Qt QML实现视频帧提取

news2025/3/18 5:30:18

## 前言

视频帧率(Frame Rate)是指视频播放时每秒显示的画面帧数,通常用fps(Frames Per Second)来表示。视频是由一系列静止的图像帧组成的,而视频帧率则决定了这些图像帧在单位时间内播放的速度。较高的视频帧率可以提供更流畅的视频画面,而较低的视频帧率则可能导致画面卡顿和不连贯的情况

在实际的应用开发中,经常会遇到需要处理视频的情况,例如提取视频帧用于图像处理、分析等应用。本文将介绍如何利用Qt QML实现视频帧的提取,通过简单的代码示例将图片提取保存到本地中。

## 效果

先看运行效果:

## 正文

本示例通过QML实现UI,Qt5.15 cmake编译,使用多线程处理提取,保证UI主线程不会卡顿,将提取的图片保存到本地。

提取部分,关键代码:

void FrameExtractor::stopProcessing()
{
    qDebug() << "停止帧提取处理";
    m_running.store(0);
    
    // 清空队列,避免处理不必要的帧
    QMutexLocker locker(&m_mutex);
    if (!m_frameQueue.isEmpty()) {
        qDebug() << "清空帧队列,当前队列长度: " << m_frameQueue.size();
        m_frameQueue.clear();
    }
    
    // 唤醒等待中的线程
    m_condition.wakeOne();
}

void FrameExtractor::processFrames()
{
    qDebug() << "开始处理视频帧";
    
    while (m_running.load()) {
        QVideoFrame frame;
        
        // 获取下一帧
        {
            QMutexLocker locker(&m_mutex);
            
            // 如果队列为空且没有更多帧,则结束处理
            if (m_frameQueue.isEmpty() && m_noMoreFrames.load()) {
                qDebug() << "队列为空且没有更多帧,结束处理";
                break;
            }
            
            // 如果队列为空,等待新帧
            if (m_frameQueue.isEmpty()) {
                qDebug() << "队列为空,等待新帧...";
                m_condition.wait(&m_mutex);
                qDebug() << "等待结束,继续处理";
                continue;
            }
            
            frame = m_frameQueue.dequeue();
            qDebug() << "从队列中获取一帧,当前队列长度: " << m_frameQueue.size();
        }
        
        // 处理帧
        if (frame.isValid()) {
            QVideoFrame cloneFrame(frame);
            if (cloneFrame.map(QAbstractVideoBuffer::ReadOnly)) {
                // 将视频帧转换为QImage
                QImage image;
                
                switch (cloneFrame.pixelFormat()) {
                case QVideoFrame::Format_RGB32:
                case QVideoFrame::Format_ARGB32:
                case QVideoFrame::Format_ARGB32_Premultiplied:
                    image = QImage(cloneFrame.bits(),
                                  cloneFrame.width(),
                                  cloneFrame.height(),
                                  cloneFrame.bytesPerLine(),
                                  QImage::Format_RGB32);
                    break;
                case QVideoFrame::Format_RGB24:
                    image = QImage(cloneFrame.bits(),
                                  cloneFrame.width(),
                                  cloneFrame.height(),
                                  cloneFrame.bytesPerLine(),
                                  QImage::Format_RGB888);
                    break;
                case QVideoFrame::Format_YUYV:
                case QVideoFrame::Format_UYVY:
                case QVideoFrame::Format_YUV420P:
                case QVideoFrame::Format_YV12:
                case QVideoFrame::Format_NV12:
                case QVideoFrame::Format_NV21:
                {
                    // 对于YUV格式,需要进行颜色空间转换
                    // 这里简化处理,将其转换为灰度图像
                    qDebug() << "处理YUV格式视频帧: " << cloneFrame.pixelFormat() 
                             << "宽度: " << cloneFrame.width() 
                             << "高度: " << cloneFrame.height();
                    
                    // 安全地创建灰度图像
                    image = QImage(cloneFrame.width(), cloneFrame.height(), QImage::Format_Grayscale8);
                    
                    // 只处理Y平面数据,避免访问UV平面导致的问题
                    const uchar *bits = cloneFrame.bits();
                    int bytesPerLine = cloneFrame.bytesPerLine();
                    
                    // 限制处理范围,避免越界访问
                    int maxHeight = qMin(cloneFrame.height(), image.height());
                    int maxWidth = qMin(cloneFrame.width(), image.width());
                    
                    try {
                        for (int y = 0; y < maxHeight; ++y) {
                            for (int x = 0; x < maxWidth; ++x) {
                                // 只取Y分量作为灰度值
                                uchar value = bits[y * bytesPerLine + x];
                                image.setPixelColor(x, y, QColor(value, value, value));
                            }
                        }
                        qDebug() << "YUV帧处理完成";
                    } catch (const std::exception &e) {
                        qDebug() << "处理YUV帧时发生异常: " << e.what();
                        // 如果发生异常,创建一个空白图像
                        image = QImage(cloneFrame.width(), cloneFrame.height(), QImage::Format_Grayscale8);
                        image.fill(Qt::black);
                    }
                    break;
                }
                default:
                    // 对于其他格式,尝试转换为RGB32
                    image = QImage(cloneFrame.bits(),
                                  cloneFrame.width(),
                                  cloneFrame.height(),
                                  cloneFrame.bytesPerLine(),
                                  QImage::Format_RGB32).copy();
                    break;
                }
                
