4、实时视频流读取：while循环读取帧、设置FPS、控制读取速度

好，咱们进入第四章。这一章要解决一个很实际的问题——怎么让摄像头乖乖听你的话，按你想要的节奏输出画面。

说实话，我见过不少新手，一上来就写个while True，然后摄像头疯狂读取，CPU直接拉满。嗯，这样搞，你的程序跑不了几分钟就会卡死。我自己刚入行那会儿也犯过这个错，当时做一个实时监控项目，摄像头画面一卡一卡的，我还以为是硬件问题，折腾了两天，最后发现是读取速度没控制好。

4.1 最基本的while循环读取

先看最基础的写法。OpenCV读取视频流，核心就是cap.read()这个函数。

import cv2

cap = cv2.VideoCapture(0)  # 0代表默认摄像头

while True:
    ret, frame = cap.read()
    if not ret:
        print("读取失败，退出循环")
        break
    
    cv2.imshow("Camera", frame)
    
    # 按q键退出
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

这段代码，说白了就是一个无限循环。每次循环做三件事：读一帧、显示一帧、检查按键。但这里有个坑——cv2.waitKey(1)的参数是1毫秒，意味着你的循环跑得飞快，每秒可能处理几百帧。

4.2 为什么要控制读取速度？

你可能会问：「让程序跑快点不好吗？」

我举个例子。之前做一个车牌识别项目，摄像头是30fps的，但我的识别算法每秒只能处理10帧。如果不控制读取速度，cap.read()会不断把新帧塞进内存，而算法根本来不及处理。结果就是内存暴涨，程序崩溃。

控制读取速度，主要有三个目的：

• 降低CPU占用——别让电脑风扇呼呼转
• 匹配处理能力——让读取速度和算法处理速度对齐
• 稳定输出节奏——比如做视频录制，需要固定帧率

4.3 用time.sleep()做简单控制

最粗暴的方法，就是在循环里加个time.sleep()。比如你想跑30fps，每帧间隔就是1/30 ≈ 0.033秒。

import cv2
import time

cap = cv2.VideoCapture(0)
target_fps = 30
frame_time = 1.0 / target_fps

while True:
    start_time = time.time()
    
    ret, frame = cap.read()
    if not ret:
        break
    
    cv2.imshow("Camera", frame)
    
    # 计算需要等待的时间
    elapsed = time.time() - start_time
    sleep_time = max(0, frame_time - elapsed)
    time.sleep(sleep_time)
    
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()

这个方法简单直接，但有个问题——time.sleep()的精度不够高。在Windows上，它的最小精度大约是15毫秒。你想精确控制到33毫秒？嗯，实际效果可能不太理想。

4.4 基于时间戳的精确控制

我个人习惯用时间戳来控制。思路是这样的：记录上一帧的时间，然后计算当前帧应该什么时候显示。

import cv2
import time

cap = cv2.VideoCapture(0)
target_fps = 30
frame_interval = 1.0 / target_fps
last_frame_time = 0

while True:
    current_time = time.time()
    
    # 如果还没到下一帧的时间，就跳过
    if current_time - last_frame_time < frame_interval:
        # 这里可以做个短暂休眠，避免CPU空转
        time.sleep(0.001)
        continue
    
    ret, frame = cap.read()
    if not ret:
        break
    
    last_frame_time = current_time
    cv2.imshow("Camera", frame)
    
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()

这个方法的优势在于：它不会阻塞主循环太久。即使time.sleep()精度不够，整体帧率也不会偏差太大。我曾经在一个机器人视觉项目里用这个方法，跑了8个小时，帧率稳定在29.8fps左右，完全够用。

4.5 用OpenCV自带的时间函数

其实OpenCV自己就带了计时工具——cv2.getTickCount()和cv2.getTickFrequency()。这两个函数比time.time()更精确，适合做高性能场景。

import cv2

cap = cv2.VideoCapture(0)
target_fps = 30
frame_interval = int(cv2.getTickFrequency() / target_fps)
last_tick = cv2.getTickCount()

while True:
    current_tick = cv2.getTickCount()
    
    if current_tick - last_tick < frame_interval:
        continue
    
    ret, frame = cap.read()
    if not ret:
        break
    
    last_tick = current_tick
    cv2.imshow("Camera", frame)
    
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()

4.6 实际项目中的FPS设置建议

不同场景对FPS的要求不一样。我整理了一个表格，供你参考：

应用场景	推荐FPS	说明
人脸检测	15-30	人动得没那么快，15fps就够用
车牌识别	10-20	算法处理慢，读太快反而浪费
运动检测	30	需要捕捉快速动作
视频录制	30或60	跟摄像头原生帧率一致
远程监控	5-15	网络带宽有限，降低帧率保画质

你想想看，如果做远程监控，非要跑30fps，结果网络卡顿，画面一帧一帧地跳，用户体验反而更差。我做过一个项目，把帧率从30降到10，用户反馈画面「流畅多了」——因为网络不再丢包了。

4.7 避坑指南：我曾经踩过的三个坑

最后分享几个实战中容易遇到的问题：

• 坑一：摄像头初始化慢——cap.read()前几帧可能返回空。我习惯在循环开始前先读几帧「暖机」。
• 坑二：waitKey参数别乱改——cv2.waitKey(0)会无限等待，导致画面卡死。我曾经调试了半天，发现是参数写成了0。
• 坑三：多线程读取要加锁——如果你用多线程读摄像头，记得加锁保护cap.read()，否则会出现画面撕裂。

嗯，这一章的内容就到这里。记住一句话：控制读取速度，不是让程序变慢，而是让程序变稳。下一章我们会讲如何对每一帧做预处理，比如缩放、裁剪、颜色转换。到时候你会发现，帧率控制得稳，后面的处理才能稳。