基于OpenCV的图形分析辨认02

���录

一、前言

二、实验目的

三、实验内容

四、实验过程

---

一、前言

编程语言：Python，编程软件：vscode或pycharm，必备的第三方库：OpenCV，numpy，matplotlib，os等等。

关于OpenCV，numpy，matplotlib，os等第三方库的下载方式如下：

第一步，按住【Windows】和【R】调出运行界面，输入【cmd】，回车打开命令行。

第二步，输入以下安装命令（可以先升级一下pip指令）。

pip升级指令：

python -m pip install --upgrade pip

 opencv库的清华源下载：

pip install opencv-python  -i https://pypi.tuna.tsinghua.edu.cn/simple

numpy库的清华源下载：

 pip install numpy  -i https://pypi.tuna.tsinghua.edu.cn/simple

matplotlib库的清华源下载：

pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

os库的清华源下载：

pip install os  -i https://pypi.tuna.tsinghua.edu.cn/simple 

二、实验目的

1.了解不同图像缩放算法；

2.基于公用图像处理函式库完成图片、视频缩小及放大；

3.根据图像缩放算法，自行撰写代码完成图像及视频数据的缩小及放大；

4.比较及分析公用函式库及自行撰写函式的效能。

三、实验内容

1.任选彩色图片、视频，进行缩小及放大

（1）使用OpenCV函数

（2）不使用OpenCV函数

1. Nearest-Neighbor interpolation
2. Bi-linear interpolation

2.在彩色图、视频上任意选取区域執行不同的放大方式，结果如下图

（1）使用OpenCV函数

（2）不使用OpenCV函数

1. Nearest-Neighbor interpolation
2. Bi-linear interpolation

四、实验过程

（1）基于OpenCV的图像和视频缩放：

图像代码如下：

import cv2import matplotlib.pyplot as plt# 读取原始图像img_origin = cv2.imread(r"D:\Image\img1.jpg")# 获取图像的高度和宽度height, width = img_origin.shape[:2]# 放大图像img_amplify = cv2.resize(img_origin, None, fx = 1.25, fy = 1.0, interpolation = cv2.INTER_AREA)# 缩小图像img_reduce = cv2.resize(img_origin, None, fx = 0.75, fy = 1.0, interpolation = cv2.INTER_AREA)# 创建一个大小为(10, 10)的图形plt.figure(figsize=(10, 10))# 在第1行第1列的位置创建子图，设置坐标轴可见，设置标题为"origin" plt.subplot(1, 3, 1), plt.axis('on'), plt.title("origin")# 显示原始图像plt.imshow(cv2.cvtColor(img_origin, cv2.COLOR_BGR2RGB))# 在第1行第2列的位置创建子图，设置坐标轴可见，设置标题为"amplify: fx = 1.25, fy = 1.0"plt.subplot(1, 3, 2), plt.axis('on'), plt.title("amplify: fx = 1.25, fy = 1.0")# 显示放大后的图像plt.imshow(cv2.cvtColor(img_amplify, cv2.COLOR_BGR2RGB))# 在第1行第3列的位置创建子图，设置坐标轴可见，设置标题为"reduce: fx = 0.75, fy = 1.0"plt.subplot(1, 3, 3), plt.axis('on'), plt.title("reduce: fx = 0.75, fy = 1.0")# 显示缩小后的图像plt.imshow(cv2.cvtColor(img_reduce, cv2.COLOR_BGR2RGB))# 调整子图布局plt.tight_layout()# 显示图形plt.show()# 保存图像retval = cv2.imwrite(r"D:\Image\image_lab2\img_amplify.jpg", img_amplify)retval = cv2.imwrite(r"D:\Image\image_lab2\img_reduce.jpg", img_reduce)

