.write(frame)
cv.imshow('frame', frame)
if cv.waitKey(1) == ord('q'):
break
# Release everything if job is finished
cap.release()
out.release()
cv.destroyAllWindows()
大家可以自己尝试演示效果。
视频处理的部分基本上就结束了，以上介绍到的将是以后学习中非常重要的基础。而事实上，OpenCV中对于视频的处理也有更多的操作，现在介绍最后一个函数：
VideoCapture.get()
由于前面我们已经指定cap = cv.VideoCapture(0)，所以调用此函数只需用cap.get()，get中将传入参数，给出参数表：
共有18个参数，而至于相关的代码，请大家自己实验，可以使用print函数输出视频的详细信息。
的使用)
