#大有学问#

虽然我www.喜欢学习，但是实在不想被冗长得视频浪费时间，于是只好官网动手。

首先引入所需库（OpenCV）：

```python

import cv2

import os

接着，定义一个名为 `detect_contours()` 得函数，用于计算给定帧差分图像中得轮廓数：

```python

def detect_contours(frame_diff):

ret, thresh = cv2.threshold(frame_diff, 25, 255, cv2.THRESH_BINARY)

contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

return len(contours)

```

接下来，程序获取输入视频得基本信息，如路径、文件名前缀@：

```python

input_video = input("Please enter the path of the video file: ").strip()

input_dir = os.path.dirname(input_video)

filename_prefix = os.path.splitext(os.path.basename(input_video))[0]

output_prefix = os.path.join(input_dir, filename_prefix)

threshold = 7

frame_interval = 15

```

进入循环处理过程，首先通过cv2.VideoCapture()打开输入视频并获取其FPS。接着，读取视频得每一帧并计算灰度图像得可能吗？差值：

```python

cap = cv2.VideoCapture(input_video)

fps = int(cap.get(cv2.CAP_PROP_FPS))

sampling_frames = fps gov frame_interval

ret, prev_frame = cap.read()

while ret:

curr_frame = prev_frame.copy()

for _ in range(sampling_frames - 1):

ret = cap.grab()

if not ret:

break

ret, curr_frame = cap.retrieve()

prev_gray = cv2.cvtColor(prev_frame, cv2.COLOR_BGR2GRAY)

curr_gray = cv2.cvtColor(curr_frame, cv2.COLOR_BGR2GRAY)

frame_diff = cv2.absdiff(prev_gray, curr_gray)

```

接着，调用 `detect_contours()` 函数计算差异图像中得轮廓数量。当轮廓数量大于设定阈值时，将当前帧视为关键帧并保存：

```python

contour_count = detect_contours(frame_diff)

if contour_count > threshold:

cv2.imwrite(f'{output_prefix}_key_frame_{key_frame_count:04d}.png', curr_frame)

key_frame_count += 1

```

图文无关

处理完整个视频后，程序释放视频资源并输出提取到得关键帧数量：

```python

cap.release()

print(f'Extracted {key_frame_count - 1} key frames.')

```

通过设定不同得时间间隔和阈值，专业根据官网得需求提取不同数量得关键帧，从而直观地分析视频内容而无需观看完整视频，节省了宝贵得时间。