編輯：王抒偉

我最喜歡的攝影技術之一是長時間曝光，即制作照片以顯示經(jīng)過時間的效果的過程，而傳統(tǒng)攝影無法捕捉到這種效果。

應用此技術時，水變得如絲般柔滑，夜空中的星星隨著地球旋轉(zhuǎn)留下光跡，汽車前燈/尾燈以連續(xù)運動的單個波段照亮高速公路。

長時間曝光是一種很棒的技術，但是要捕獲這些類型的照片，您需要采取系統(tǒng)的方法：將相機安裝在三腳架上，應用各種濾鏡，計算曝光值等。更不用說，您需要熟練的攝影師！

可是手機沒有此功能呢？自己不會呢？
哈哈，有一種方法可以通過應用圖像/幀平均來模擬長時間曝光。通過對給定時間段內(nèi)從安裝的攝像機捕獲的圖像求平均，我們可以（實際上）模擬長時間曝光。

并且由于視頻只是一系列圖像，因此我們可以通過將視頻中的所有幀平均在一起，輕松地從幀中構(gòu)建長時間曝光。結(jié)果是令人驚嘆的長曝光式圖像，就像文章開頭的圖像一樣。

這篇博客文章分為三個部分。

第一部分，如何通過幀平均來模擬長時間曝光?

通過圖像/幀平均模擬長時間曝光

實際上，如果您瀏覽流行的攝影網(wǎng)站，則會發(fā)現(xiàn)有關如何使用相機和三腳架手動創(chuàng)建這些類型的效果的教程（可以在此處找到此類教程的一個很好的示例）。

我們今天的目標是簡單地實現(xiàn)這種方法，以便我們可以使用Python和OpenCV從輸入視頻中自動創(chuàng)建長時間曝光的圖像。
給定輸入視頻，我們將所有幀平均在一起（平均加權(quán)）以創(chuàng)建長時間曝光效果。

注意：您也可以使用多張圖像來創(chuàng)建這種長時間曝光效果，但是由于視頻只是一連串圖像，因此使用視頻來演示此技術會更容易。

第二部分，編寫Python和OpenCV代碼

使用OpenCV進行長時間曝光仿真

首先打開一個名為long_exposure.py ，并插入以下代碼

# import the necessary packagesimport argparseimport imutilsimport cv2# construct the argument parse and parse the argumentsap = argparse.ArgumentParser()ap.add_argument("-v", "--video", required=True,  help="path to input video file")ap.add_argument("-o", "--output", required=True,  help="path to output 'long exposure'")args = vars(ap.parse_args())

2-4行:導入需要的imutils和OpenCV庫。
如果沒有使用以下命令安裝即可。

 pip install --upgrade imutils

我們在第7-12行解析兩個命令行參數(shù)

--video  # 視頻文件的路徑--output # 輸出“長時間曝光”文件的路徑+文件名

然后做些初始化步驟：

# initialize the Red, Green, and Blue channel averages, along with# the total number of frames read from the file(rAvg, gAvg, bAvg) = (None, None, None)total = 0# open a pointer to the video fileprint("[INFO] opening video file pointer...")stream = cv2.VideoCapture(args["video"])print("[INFO] computing frame averages (this will take awhile)...")

在第16行，我們初始化RGB通道平均值，然后將其合并為最終的長時間曝光圖像
我們還初始化第17行的幀總數(shù)計數(shù) 。
我們正在處理包含所有幀的視頻文件，因此有必要打開指向視頻捕獲的文件指針 stream。

然后計算平均值：

# loop over frames from the video file streamwhile True:  # grab the frame from the file stream  (grabbed, frame) = stream.read()  # if the frame was not grabbed, then we have reached the end of  # the sfile  if not grabbed:    break  # otherwise, split the frmae into its respective channels  (B, G, R) = cv2.split(frame.astype("float"))

我們將從第27行獲取幀，然后將幀分向其各自的BGR通道（第35行）
如果讀到了視頻文件的末尾，跳出循環(huán)即可。

在循環(huán)的其余部分，我們將移動計算平均值：

  # if the frame averages are None, initialize them  if rAvg is None:    rAvg = R    bAvg = B    gAvg = G  # otherwise, compute the weighted average between the history of  # frames and the current frames  else:    rAvg = ((total * rAvg) + (1 * R)) / (total + 1.0)    gAvg = ((total * gAvg) + (1 * G)) / (total + 1.0)    bAvg = ((total * bAvg) + (1 * B)) / (total + 1.0)  # increment the total number of frames read thus far  total += 1

如果是第一次迭代，則將初始RGB平均值設置為第38-41行上獲取的相應第一幀通道。
否則，我們將在第45-48行計算每個通道的運行平均值。
我們將計算結(jié)果存儲在相應的RGB通道平均數(shù)組中。
最后，我們增加幀的總數(shù)，使我們能夠保持運行平均值（第51行）
遍歷視頻文件中的所有幀后，我們可以將（平均）通道合并為一個圖像并將其寫入磁盤：

# merge the RGB averages together and write the output image to diskavg = cv2.merge([bAvg, gAvg, rAvg]).astype("uint8")cv2.imwrite(args["output"], avg)# do a bit of cleanup on the file pointerstream.release()

在第54行，我們利用了cv2.merge 函數(shù),同時在列表中指定我們的每個頻道平均值。
并將像素轉(zhuǎn)換為[0-255]范圍內(nèi)的整數(shù)。
由于處理視頻文件需要花費大量CPU時間，因此我們只是將圖像保存到磁盤上。
該腳本的最后一步，釋放視頻流（第58行）。

第三部分，應用示例

長時間曝光結(jié)果

請注意，每個視頻都是通過安裝在三腳架上的攝像機捕獲的，以確保穩(wěn)定性。

幀示例：

要創(chuàng)建長時間曝光效果，只需執(zhí)行以下命令

$ time python long_exposure.py --video videos/river_01.mov --output river_01.png [INFO] opening video file pointer...[INFO] computing frame averages (this will take awhile)...real  2m1.710suser  0m50.959ssys    0m40.207s