                // 保存图像
                if (!image.isNull()) {
                    QString fileName = QString("%1/frame_%2.jpg")
                            .arg(m_outputDir)
                            .arg(m_extractedCount, 6, 10, QChar('0'));
                    
                    qDebug() << "正在保存图像到: " << fileName;
                    
                    if (image.save(fileName, "JPG")) {
                        m_extractedCount++;
                        qDebug() << "图像保存成功,已提取: " << m_extractedCount << "/" << m_frameCount;
                        emit progressUpdated(m_extractedCount, m_frameCount);
                    } else {
                        qDebug() << "图像保存失败: " << fileName;
                    }
                } else {
                    qDebug() << "无法保存空图像,跳过当前帧";
                }
                
                cloneFrame.unmap();
            }
        }
    }
    
    // 处理完成
    emit finished();
}

-----------------

本文代码下载

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2317008.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

在 Ubuntu 服务器上使用宝塔面板搭建博客

&#x1f4cc; 介绍 在本教程中&#xff0c;我们将介绍如何在 Ubuntu 服务器 上安装 宝塔面板&#xff0c;并使用 Nginx PHP MySQL 搭建一个博客&#xff08;如 WordPress&#xff09;。 主要步骤包括&#xff1a; 安装宝塔面板配置 Nginx PHP MySQL绑定域名与 SSL 证书…

有了大语言模型还需要 RAG 做什么

一、百炼平台简介 阿里云的百炼平台就像是一个超级智能的大厨房&#xff0c;专门为那些想要做出美味AI大餐的企业和个人厨师准备的。你不需要从头开始做每一道菜&#xff0c;因为这个厨房已经为你准备了很多预制食材&#xff08;预训练模型&#xff09;&#xff0c;你可以根据…

【从0到1搞懂大模型】RNN基础(4)

先说几个常用的可以下载数据集的地方 平台&#xff1a;kaggle&#xff08;https://www.kaggle.com/datasets&#xff09; 和鲸社区&#xff08;https://www.heywhale.com/home&#xff09; 阿里天池&#xff08;https://tianchi.aliyun.com/&#xff09; 其他&#xff1a;海量公…

【第K小数——可持久化权值线段树】

题目 代码 #include <bits/stdc.h> using namespace std;const int N 1e5 10;int a[N], b[N]; int n, m, len; int rt[N], idx; // idx 是点分配器struct node {int l, r;int s; } tr[N * 22];int getw(int x) {return lower_bound(b 1, b len 1, x) - b; }int bui…

本地部署Deep Seek-R1,搭建个人知识库——笔记

目录 一、本地部署 DeepSeek - R1 1&#xff1a;安装Ollama 2&#xff1a;部署DeepSeek - R1模型 3&#xff1a;安装Cherry Studio 二、构建私有知识库 一、本地部署 DeepSeek - R1 1&#xff1a;安装Ollama 1.打开Ollama下载安装 未科学上网&#xff0c;I 先打开迅雷再下…

【软考-架构】5.3、IPv6-网络规划-网络存储-补充考点

✨资料&文章更新✨ GitHub地址&#xff1a;https://github.com/tyronczt/system_architect 文章目录 IPv6网络规划与设计建筑物综合布线系统PDS&#x1f4af;考试真题第一题第二题 磁盘冗余阵列网络存储技术其他考点&#x1f4af;考试真题第一题第二题 IPv6 网络规划与设计…

fastapi+angular外卖系统

说明&#xff1a; fastapiangular外卖系统 1.美食分类&#xff08;粥&#xff0c;粉&#xff0c;面&#xff0c;炸鸡&#xff0c;炒菜&#xff0c;西餐&#xff0c;奶茶等等&#xff09; 2.商家列表 &#xff08;kfc&#xff0c;兰州拉面&#xff0c;湘菜馆&#xff0c;早餐店…

鸿蒙路由 HMRouter 配置及使用 三 全局拦截器使用

1、前期准备 简单封装一个用户首选项的工具类 import { preferences } from "kit.ArkData";// 用户首选项方法封装 export class Preferences {private myPreferences: preferences.Preferences | null null;// 初始化init(context: Context, options: preference…

计算机视觉——深入理解卷积神经网络与使用卷积神经网络创建图像分类算法

引言 卷积神经网络&#xff08;Convolutional Neural Networks&#xff0c;简称 CNNs&#xff09;是一种深度学习架构&#xff0c;专门用于处理具有网格结构的数据&#xff0c;如图像、视频等。它们在计算机视觉领域取得了巨大成功&#xff0c;成为图像分类、目标检测、图像分…

