4、视频流采集基础：理解帧率、分辨率、色彩空间等概念，使用OpenCV读取摄像头实时画面，实现视频窗口显示与按键退出逻辑。
好，咱们进入第四讲。前面几章我们把硬件搭好了，系统也跑起来了。现在该让摄像头真正“干活”了。
这一章，我会带你从零开始理解视频流的核心概念。说白了，就是搞明白摄像头每秒传回来的那些数据到底长什么样。然后我们用 OpenCV 这个老朋友，把实时画面抓出来，显示在屏幕上，再写个按键退出的逻辑。
嗯，这部分内容我几乎在每个嵌入式视觉项目里都会用到。从最早的智能门锁，到后来做的工业质检设备，底层逻辑一模一样。你把它吃透了，后面做推流、做存储、做分析，都会顺手很多。
4.1 视频流的核心三要素：帧率、分辨率、色彩空间
先问个问题：摄像头采集到的视频，本质上是什么？
说白了，就是一张一张快速切换的图片。人眼有视觉暂留效应，只要切换速度够快，你就觉得画面是“动”的。
那这三要素，就是决定这张“图片”质量和流畅度的关键参数。
4.1.1 帧率（FPS）
帧率，全称 Frames Per Second，每秒传输的帧数。单位是 fps。
你可以这么理解：
- 30 fps：每秒闪过 30 张图片。这是视频监控的常见标准，画面流畅，人眼感觉不到卡顿。
- 15 fps：每秒 15 张。能感觉到轻微卡顿，但网络带宽有限时，很多 IoT 摄像头会降到这个值。
- 60 fps 以上：非常丝滑。一般用在运动相机或游戏上。对于网络摄像头，除非你有特殊需求（比如拍高速运动物体），否则没必要。
4.1.2 分辨率
分辨率就是图像的宽高像素数。比如 640x480，就是宽 640 个像素点，高 480 个。
常见的分辨率有：
| 名称 | 分辨率 | 适用场景 |
|---|---|---|
| VGA | 640x480 | 老式摄像头、低带宽场景 |
| HD | 1280x720 | 入门级网络摄像头 |
| Full HD | 1920x1080 | 主流家用/工业摄像头 |
| 4K | 3840x2160 | 高端监控、需要细节的场景 |
分辨率越高，画面细节越丰富，但数据量也越大。你想想看，一张 4K 图片的数据量是 VGA 的 27 倍。这对嵌入式设备的处理能力和网络带宽都是巨大考验。
4.1.3 色彩空间
色彩空间，简单说就是“用数学方式描述颜色”。摄像头采集到的原始数据，通常不是我们常见的 RGB 格式。
最常见的两种：
- RGB：红绿蓝三通道。每个像素用 3 个字节表示。显示器直接用的就是它。
- YUV：亮度（Y）和色度（U、V）分离。人眼对亮度更敏感，对色度不敏感。所以 YUV 可以压缩色度信息，节省带宽。
OpenCV 默认读取的图像是 BGR 格式（注意，是 BGR 不是 RGB，顺序不同）。而摄像头硬件输出的往往是 YUYV 或 MJPEG 格式。OpenCV 在底层帮我们做了转换。
4.2 使用 OpenCV 读取摄像头实时画面
好，理论讲完了，咱们直接上代码。OpenCV 的 Python 接口叫 cv2，安装很简单：
pip install opencv-python然后，读取摄像头的核心代码就这几行：
import cv2
# 打开摄像头，参数 0 表示第一个摄像头
cap = cv2.VideoCapture(0)
# 检查是否成功打开
if not cap.isOpened():
print("无法打开摄像头")
exit()
while True:
# 读取一帧
ret, frame = cap.read()
# 如果读取失败，退出
if not ret:
print("无法获取画面")
break
# 显示画面
cv2.imshow('Camera', frame)
# 按键检测，按 'q' 退出
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# 释放资源
cap.release()
cv2.destroyAllWindows()这段代码我几乎每次写摄像头程序都会先敲一遍。它就像一个“最小系统”，验证摄像头能不能正常工作。
我来拆解一下关键点：
- cv2.VideoCapture(0)：0 是设备索引。如果你有多个摄像头，可以试试 1、2。在 Linux 下，它对应 /dev/video0。
