Python 处理视频文件的实用姿势
感觉这辈子，最深情绵长的注视，都给了手机。
视频是目前最热门的领域之一。
各平台争先推出便捷工具，自带滤镜和玩法，普通人也能轻松制作精美视频。
也有不少团队实现了批量视频制作，拥有更高产能，运营效率也更高。
现在手机上的剪映，电脑的爱剪辑，已经足够我们应付日常视频处理需求。再专业点，也可以用PR、FinalCut、Edius等软件处理。这些软件都提供可视化的编辑，可以边剪辑边预览。
但对于那些工作流程相对固定、产能要求高的操作，更适合机器处理。当人睡觉时，机器依旧在剪辑。
甚至如果需要支持多团队的视频处理，可以考虑把剪辑工作搬到云上，随时扩大处理能力。
视频可以看成是连续的图片，如果你看过翻书做的动画就能马上理解。
当连续的图片切换足够快时（主流认为每秒24帧），我们就会感受到平滑的视觉效果。
和音频类似，视频的清晰度，主要由帧率和每帧图像的清晰度（即分辨率）决定。
但需要注意的是：对于已有视频，提高帧率和分辨率，并不能让视频更清晰，因为信息无法凭空还原。
当然，这是人工智能的研究领域之一，俗称“AI修图”，把不清晰的变得更清晰。
比如前阵子火爆B站的老北京AI修复视频：
视频文件本身是个容器，内含音频、视频、字幕等信息，独立字幕是文本文件，音视频经编码后保存。
上一章已经介绍过ffmpeg，它是开源软件中处理视频的最佳选择，不少Python三方模块在处理音视频时，都会调用其编码和读写文件的能力。
Python处理视频主要有3类模块：
opencv-python，由于视频本质上就是连续的图像，所以图像处理模块也能处理视频中的每一帧图像。最后对视频的编码和读写会依赖ffmpeg完成。ffmpeg-python，这类模块是对ffmpeg的命令包装，相当于用Python调用ffmepg的命令。moviepy，提供了便捷的视频处理接口，文件编码和读写也依赖ffmpeg。
其中，moviepy使用门槛低，足够应付最常见的需求，如截取、拼接、简单转场和特效等。
模块安装：pip install moviepy
它的基本工作原理可以概括为：
基于
ffmpeg读写视频文件。基于
numpy、scipy、opencv、PIL处理内部图像数据。两大核心类：
AudioClip、VideoClip分别处理音频和视频。
如果要在视频中增加图形或文字，需要提前安装ImageMagick软件。
ImageMagick的安装在Mac上稍微复杂些，因为它基于X11框架。
分两步安装：
安装
XQuartz：即X11框架的MacOS版实现。Homebrew安装软件：brew install imagemagick
本文将以moviepy为主介绍视频处理，图像特效等部分会兼用opencv和skimage等模块。
视频处理的常见场景包括：
分段截取：剪掉前几秒或后几秒，或取中间某段
素材提取：音频提取，视频截图
清晰调整：帧率、分辨率
倍速播放：加速、减速
格式转换：视频编码选择、GIF转换
视频拼接：如添加片头、添加片尾
视频剪裁：裁剪某个区域内容
水印处理：加文字水印、加图片水印、加动画水印
视频特效：镜像、滤镜、过长切换、遮照
字幕处理：提取字幕，添加字幕
智能处理：人脸追踪、马赛克、换脸
下面分成4个部分介绍：基本使用、拼接裁剪、效果水印、智能处理。
基本使用
视频的基本处理包括：文件读写、分段截取、音量调整、素材提取、清晰度参数、倍速播放、格式转换。
视频拼接和裁剪
视频拼接是指在时间维度上，把多个视频段连起来，常见如每个视频的片头片尾。
视频裁剪是指在屏幕上划出一个区域当成新的视频。
效果处理和水印
对视频中的每一帧图像应用滤镜，就是对视频应用滤镜。
滤镜可以是变换色彩风格，也可以是应用遮照。
所以视频水印原理与图像一致，可以加文字、图片和动画水印。
此外，在视频片段间连接时，可以增加一些淡入淡出的过场效果。
moviepy最核心的3个方法：
fl_image：处理每一帧图像，比如添加元素、应用遮照。fl_time：处理时间相关特效，比如动态变速。fl：同时处理时间和每一帧图像。
在使用时，优先用前两个，有时会加快渲染速度。
此外moviepy通过vfx包提供了很多内置特效功能。
效果处理
关于动态遮照，目前官方代码moviepy.video.tools.drawing.color_gradient有点小问题。