永磁同步电机无速度算法--拓展卡尔曼滤波器

一、原理介绍 以扩展卡尔曼滤波算法为基础&#xff0c;建立基于EKF算法的估算转子位置和转速的离散模型。 实时性是扩展卡尔曼滤波器的一种特征&#xff0c;所以它可实时跟踪系统的状态并进行有效的输出&#xff0c;同时&#xff0c;它可以减少干扰、抑制噪声&#xff0c;其效…

【CF】Day9——Codeforces Round 953 (Div. 2) BCD

B. New Bakery 题目&#xff1a; 思路&#xff1a; 被标签害了&#xff0c;用什么二分&#xff08; 很简单的思维题&#xff0c;首先如果a > b&#xff0c;那么全选a就行了&#xff0c;还搞啥活动 否则就选 b - a 天来搞活动&#xff0c;为什么&#xff1f; 首先如果我…

harmonyOS NEXT开发与前端开发深度对比分析

文章目录 1. 技术体系概览1.1 技术栈对比1.2 生态对比 2. 开发范式比较2.1 鸿蒙开发范式2.2 前端开发范式 3. 框架特性对比3.1 鸿蒙 Next 框架特性3.2 前端框架特性 4. 性能优化对比4.1 鸿蒙性能优化4.2 前端性能优化 5. 开发工具对比5.1 鸿蒙开发工具5.2 前端开发工具 6. 学习…

Unity小框架之单例模式基类

单例模式&#xff08;Singleton Pattern&#xff09;是一种常用的创建型设计模式&#xff0c;其核心目标是确保一个类只有一个实例&#xff0c;并提供一个全局访问点。它常用于需要控制资源访问、共享配置或管理全局状态的场景&#xff08;如数据库连接池、日志管理器、应用配置…

cesium 实现万级管网数据渲染,及pickImageryLayerFeatures原生方法改写

需求背景解决效果getFeatureInfo 需求背景 在用 geoserver 渲染图层时&#xff0c;会自动触发 GetFeatureInfo &#xff0c;与服务器通信&#xff0c;在万级海量数据渲染下&#xff0c;这个性能消耗就可以感受到了 需要考虑的点&#xff1a; 1.通过enablePickFeatures&#xf…

基于金融产品深度学习推荐算法详解【附源码】

深度学习算法说明 1、简介 神经网络协同过滤模型(NCF) 为了解决启发式推荐算法的问题&#xff0c;基于神经网络的协同过滤算法诞生了&#xff0c;神经网络的协同过滤算法可以 通过将用户和物品的特征向量作为输入&#xff0c;来预测用户对新物品的评分&#xff0c;从而解决…

LVS + Keepalived 高可用集群

一、LVSKeepalived 原理 1.1.LVS 负载均衡原理 LVS&#xff08;Linux Virtual Server&#xff09;是一种基于 Linux 内核的负载均衡技术&#xff0c;它通过 IPVS&#xff08;IP Virtual Server&#xff09;模块来实现。LVS 可以将客户端的请求分发到多个后端服务器上&#xf…

PHP与数据库连接常见问题及解决办法

PHP与数据库连接常见问题及解决办法 在现代Web开发中&#xff0c;PHP与数据库的连接是不可或缺的一部分。无论是构建动态网站、内容管理系统&#xff08;CMS&#xff09;还是电子商务平台&#xff0c;PHP与数据库的交互都是核心功能之一。然而&#xff0c;在实际开发过程中&am…

HarmonyOS-应用程序框架基础

应用程序框架与应用模型的区别 应用框架可以看做是应用模型的一种实现方式&#xff0c;开发人员可以用应用模型来描述应用程序的结构和行为的描述&#xff0c;然后使用应用程序框架来实现这些描述。 应用模型 应用模型是一个应用程序的模型&#xff0c;它是一种抽象的描述&a…

使用 Doris 和 LakeSoul

作为一种全新的开放式的数据管理架构&#xff0c;湖仓一体&#xff08;Data Lakehouse&#xff09;融合了数据仓库的高性能、实时性以及数据湖的低成本、灵活性等优势&#xff0c;帮助用户更加便捷地满足各种数据处理分析的需求&#xff0c;在企业的大数据体系中已经得到越来越…

【C语言】函数和数组实践与应用:开发简单的扫雷游戏

【C语言】函数和数组实践与应用&#xff1a;开发简单的扫雷游戏 1.扫雷游戏分析和设计1.1扫雷游戏的功能说明&#xff08;游戏规则&#xff09;1.2游戏的分析与设计1.2.1游戏的分析1.2.2 文件结构设计 2. 代码实现2.1 game.h文件2.2 game.c文件2.3 test.c文件 3. 游戏运行效果4…