代码运行结果：

视频代码如下：

import cv2import oscap = cv2.VideoCapture(r"D:\Image\video1.mp4")currentframe = 0# 循环读取视频帧并保存为图片while (True):    ret, frame = cap.read()    if ret:        name = str(currentframe)        cv2.imwrite(r"D:\Image\image_lab2\video_img\%s.jpg"%name, frame)        currentframe += 1    else:        break# 释放视频对象cap.release()video_path = r"D:\Image\image_lab2\video_img"# 获取视频文件夹中的所有文件img_files = os.listdir(video_path)# 统计图片文件数量img_count = len(img_files)# 设定视频编解码器fourcc = cv2.VideoWriter_fourcc(*'mp4v')# 设定图片大小放大后的目标尺寸img_size_amplify = (1280, 1280)# 设定图片大小缩小后的目标尺寸img_size_reduce = (720, 720)# 视频保存路径（放大版本）video_save_amplify = r"D:\Image\image_lab2\video_amplify.mp4"# 视频保存路径（缩小版本）video_save_reduce = r"D:\Image\image_lab2\video_reduce.mp4"# 创建放大版本的视频写入对象video_writer_amplify = cv2.VideoWriter(video_save_amplify, fourcc, 60, img_size_amplify)# 创建缩小版本的视频写入对象video_writer_reduce = cv2.VideoWriter(video_save_reduce, fourcc, 60, img_size_reduce)print("视频放大及缩小开始")for i in range(0, img_count):    # 设定图片文件路径    img_path = video_path + "/" + str(i) + ".jpg"    # 读取图片    img = cv2.imread(img_path, cv2.IMREAD_COLOR)    # 若读取失败则跳过本次循环    if img is None:        continue    # 图片放大    img_amplify = cv2.resize(img, img_size_amplify)    # 图片缩小    img_reduce = cv2.resize(img, img_size_reduce)    # 将放大后的图片写入放大版本的视频    video_writer_amplify.write(img_amplify)    # 将缩小后的图片写入缩小版本的视频    video_writer_reduce.write(img_reduce)    print(f"第{i}张图片合成完成")print("视频放大及缩小完成")

基于最近邻插值和双线性插值的图像和视频缩放：

将最近邻插值和双线性插值编写成函数文件，命名为【Nearest_Bilinear】，代码如下：

import numpy as npdef Nearest(img, height, width, channels):    # 创建一个与给定高度、宽度和通道数相同的零数组    img_nearest = np.zeros(shape=(height, width, channels), dtype=np.uint8)        # 遍历每个像素点    for i in range(height):        for j in range(width):            # 计算在给定高度和宽度下对应的img的行和列            row = (i / height) * img.shape[0]            col = (j / width) * img.shape[1]            # 取最近的整数行和列            row_near = round(row)            col_near = round(col)            # 如果行或列到达img的边界，则向前取整            if row_near == img.shape[0] or col_near == img.shape[1]:                row_near -= 1                col_near -= 1                        # 将最近的像素赋值给img_nearest            img_nearest[i][j] = img[row_near][col_near]                # 返回最近映射后的图像    return img_nearestdef Bilinear(img, height, width, channels):    # 生成一个用于存储bilinear插值结果的零矩阵    img_bilinear = np.zeros(shape=(height, width, channels), dtype=np.uint8)    # 对矩阵的每一个元素进行插值计算    for i in range(0, height):        for j in range(0, width):            # 计算当前元素所在的行和列的相对位置            row = (i / height) * img.shape[0]            col = (j / width) * img.shape[1]            row_int = int(row)            col_int = int(col)            # 计算当前元素所在点的权重            u = row - row_int            v = col - col_int            # 判断当前元素是否越界，若是则调整相对位置            if row_int == img.shape[0] - 1 or col_int == img.shape[1] - 1:                row_int -= 1                col_int -= 1            # 根据权重进行插值计算            img_bilinear[i][j] = (1 - u) * (1 - v) * img[row_int][col_int] + (1 - u) * v * img[row_int][col_int + 1] + u * (1 - v) * img[row_int + 1][col_int] + u * v * img[row_int + 1][col_int + 1]                # 返回bilinear插值结果    return img_bilinear

