1. 核心推荐：OpenCV (cv2) - 这是你应该首先学习的库。
2. 其他重要库 - 了解 OpenCV 的替代品和补充。
3. 一个完整的项目示例 - 结合摄像头和视频文件进行实时处理。
4. 常见问题与最佳实践 - 帮助你避开坑。

核心推荐：OpenCV (cv2)

OpenCV (Open Source Computer Vision Library) 是一个功能极其强大的计算机视觉和机器学习软件库，它的 VideoCapture 模块是进行视频捕获的利器。

安装

你需要安装 OpenCV,在终端或命令行中运行：

pip install opencv-python

为了支持更多视频格式（如 MP4），你可能还需要安装 opencv-contrib-python：

pip install opencv-contrib-python

基本用法

cv2.VideoCapture 是核心类,它可以从摄像头或视频文件中捕获视频。

A. 从摄像头捕获

这是最常见的用法，比如打开笔记本的内置摄像头或连接的 USB 摄像头。

import cv2
# 0 通常是默认的摄像头ID，如果有多个摄像头，可以尝试 1, 2, ...
cap = cv2.VideoCapture(0)
# 检查摄像头是否成功打开
if not cap.isOpened():
    print("无法打开摄像头")
    exit()
while True:
    # `ret` 是一个布尔值，如果成功读取到帧，则为 True
    # `frame` 是当前捕获到的图像帧 (一个 NumPy 数组)
    ret, frame = cap.read()
    # 如果没有读取到帧，说明视频结束或出错
    if not ret:
        print("无法获取帧 (流结束?)，正在退出...")
        break
    # 显示捕获到的帧
    cv2.imshow('Camera Feed', frame)
    # 等待按键，如果按下 'q' 键，则退出循环
    # cv2.waitKey(1) 会等待 1 毫秒
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
# 释放摄像头资源
cap.release()
# 关闭所有由 OpenCV 创建的窗口
cv2.destroyAllWindows()

B. 从视频文件捕获

这个过程和从摄像头捕获几乎完全一样，只需要把 0 换成视频文件的路径。

import cv2
# 替换 'my_video.mp4' 为你的视频文件路径
video_path = 'my_video.mp4'
cap = cv2.VideoCapture(video_path)
if not cap.isOpened():
    print(f"无法打开视频文件: {video_path}")
    exit()
while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        print("视频播放完毕或读取失败。")
        break
    # 显示视频帧
    cv2.imshow('Video Playback', frame)
    # 控制播放速度 (每 25 毫秒刷新一帧)
    if cv2.waitKey(25) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

VideoCapture 的常用方法和属性

常用属性 (propId) 示例：

cap = cv2.VideoCapture(0)
# 获取视频的宽度
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
# 获取视频的高度
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
# 获取帧率 (FPS)
fps = cap.get(cv2.CAP_PROP_FPS)
# 获取总帧数 (对视频文件有效)
frame_count = cap.get(cv2.CAP_PROP_FRAME_COUNT)
print(f"宽度: {width}, 高度: {height}, FPS: {fps}, 总帧数: {frame_count}")
cap.release()

其他重要库

虽然 OpenCV 是首选，但在某些特定场景下,其他库可能更合适。

A. PyAV

• 简介：一个基于 libav (FFmpeg 的核心库) 的 Python 绑定，FFmpeg 是处理音视频的“瑞士军刀”。
• 优点：
  • 性能极高：直接调用底层库，处理速度非常快,适合高性能视频处理和分析。
  • 格式支持极好：支持几乎所有你能想到的视频格式和编解码器。
  • 更底层的控制：可以精细地控制视频流的各个方面。
• 缺点：
  • API 相对复杂：学习曲线比 OpenCV 陡峭。
  • 依赖：需要安装 FFmpeg。
• 适用场景：需要处理大量视频流、进行复杂视频转码、分析或编解码的深度学习项目。

B. imageio

• 简介：一个用于读取和写入多种图像和视频格式的库。
• 优点：
  • API 简单易用：imageio.get_reader() 和 imageio.get_writer() 非常直观。
  • 依赖少：安装和配置相对简单。
• 缺点：
  • 功能不如 OpenCV 丰富：专注于 I/O,内置的计算机视觉功能较少。
• 适用场景：快速读取视频文件中的帧，或者将一系列图像保存为视频,而不需要复杂的图像处理。

imageio 示例：

import imageio
# 读取视频
reader = imageio.get_reader('my_video.mp4')
for i, im in enumerate(reader):
    if i % 10 == 0: # 每10帧显示一次
        # im 是一个 NumPy 数组，可以直接用 Matplotlib 显示
        import matplotlib.pyplot as plt
        plt.imshow(im)
        plt.show()
# 写入视频
writer = imageio.get_writer('output.mp4', fps=20)
for i in range(100):
    # 创建一个简单的帧 (这里用随机数代替)
    frame = (imageio.core.util.Array(np.random.rand(100, 100, 3) * 255, dtype='uint8'))
    writer.append_data(frame)
writer.close()

C. SimpleCV

• 简介：一个旨在简化计算机视觉任务的库，基于 OpenCV 和其他库构建。
• 优点：
  • 非常简洁的 API：封装了 OpenCV 的复杂性,让代码更易读。
  • 适合初学者：可以快速实现一些基础功能，如颜色追踪、特征检测等。
• 缺点：
  • 项目更新较慢：不如 OpenCV 活跃。
  • 灵活性较低：封装过度,难以进行高度定制化的底层操作。
• 适用场景：教育、快速原型验证、简单的计算机视觉应用。

完整项目示例：实时人脸检测

这个项目将结合摄像头捕获和 OpenCV 的级联分类器,实现一个实时的人脸检测器。

步骤：

1. 安装库：

   pip install opencv-python

2. 下载人脸检测模型： 访问 OpenCV 的 GitHub 仓库，下载 haarcascade_frontalface_default.xml 文件，并将其放在你的 Python 脚本同目录下。

3. 编写代码 (face_detector.py)：

import cv2
# 1. 加载人脸检测的级联分类器
# 确保 'haarcascade_frontalface_default.xml' 文件在脚本同目录下
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# 2. 打开默认摄像头
cap = cv2.VideoCapture(0)
if not cap.isOpened():
    print("无法打开摄像头")
    exit()
print("人脸检测器已启动，按 'q' 键退出。")
while True:
    # 3. 读取一帧
    ret, frame = cap.read()
    if not ret:
        break
    # 4. 将图像转换为灰度图，因为人脸检测在灰度图上效果更好且