动态遮照的本质，是对每一帧图像应用动态生成的遮照。
由于moviepy内部使用numpy.ndarray格式存储数据，我们可以选择opencv、scikit-image来处理动态的遮照图像。
这里就以scikit-image来演示，模块安装：pip install scikit-image。
scikit-image基本画图方法
先看下scikit-image的基本图形绘制方法：
线：
skimage.draw.line实心圆：
skimage.draw.circle空心圆：
skimage.draw.circle_perimeter多边形：
skimage.draw.polygon椭圆：
skimage.draw.ellipse空心椭圆：
skimage.draw.ellipse_perimeter贝塞尔曲线：
skimage.draw.bezier_curve
具体参数官方都有详细解释，就不列了。
动态遮照
水印处理
视频水印的处理，可以把原视频和水印用CompositeVideoClip方法合并。
关于去水印的主要4种思路参考：
通过裁剪，把包含水印部分去除，最简单但会丢失部分信息。
把水印部分模糊化，或另一个水印覆盖原水印，相当于涂抹。
拿到水印原文件，尝试透明度反向减除，不能100%但有时可做到肉眼不可见。
基于算法消除，目前大部分速度很慢，一张图都得几十秒，更不用说视频。
智能处理
视频相关的智能处理，可以分解到对字幕、图像、音频的处理。
如：生成字幕、人脸追踪、视频分类等。
字幕提取
关于字幕提取的3个思路：
字幕如果是嵌入在视频文件中，就可以通过
ffmpeg命令直接提取字幕srt文件。更多时候字幕和视频渲染在一起，即所谓“硬字幕”，这时就需要靠算法识别。
算法识别字幕有两种方式：从音频里提取（即上一章的STT），或从图像里提取（即OCR技术）。
OCR技术中较出名的如Google的tesseract项目，它能识别100多种语言。之前介绍过的百度paddlehub也有文字识别的模型。
从效果上看，paddlehub在图像的中文识别方面更优。
处理方式也很简单：
从视频里抽取图像。
调用
paddlehub识别图片里的文字。
注意还需要安装2个模块：pip install shapely pyclipper。
在实战中更推荐STT方式提取字幕。除了之前推荐的云平台之外，平时也可以使用如网易见外、讯飞听见等在线应用。
人脸追踪
2019年ZAO换脸曾风靡一时，它就是人脸追踪的一种应用，而且实现了追踪后替换融合的效果。
此外我们经常看到一些新闻里会对人脸动态打马赛克，其基本原理如下：
找到每一帧图像中的人脸位置，记录下数据。
处理每一帧图像，对人脸打马赛克。
我们通过结合moviepy和paddlehub可以很容易实现。
如果想要实现类似ZAO换脸一样的效果，除了定位人脸，还得实现图像融合。
比较热门的一个开源项目faceswap，实现了换脸算法。有兴趣可以看我Notebook的记录，对硬件要求较高，需要训练自己的模型，速度很慢。
也可以用paddlehub来识别人脸，它提供了不少训练模型，如:
人体结构标注：
ace2p人脸识别：
ultra_light_fast_generic_face_detector_1mb_640人脸结构标注：
face_landmark_localization
可以比较容易识别出人脸模型，但想要融合，则需要借助额外的模型，如图像风格迁移StarGAN。
视频分割属于人工智能的前沿研究领域，尤其是视频软分割 (video matting) 算法，感兴趣的可以关注人工智能顶级会议：CVPR，每年都会有一些新算法被提出。
总结
本文介绍了视频文件的处理方法，主要介绍了moviepy在日常视频处理中的应用，以及借助人工智能算法实现一些特殊的效果，如人脸追踪打马赛克、字幕提取等。
paddlehub项目里还有不少有趣的训练模型，我们可以借助它结合moviepy玩出很多新奇的效果。
比如，复制视频里的人物、生成艺术风格视频等。
想了解的可以入群获取，前100名免费。
版权声明: 本文为 InfoQ 作者【程一初】的原创文章。
原文链接:【http://xie.infoq.cn/article/b4904c8e7aa2d8413bc06316f】。文章转载请联系作者。
公众号：只差一个程序员了 2018.05.15 加入
技术运营，增长黑客。
评论