 后续在实现图像放缩时导入该函数即可，图像放缩代码如下：

import cv2import matplotlib.pyplot as pltfrom Nearest_Bilinear import *# 读取图像img = cv2.imread(r"D:\Image\img1.jpg", cv2.IMREAD_COLOR)# 获取图像的高度、宽度和通道数height, width, channels = img.shapeprint(height, width, channels)# 对图像进行放大操作，增加200个像素的高度img_nearest_amplify = Nearest(img, height + 200, width, channels)# 对图像进行缩小操作，减少200个像素的高度img_nearest_reduce = Nearest(img, height - 200, width, channels)# 创建一个大小为10x10的图像窗口plt.figure(figsize=(10, 10))# 在第一个子图中显示原始图像plt.subplot(1, 3, 1), plt.axis('on'), plt.title("origin")plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))# 在第二个子图中显示放大后的图像plt.subplot(1, 3, 2), plt.axis('on'), plt.title("Nearest_amplify")plt.imshow(cv2.cvtColor(img_nearest_amplify, cv2.COLOR_BGR2RGB))# 在第三个子图中显示缩小后的图像plt.subplot(1, 3, 3), plt.axis('on'), plt.title("Nearest_reduce")plt.imshow(cv2.cvtColor(img_nearest_reduce, cv2.COLOR_BGR2RGB))plt.tight_layout()plt.show()# 对图像进行放大操作，增加200个像素的高度img_bilinear_amplify = Bilinear(img, height + 200, width, channels)# 对图像进行缩小操作，减少200个像素的高度img_bilinear_reduce = Bilinear(img, height - 200, width, channels)# 创建一个大小为10x10的图像窗口plt.figure(figsize=(10, 10))# 在第一个子图中显示原始图像plt.subplot(1, 3, 1), plt.axis('on'), plt.title("origin")plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))# 在第二个子图中显示放大后的图像plt.subplot(1, 3, 2), plt.axis('on'), plt.title("Bilinear_amplify")plt.imshow(cv2.cvtColor(img_bilinear_amplify, cv2.COLOR_BGR2RGB))# 在第三个子图中显示缩小后的图像plt.subplot(1, 3, 3), plt.axis('on'), plt.title("Bilinear_reduce")plt.imshow(cv2.cvtColor(img_bilinear_reduce, cv2.COLOR_BGR2RGB))plt.tight_layout()plt.show()# 保存图像retval = cv2.imwrite(r"D:\Image\image_lab2\img_nearest_amplify.jpg", img_nearest_amplify)retval = cv2.imwrite(r"D:\Image\image_lab2\img_nearest_reduce.jpg", img_nearest_reduce)retval = cv2.imwrite(r"D:\Image\image_lab2\img_bilinear_amplify.jpg", img_bilinear_amplify)retval = cv2.imwrite(r"D:\Image\image_lab2\img_bilinear_reduce.jpg", img_bilinear_reduce)

代码运行结果如下：

 基于最近邻插值的视频缩放代码：

import cv2import osfrom Nearest_Bilinear import *video_path = r"D:\Image\image_lab2\video_img"# 获取视频文件夹中的所有文件img_files = os.listdir(video_path)# 统计图片文件数量img_count = len(img_files)# 设定视频编解码器fourcc = cv2.VideoWriter_fourcc(*'mp4v')# 设定图片大小放大后的目标尺寸img_size_amplify = (1280, 1280)# 设定图片大小缩小后的目标尺寸img_size_reduce = (720, 720)# 视频保存路径（放大版本）video_save_amplify = r"D:\Image\image_lab2\video_amplify_Nearest.mp4"# 视频保存路径（缩小版本）video_save_reduce = r"D:\Image\image_lab2\video_reduce_Nearest.mp4"# 创建放大版本的视频写入对象video_writer_amplify = cv2.VideoWriter(video_save_amplify, fourcc, 60, img_size_amplify)# 创建缩小版本的视频写入对象video_writer_reduce = cv2.VideoWriter(video_save_reduce, fourcc, 60, img_size_reduce)print("视频放大及缩小开始")for i in range(0, img_count):    # 设定图片文件路径    img_path = video_path + "/" + str(i) + ".jpg"    # 读取图片    img = cv2.imread(img_path, cv2.IMREAD_COLOR)    # 若读取失败则跳过本次循环    if img is None:        continue    # 图片放大    img_amplify = Nearest(img, img_size_amplify[0], img_size_amplify[1], 3)    # 图片缩小    img_reduce = Nearest(img, img_size_reduce[0], img_size_reduce[1], 3)    # 将放大后的图片写入放大版本的视频    video_writer_amplify.write(img_amplify)    # 将缩小后的图片写入缩小版本的视频    video_writer_reduce.write(img_reduce)    print(f"第{i}张图片合成完成")print("视频放大及缩小完成")