- cap.read()：返回两个值。ret 是布尔值，表示是否成功；frame 就是图像数据，是一个 numpy 数组。
- cv2.imshow()：创建一个窗口显示图像。窗口名可以随便起。
- cv2.waitKey(1)：等待 1 毫秒。返回按键的 ASCII 码。& 0xFF 是为了兼容 64 位系统。
4.3 设置摄像头参数
很多时候，默认的摄像头参数不满足需求。比如分辨率太低，或者帧率不够。我们可以手动设置：
cap = cv2.VideoCapture(0)
# 设置分辨率
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 1280)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 720)
# 设置帧率
cap.set(cv2.CAP_PROP_FPS, 30)
# 读取实际值（因为摄像头不一定支持你设置的值）
actual_width = cap.get(cv2.CAP_PROP_FRAME_WIDTH)
actual_height = cap.get(cv2.CAP_PROP_FRAME_HEIGHT)
actual_fps = cap.get(cv2.CAP_PROP_FPS)
print(f"实际分辨率: {actual_width}x{actual_height}")
print(f"实际帧率: {actual_fps}")这里有个坑：你设置的值，摄像头不一定支持。比如你设 1920x1080，但摄像头硬件只支持到 1280x720，那它就会用 1280x720。所以一定要用 get 读取实际值，确认一下。
4.4 实现按键退出逻辑
上面代码里的按键退出逻辑，其实是一个典型的事件循环模式。在嵌入式系统中，这种模式非常常见。
我习惯把它封装成一个函数，方便复用：
def run_camera():
cap = cv2.VideoCapture(0)
if not cap.isOpened():
print("摄像头打开失败")
return
print("按 'q' 退出，按 's' 保存截图")
while True:
ret, frame = cap.read()
if not ret:
break
cv2.imshow('Camera', frame)
key = cv2.waitKey(1) & 0xFF
if key == ord('q'):
print("用户退出")
break
elif key == ord('s'):
cv2.imwrite('screenshot.jpg', frame)
print("截图已保存")
cap.release()
cv2.destroyAllWindows()
if __name__ == "__main__":
run_camera()你看，我加了一个截图功能。按 's' 键就把当前帧保存成图片。这在调试时非常有用——你可以随时抓取一帧来分析。
4.5 性能优化小技巧
在实际项目中，尤其是嵌入式设备上，直接跑上面的代码可能会遇到性能问题。这里分享几个我常用的优化方法：
- 降低分辨率：如果不需要高清，设成 640x480 能大幅提升帧率。
- 跳过帧：如果处理速度跟不上，可以每两帧处理一帧。
- 使用 MJPEG 模式：有些摄像头支持硬件压缩成 JPEG，能减少 USB 带宽占用。
- 多线程读取：把读取和显示放在不同线程，避免互相阻塞。
嗯，多线程这块比较复杂，我们后面章节会专门讲。现在你先把基础跑通。
4.6 本章小结
这一章我们做了三件事：
- 理解了帧率、分辨率、色彩空间这三个核心概念，以及它们之间的制约关系。
- 用 OpenCV 写了一个完整的摄像头读取程序，实现了实时画面显示。
- 学会了按键退出和参数设置，还加了个截图功能。
你现在应该能打开摄像头，看到实时画面了。如果画面是黑的或者报错，别慌。先检查摄像头是否被其他程序占用，再检查设备索引号。我当年第一次调摄像头时，折腾了半小时才发现是 USB 线松了。
下一章，我们会把画面编码成 H.264 视频流，为网络传输做准备。到时候你会发现，有了这一章的基础，后面的事情就顺理成章了。