Python 自动化视频处理：opencv 和 moviepy 能帮你做什么
你有没有遇到过这种情况：几十个视频要批量加水印、裁黑边、提取关键帧？手动用剪辑软件一个一个操作太慢了。其实用 Python，几行代码就能批量搞定。本文介绍两个最常用的 Python 视频处理库——OpenCV 和 MoviePy——以及它们分别擅长做什么、怎么选。
TL;DR：OpenCV 擅长像素级操作（逐帧处理、目标检测、滤镜），适合"改画面内容"；MoviePy 擅长整体操作（剪辑、拼接、加音频/字幕），适合"改视频结构"。两者可以互补：OpenCV 处理帧 → MoviePy 拼回去。
目录
一、OpenCV：逐帧操控像素的瑞士军刀
OpenCV（Open Source Computer Vision Library）是计算机视觉领域的事实标准。安装很简单：
pip install opencv-python
它能做什么：
import cv2
# 1. 读取视频
cap = cv2.VideoCapture('input.mp4')
fps = cap.get(cv2.CAP_PROP_FPS)
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
# 2. 逐帧处理 + 写入新视频
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
out = cv2.VideoWriter('output.mp4', fourcc, fps, (width, height))
while True:
ret, frame = cap.read()
if not ret:
break
# 在每帧上加文字水印
cv2.putText(frame, 'MyWatermark', (50, 50),
cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 2)
# 转灰度（所有帧变黑白）
# frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# frame = cv2.cvtColor(frame, cv2.COLOR_GRAY2BGR)
out.write(frame)
cap.release()
out.release()
OpenCV 的强项：
- 像素级操作：加水印、改颜色、调亮度对比度
- 目标检测：人脸识别、运动检测
- 提取关键帧：检测场景切换点
- 滤镜效果：模糊、锐化、边缘检测、卡通化
二、MoviePy：像写脚本一样剪视频
MoviePy 是基于 ffmpeg 的 Python 封装，用 Python 语法做视频编辑。
pip install moviepy
它能做什么：
from moviepy.editor import *
# 1. 加载视频
clip = VideoFileClip("input.mp4")
# 2. 裁剪（第 10 秒到第 30 秒）
clip = clip.subclip(10, 30)
# 3. 加文字水印（在整个视频上）
txt = TextClip("VidDown", fontsize=30, color='white')
txt = txt.set_position(('right', 'bottom')).set_duration(clip.duration)
clip = CompositeVideoClip([clip, txt])
# 4. 拼接两个视频
clip2 = VideoFileClip("intro.mp4")
final = concatenate_videoclips([clip2, clip])
# 5. 替换音频
new_audio = AudioFileClip("bgm.mp3")
clip = clip.set_audio(new_audio)
# 6. 导出
clip.write_videofile("output.mp4", codec='libx264')
MoviePy 的强项：
- 剪辑操作：裁剪、拼接、变速
- 叠加元素：文字、图片、Logo
- 音频处理：替换音轨、调音量
- 字幕叠加：把 .srt/.ass 烧进画面
- 格式转换：MP4 → GIF 动图
三、OpenCV vs MoviePy：怎么选
| 需求 | 推荐工具 |
|---|---|
| 给视频加水印（文字/Logo） | 都可以，MoviePy 更简单 |
| 批量裁黑边 | OpenCV（像素检测更精准） |
| 视频拼接、剪辑 | MoviePy |
| 提取关键帧/场景切换 | OpenCV |
| 加字幕、替换音轨 | MoviePy |
| 人脸模糊/马赛克 | OpenCV |
| 调色、滤镜 | OpenCV |
| 视频转 GIF | MoviePy |
| 实时处理（摄像头） | OpenCV |
两者可以结合使用：
import cv2
from moviepy.editor import VideoFileClip, ImageSequenceClip
import tempfile, os
def add_watermark_with_opencv(input_path, output_path, watermark_text):
"""用 OpenCV 逐帧加水印，再封装回去"""
cap = cv2.VideoCapture(input_path)
fps = cap.get(cv2.CAP_PROP_FPS)
frames = []
while True:
ret, frame = cap.read()
if not ret:
break
cv2.putText(frame, watermark_text, (50, 50),
cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 2)
frames.append(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))
cap.release()
# 用 MoviePy 把帧序列 + 原音频拼回去
original = VideoFileClip(input_path)
new_clip = ImageSequenceClip(frames, fps=fps)
new_clip = new_clip.set_audio(original.audio)
new_clip.write_videofile(output_path, codec='libx264')
四、实战案例合集
案例 1：批量裁黑边
import cv2, numpy as np
def auto_crop_black_borders(frame, threshold=10):
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(gray, threshold, 255, cv2.THRESH_BINARY)
coords = cv2.findNonZero(thresh)
x, y, w, h = cv2.boundingRect(coords)
return x, y, w, h
cap = cv2.VideoCapture('input.mp4')
ret, first_frame = cap.read()
x, y, w, h = auto_crop_black_borders(first_frame)
cap.release()
# 用 ffmpeg 直接裁（比逐帧裁快得多）
import subprocess
subprocess.run([
'ffmpeg', '-i', 'input.mp4',
'-vf', f'crop={w}:{h}:{x}:{y}',
'-c:a', 'copy', 'output.mp4'
])
案例 2：视频转 GIF
from moviepy.editor import VideoFileClip
clip = VideoFileClip("input.mp4").subclip(5, 10) # 截 5 秒
clip = clip.resize(width=320) # GIF 不需要太大
clip.write_gif("output.gif", fps=10)
案例 3：提取所有关键帧
import cv2
cap = cv2.VideoCapture('input.mp4')
prev_frame = None
frame_idx = 0
threshold = 30 # 画面变化阈值
while True:
ret, frame = cap.read()
if not ret:
break
if prev_frame is not None:
diff = cv2.absdiff(frame, prev_frame)
mean_diff = diff.mean()
if mean_diff > threshold:
cv2.imwrite(f'keyframe_{frame_idx:04d}.jpg', frame)
prev_frame = frame.copy()
frame_idx += 1
cap.release()
五、性能与注意事项
| 注意事项 | 说明 |
|---|---|
| OpenCV 解码 | 默认用 ffmpeg 后端，某些编码（H.265）可能解不了 |
| MoviePy 性能 | 底层也是 ffmpeg，大文件处理较慢 |
| 内存占用 | 逐帧读入内存时注意视频长度，长视频用流式处理 |
| 进度条 | MoviePy 默认有进度条，OpenCV 需自己加 |
| 中文路径 | Windows 下 OpenCV 读中文路径可能报错，用 np.fromfile 绕过 |
六、合规与温馨提示
技术是中性的，用法见人心。我们强烈建议：
- 仅处理你自己拥有版权或平台明确允许的视频内容；
- 批量处理工具请用于个人学习、工作效率提升，不用于盗版内容加工；
- 尊重创作者与平台服务条款。
Python 视频处理的两把利器：OpenCV 管"画面里每一格"，MoviePy 管"时间轴上每一段"。大多数日常需求用 MoviePy 就够，涉及像素级操作才需要 OpenCV。两个库搭配使用，几乎能替代小型剪辑软件的大部分功能——而且是可脚本化、可批量的。
本文由 VidDown 技术博客原创发布。VidDown 是一个免费、本地优先的在线视频解析与开发者工具站，支持多平台视频下载、格式转换、m3u8 合并等实用功能，所有数据处理均在本地完成，保护你的隐私。欢迎访问 www.viddown.cn 体验。