基于双线性插值的视频放缩代码：

import cv2import osfrom Nearest_Bilinear import *video_path = r"D:\Image\image_lab2\video_img"# 获取视频文件夹中的所有文件img_files = os.listdir(video_path)# 统计图片文件数量img_count = len(img_files)# 设定视频编解码器fourcc = cv2.VideoWriter_fourcc(*'mp4v')# 设定图片大小放大后的目标尺寸img_size_amplify = (1280, 1280)# 设定图片大小缩小后的目标尺寸img_size_reduce = (720, 720)# 视频保存路径（放大版本）video_save_amplify = r"D:\Image\image_lab2\video_amplify_Bilinear.mp4"# 视频保存路径（缩小版本）video_save_reduce = r"D:\Image\image_lab2\video_reduce_Bilinear.mp4"# 创建放大版本的视频写入对象video_writer_amplify = cv2.VideoWriter(video_save_amplify, fourcc, 60, img_size_amplify)# 创建缩小版本的视频写入对象video_writer_reduce = cv2.VideoWriter(video_save_reduce, fourcc, 60, img_size_reduce)print("视频放大及缩小开始")for i in range(0, img_count):    # 设定图片文件路径    img_path = video_path + "/" + str(i) + ".jpg"    # 读取图片    img = cv2.imread(img_path, cv2.IMREAD_COLOR)    # 若读取失败则跳过本次循环    if img is None:        continue    # 图片放大    img_amplify = Bilinear(img, img_size_amplify[0], img_size_amplify[1], 3)    # 图片缩小    img_reduce = Bilinear(img, img_size_reduce[0], img_size_reduce[1], 3)    # 将放大后的图片写入放大版本的视频    video_writer_amplify.write(img_amplify)    # 将缩小后的图片写入缩小版本的视频    video_writer_reduce.write(img_reduce)    print(f"第{i}张图片合成完成")print("视频放大及缩小完成")

（2）基于OpenCV的局部图像和视频缩放

局部图像的缩放代码如下：

import cv2import matplotlib.pyplot as plt# 读取原始图像img_origin = cv2.imread(r"D:\Image\img1.jpg", cv2.IMREAD_COLOR)# 获取图像的高度和宽度height, width = img_origin.shape[:2]# 定义图像的一部分的坐标范围y1, y2 = 100, 300x1, x2 = 100, 300# 获取图像的一部分img_part = img_origin[y1:y2, x1:x2]# 放大图像img_amplify = cv2.resize(img_part, None, fx=1.25, fy=1.0, interpolation=cv2.INTER_NEAREST)# 缩小图像img_reduce = cv2.resize(img_part, None, fx=0.75, fy=1.0, interpolation=cv2.INTER_LINEAR)# 创建绘图窗口plt.figure(figsize=(10, 10))# 绘制图像plt.subplot(2, 2, 1), plt.axis('on'), plt.title("origin")plt.imshow(cv2.cvtColor(img_origin, cv2.COLOR_BGR2RGB))plt.subplot(2, 2, 2), plt.axis('on'), plt.title("part")plt.imshow(cv2.cvtColor(img_part, cv2.COLOR_BGR2RGB))plt.subplot(2, 2, 3), plt.axis('on'), plt.title("amplify: fx = 1.25, fy = 1.0")plt.imshow(cv2.cvtColor(img_amplify, cv2.COLOR_BGR2RGB))plt.subplot(2, 2, 4), plt.axis('on'), plt.title("reduce: fx = 0.75, fy = 1.0")plt.imshow(cv2.cvtColor(img_reduce, cv2.COLOR_BGR2RGB))# 调整子图布局plt.tight_layout()# 显示图形plt.show()# 保存图像retval = cv2.imwrite(r"D:\Image\image_lab2\img_part.jpg", img_part)retval = cv2.imwrite(r"D:\Image\image_lab2\img_amplify_part.jpg", img_amplify)retval = cv2.imwrite(r"D:\Image\image_lab2\img_reduce_part.jpg", img_reduce)

