Python视频帧处理核心是读帧→处理→写帧闭环：用cv2.VideoCapture逐帧提取，NumPy数组操作图像，再用VideoWriter合成，注意帧率、尺寸、编码器一致及内存优化。
用Python做视频帧处理，核心是把视频拆成帧、逐帧操作、再合成——不依赖复杂框架也能快速上手。
读取视频并逐帧提取
用OpenCV的cv2.VideoCapture打开视频，通过循环+cap.read()获取每一帧（返回布尔值和NumPy数组）。注意检查是否成功读取，避免空帧导致崩溃。
- 设置cap.set(cv2.CAP_PROP_POS_FRAMES, n)可跳转到指定帧号
- 用cap.get(cv2.CAP_PROP_FPS)获取原始帧率，后续合成时需保持一致
- 若视频过大，可先用cap.set(cv2.CAP_PROP_FRAME_WIDTH/HEIGHT)缩放分辨率降低内存压力
对单帧做常见图像处理
每一帧本质是三维NumPy数组（H×W×3），可用OpenCV或PIL直接操作。比如灰度化、边缘检测、目标框绘制、颜色空间转换等。
- 灰度：用cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
- 二值化：配合cv2.threshold设定阈值分割前景背景
- 画框：用cv2.rectangle(frame, (x1,y1), (x2,y2), (0,255,0), 2)标出检测区域
- 叠加文字：用cv2.putText在帧上打时间戳或识别结果
保存处理后的帧或重新合成视频
处理完的帧可单独保存为图片（如PNG/JPEG），也可用cv2.VideoWriter写回视频文件。
立即学习“Python免费学习笔记（深入）”；
- 初始化Writer需指定编码器（如'mp4v'）、帧率、尺寸，且必须与原视频一致
- 写入前确保帧是uint8类型、BGR顺序（OpenCV默认），否则画面可能发紫或全黑
- 合成MP4推荐用'avc1'编码（需系统支持），或退而求其次用'XVID'生成AVI
优化与避坑提示
实际跑脚本常遇到卡顿、内存爆满或输出异常，几个关键点要盯住：
- 不用frame.copy()无脑保留所有帧在内存里——边处理边写入，或只缓存关键帧
- 多线程慎用：OpenCV的VideoCapture非线程安全，建议单线程读帧+多进程处理（用concurrent.futures.ProcessPoolExecutor）
- 中文路径/文件名会导致OpenCV读写失败，统一用英文命名或改用cv2.imencode+np.frombuffer绕过
- 处理前后加cv2.waitKey(1) & 0xFF == ord('q')可随时按Q退出循环
基本上就这些。掌握读帧→处理→写帧这个闭环，就能完成裁剪、滤镜、OCR标注、运动检测等大部分基础视频任务。
