【Python】OpenCV激活实时摄像头+创建多线程提升FPS

本文介绍了如何使用OpenCV和多线程技术优化Webcam的帧率,通过myThread类实现并发读取和显示视频帧,以提高实时视频处理速度。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

使用OpenCV激活Webcam:

import cv2
from imutils.video import FPS

cap = cv2.VideoCapture(0)
fps = FPS().start()

while True:
    ret, frame = cap.read()
    cv2.imshow('frame', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
    fps.update()

fps.stop()
print("[INFO] approx. FPS: {:.2f}".format(fps.fps()))

cap.release()
cv2.destroyAllWindows()

创建多线程提升FPS:

import numpy as np
import cv2
import threading
from copy import deepcopy
from imutils.video import FPS

thread_lock = threading.Lock()
thread_exit = False

class myThread(threading.Thread):
    def __init__(self, camera_id, img_height, img_width):
        super(myThread, self).__init__()
        self.camera_id = camera_id
        self.img_height = img_height
        self.img_width = img_width
        self.frame = np.zeros((img_height, img_width, 3), dtype=np.uint8)

    def get_frame(self):
        return deepcopy(self.frame)

    def run(self):
        global thread_exit
        cap = cv2.VideoCapture(self.camera_id)
        while not thread_exit:
            ret, frame = cap.read()
            if ret:
                frame = cv2.resize(frame, (self.img_width, self.img_height))
                thread_lock.acquire()
                self.frame = frame
                thread_lock.release()
            else:
                thread_exit = True
        cap.release()

def main():
    global thread_exit
    camera_id = 0
    img_height = 480
    img_width = 640
    thread = myThread(camera_id, img_height, img_width)
    thread.start()

    fps = FPS().start()

    while not thread_exit:
        thread_lock.acquire()
        frame = thread.get_frame()
        thread_lock.release()
        if frame.any()==0:
            continue
        else:
            cv2.imshow('Video', frame)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            thread_exit = True
        fps.update()

    thread.join()
    fps.stop()
    print("[INFO] approx. FPS: {:.2f}".format(fps.fps()))

if __name__ == "__main__":
    main()

参考:[1] [2]

### 提高Python OpenCV打开USB摄像头速度的方法 为了提升使用OpenCV通过Python访问USB摄像头的速度,可以采取多种措施优化性能。具体方法包括调整摄像头参数、选择合适的API后端以及采用多线程处理技术。 #### 调整摄像头属性设置 当初始化`VideoCapture`对象时,默认情况下可能不会自动配置最佳的分辨率和帧率组合。可以通过手动设定这些参数来改善数据流的质量: ```python import cv2 as cv cap = cv.VideoCapture(0) # 设置更高的分辨率以减少模糊度并增加细节量 cap.set(cv.CAP_PROP_FRAME_WIDTH, 1920) cap.set(cv.CAP_PROP_FRAME_HEIGHT, 1080) # 尝试提高每秒传输的画面数量(FPS),这有助于加快视频播放速率 cap.set(cv.CAP_PROP_FPS, 30)[^4] ``` 上述代码片段展示了如何利用`set()`函数修改捕获设备的各项特性,从而达到加速目的。值得注意的是,并不是所有的硬件都支持指定的最大值;因此,在实际应用过程中应当依据具体情况灵活调整数值大小。 #### 更改使用的API插件 不同的操作系统平台提供了各自的多媒体框架用于管理外部连接装置。对于某些特定型号而言,切换到更高效的接口可能会带来显著的效果改进。例如,在Windows环境下推荐尝试VFW(Cap)或DShow(DirectShow),而在Linux上则可考虑使用v4l/v4l2(video4linux): ```python # Windows下优先选用DirectX作为底层驱动程序 cap = cv.VideoCapture(0 + cv.CAP_DSHOW) # 或者在Linux系统中启用video4linux2 cap = cv.VideoCapture(0 + cv.CAP_V4L2)[^1] ``` 这里需要注意的是并非所有版本的OpenCV都能良好兼容各个选项,所以在遇到问题时应该查阅官方文档获取最新指导说明。 #### 实施异步抓图机制 如果单纯依靠主线程完成整个图像采集流程,则很容易因为I/O操作耗时较长而造成整体效率低下。为此引入辅助工作单元负责单独执行读取任务不失为一种有效的解决方案之一: ```python from threading import Thread import queue import time class CameraBufferCleanerThread(Thread): def __init__(self, camera=cv.VideoCapture(0)): super().__init__() self.camera = camera self.current_frame = None self.running = True def run(self): while self.running: ret, frame = self.camera.read() if not ret or frame is None: continue q.put(frame) q = queue.Queue(maxsize=1) thread = CameraBufferCleanerThread() thread.start() try: while True: try: img = q.get(timeout=.5) # 显示图片窗口 cv.imshow('frame', img) keypress = cv.waitKey(1) & 0xFF if keypress == ord('q'): break except queue.Empty: pass finally: thread.running = False thread.join()[^2] ``` 这段脚本创建了一个独立运行的工作线程持续不断地向队列推送最新的画面信息,与此同时主循环仅需简单取出所需元素即可立即呈现给用户观看。这样既保证了流畅性又降低了CPU占用率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值