局部视频的缩放代码如下：

import cv2import osvideo_path = r"D:\Image\image_lab2\video_img"# 获取视频文件夹中的所有文件img_files = os.listdir(video_path)# 统计图片文件数量img_count = len(img_files)# 设定视频编解码器fourcc = cv2.VideoWriter_fourcc(*'mp4v')# 设定图片大小放大后的目标尺寸img_size_amplify = (720, 720)# 设定图片大小缩小后的目标尺寸img_size_reduce = (250, 250)# 视频保存路径（放大版本）video_save_amplify = r"D:\Image\image_lab2\video_amplify_part.mp4"# 视频保存路径（缩小版本）video_save_reduce = r"D:\Image\image_lab2\video_reduce_part.mp4"# 创建放大版本的视频写入对象video_writer_amplify = cv2.VideoWriter(video_save_amplify, fourcc, 60, img_size_amplify)# 创建缩小版本的视频写入对象video_writer_reduce = cv2.VideoWriter(video_save_reduce, fourcc, 60, img_size_reduce)print("视频放大及缩小开始")for i in range(0, img_count):    # 设定图片文件路径    img_path = video_path + "/" + str(i) + ".jpg"    # 读取图片    img = cv2.imread(img_path, cv2.IMREAD_COLOR)    img = img[100:500, 100:500]    # 若读取失败则跳过本次循环    if img is None:        continue    # 图片放大    img_amplify = cv2.resize(img, img_size_amplify)    # 图片缩小    img_reduce = cv2.resize(img, img_size_reduce)    # 将放大后的图片写入放大版本的视频    video_writer_amplify.write(img_amplify)    # 将缩小后的图片写入缩小版本的视频    video_writer_reduce.write(img_reduce)    print(f"第{i}张图片合成完成")print("视频放大及缩小完成")

基于最近邻插值和双线性插值的局部图像和视频缩放：

局部图像的缩放代码如下：

import cv2import matplotlib.pyplot as pltfrom Nearest_Bilinear import *# 读取图像img = cv2.imread(r"D:\Image\img1.jpg", cv2.IMREAD_COLOR)# 获取图像的高度、宽度和通道数height, width, channels = img.shape# 定义图像的一部分的坐标范围y1, y2 = 100, 300x1, x2 = 100, 300# 获取图像的一部分img_part = img[y1:y2, x1:x2]# 对图像进行放大操作，增加100个像素的高度img_nearest_amplify_part = Nearest(img_part, height + 100, width, channels)# 对图像进行缩小操作，减少100个像素的高度img_nearest_reduce_part = Nearest(img_part, height - 100, width, channels)# 创建一个大小为10x10的图像窗口plt.figure(figsize=(10, 10))# 在第一个子图中显示原始图像plt.subplot(1, 3, 1), plt.axis('on'), plt.title("origin")plt.imshow(cv2.cvtColor(img_part, cv2.COLOR_BGR2RGB))# 在第二个子图中显示放大后的图像plt.subplot(1, 3, 2), plt.axis('on'), plt.title("Nearest_amplify")plt.imshow(cv2.cvtColor(img_nearest_amplify_part, cv2.COLOR_BGR2RGB))# 在第三个子图中显示缩小后的图像plt.subplot(1, 3, 3), plt.axis('on'), plt.title("Nearest_reduce")plt.imshow(cv2.cvtColor(img_nearest_reduce_part, cv2.COLOR_BGR2RGB))plt.tight_layout()plt.show()# 对图像进行放大操作，增加100个像素的高度img_bilinear_amplify_part = Bilinear(img_part, height + 100, width, channels)# 对图像进行缩小操作，减少100个像素的高度img_bilinear_reduce_part = Bilinear(img_part, height - 100, width, channels)# 创建一个大小为10x10的图像窗口plt.figure(figsize=(10, 10))# 在第一个子图中显示原始图像plt.subplot(1, 3, 1), plt.axis('on'), plt.title("origin")plt.imshow(cv2.cvtColor(img_part, cv2.COLOR_BGR2RGB))# 在第二个子图中显示放大后的图像plt.subplot(1, 3, 2), plt.axis('on'), plt.title("Bilinear_amplify")plt.imshow(cv2.cvtColor(img_bilinear_amplify_part, cv2.COLOR_BGR2RGB))# 在第三个子图中显示缩小后的图像plt.subplot(1, 3, 3), plt.axis('on'), plt.title("Bilinear_reduce")plt.imshow(cv2.cvtColor(img_bilinear_reduce_part, cv2.COLOR_BGR2RGB))plt.tight_layout()plt.show()# 保存图像retval = cv2.imwrite(r"D:\Image\image_lab2\img_nearest_amplify_part.jpg", img_nearest_amplify_part)retval = cv2.imwrite(r"D:\Image\image_lab2\img_nearest_reduce_part.jpg", img_nearest_reduce_part)retval = cv2.imwrite(r"D:\Image\image_lab2\img_bilinear_amplify_part.jpg", img_bilinear_amplify_part)retval = cv2.imwrite(r"D:\Image\image_lab2\img_bilinear_reduce_part.jpg", img_bilinear_reduce_part)

基于最近邻插值的局部视频缩放代码：

import cv2import osfrom Nearest_Bilinear import *video_path = r"D:\Image\image_lab2\video_img"# 获取视频文件夹中的所有文件img_files = os.listdir(video_path)# 统计图片文件数量img_count = len(img_files)# 设定视频编解码器fourcc = cv2.VideoWriter_fourcc(*'mp4v')# 设定图片大小放大后的目标尺寸img_size_amplify = (720, 720)# 设定图片大小缩小后的目标尺寸img_size_reduce = (250, 250)# 视频保存路径（放大版本）video_save_amplify = r"D:\Image\image_lab2\video_amplify_Nearest_part.mp4"# 视频保存路径（缩小版本）video_save_reduce = r"D:\Image\image_lab2\video_reduce_Nearest_part.mp4"# 创建放大版本的视频写入对象video_writer_amplify = cv2.VideoWriter(video_save_amplify, fourcc, 60, img_size_amplify)# 创建缩小版本的视频写入对象video_writer_reduce = cv2.VideoWriter(video_save_reduce, fourcc, 60, img_size_reduce)print("视频放大及缩小开始")for i in range(0, img_count):    # 设定图片文件路径    img_path = video_path + "/" + str(i) + ".jpg"    # 读取图片    img = cv2.imread(img_path, cv2.IMREAD_COLOR)    img = img[100:500, 100:500]    # 若读取失败则跳过本次循环    if img is None:        continue    # 图片放大    img_amplify = Nearest(img, img_size_amplify[0], img_size_amplify[1], 3)    # 图片缩小    img_reduce = Nearest(img, img_size_reduce[0], img_size_reduce[1], 3)    # 将放大后的图片写入放大版本的视频    video_writer_amplify.write(img_amplify)    # 将缩小后的图片写入缩小版本的视频    video_writer_reduce.write(img_reduce)    print(f"第{i}张图片合成完成")print("视频放大及缩小完成")

基于双线性插值的局部视频缩放代码如下：

import cv2import osfrom Nearest_Bilinear import *video_path = r"D:\Image\image_lab2\video_img"# 获取视频文件夹中的所有文件img_files = os.listdir(video_path)# 统计图片文件数量img_count = len(img_files)# 设定视频编解码器fourcc = cv2.VideoWriter_fourcc(*'mp4v')# 设定图片大小放大后的目标尺寸img_size_amplify = (720, 720)# 设定图片大小缩小后的目标尺寸img_size_reduce = (250, 250)# 视频保存路径（放大版本）video_save_amplify = r"D:\Image\image_lab2\video_amplify_Bilinear_part.mp4"# 视频保存路径（缩小版本）video_save_reduce = r"D:\Image\image_lab2\video_reduce_Bilinear_part.mp4"# 创建放大版本的视频写入对象video_writer_amplify = cv2.VideoWriter(video_save_amplify, fourcc, 60, img_size_amplify)# 创建缩小版本的视频写入对象video_writer_reduce = cv2.VideoWriter(video_save_reduce, fourcc, 60, img_size_reduce)print("视频放大及缩小开始")for i in range(0, img_count):    # 设定图片文件路径    img_path = video_path + "/" + str(i) + ".jpg"    # 读取图片    img = cv2.imread(img_path, cv2.IMREAD_COLOR)    img = img[100:500, 100:500]    # 若读取失败则跳过本次循环    if img is None:        continue    # 图片放大    img_amplify = Bilinear(img, img_size_amplify[0], img_size_amplify[1], 3)    # 图片缩小    img_reduce = Bilinear(img, img_size_reduce[0], img_size_reduce[1], 3)    # 将放大后的图片写入放大版本的视频    video_writer_amplify.write(img_amplify)    # 将缩小后的图片写入缩小版本的视频    video_writer_reduce.write(img_reduce)    print(f"第{i}张图片合成完成")print("视频放大及缩小完成")

都看到最后了，不点个赞吗？