youtube screenshot extractor下载 - youtube screenshot extractor源代码下载

youtube screenshot extractor

其他源码

下载

YouTube 屏幕截图提取器（但不仅仅适用于 YouTube！）和数据集收集器

概述

这个 Python 脚本是一个多功能工具，用于从 YouTube 视频、本地视频文件或您能想到的任何其他视频源中提取高质量的屏幕截图！它对于为机器学习项目准备数据集特别有用，例如训练 Loras 或检查点，或者只是从您最喜欢的电影中抓取完美的帧。

特征

使用 yt-dlp 下载 YouTube 和其他视频
处理本地视频文件
多帧提取方法：
- 基于区间的提取
- 所有帧提取
- 关键帧提取
- 场景检测
框架质量评估
模糊检测
自动去除黑条
基本水印检测
并行处理可加快执行速度
GPU 加速（如果可用）
恢复中断的提取
生成缩略图蒙太奇
可定制的输出选项（JPG 或 PNG）
详细的日志记录和试运行选项
从配置文件加载设置
后处理滤镜：
- Gradfun（减少色带，不那么激进）
- 解块（减少压缩伪影）
- Deband（减少色带，更具侵略性）

要求

Python 3.6+
FFmpeg（关键帧提取和一些后处理过滤器所需）
requirements.txt中列出的依赖项
PyCUDA（可选，仅GPU加速所需。最低版本：2022.1）

安装

克隆此存储库：

 git clone https://github.com/EnragedAntelope/youtube-screenshot-extractor.git
cd youtube-screenshot-extractor

安装所需的依赖项：
```
 pip install -r requirements.txt
```
安装 FFmpeg（关键帧提取和一些过滤器所需）：
- 请按照以下网址的说明进行操作：https://ffmpeg.org/download.html
（可选）安装 PyCUDA 以进行 GPU 加速：
```
 pip install pycuda>=2022.1
```
注意：PyCUDA 需要在您的系统上安装 CUDA。有关安装说明，请参阅 PyCUDA 文档。

用法

基本语法：

 python youtube-screenshot-script.py [SOURCE] [OPTIONS]

其中[SOURCE]可以是 YouTube URL 或本地视频文件的路径。

注意：如果您计划使用 GPU 加速（--use-gpu 选项），请确保安装了 PyCUDA。

快速入门示例

每 5 秒从 YouTube 视频中提取帧并将其保存到自定义文件夹中：

 python youtube-screenshot-script.py https://www.youtube.com/watch?v=dQw4w9WgXcQ --output my_awesome_screenshots

就是这么简单！现在让我们深入研究所有可配置选项。

选项

--method {interval,all,keyframes,scene} ：帧提取方法（默认：interval）
--interval INTERVAL ：帧之间的间隔（以秒为单位）（默认值：5.0，仅与“interval”方法一起使用）
--quality QUALITY ：帧选择的质量阈值（0-100，默认值：12.0）
--blur BLUR ：帧选择的模糊阈值（默认值：10.0）
--detect-watermarks : 启用基本水印检测
--watermark-threshold THRESHOLD : 水印检测灵敏度 (0-1, 默认: 0.8)
--max-resolution RESOLUTION : YouTube 视频下载的最大分辨率（例如 720、1080）。忽略本地文件。
--output OUTPUT : 自定义输出文件夹名称
--png ：将帧保存为 PNG 而不是 JPG
--disable-parallel : 禁用帧的并行处理
--use-gpu ：使用 GPU 加速（如果可用）
--fast-scene ：使用快速模式进行场景检测（结果不太准确）
--resume : 恢复中断的提取过程
--thumbnail ：生成提取帧的缩略图蒙太奇
--verbose ：启用详细日志记录
--dry-run ：显示在没有实际处理的情况下会做什么
--config CONFIG ：从配置文件加载设置
--gradfun ：应用 gradfun 滤镜来减少色带（不太激进，保留更多细节）
--deblock ：应用去块滤波器来减少压缩伪影
--deband ：应用去带滤镜来减少色带（更激进，更适合严重的色带）

示例

从本地视频文件中提取关键帧：

 python youtube-screenshot-script.py path/to/your/video.mp4 --method keyframes

在具有自定义输出文件夹的 YouTube 视频上使用场景检测：

 python youtube-screenshot-script.py https://www.youtube.com/watch?v=dQw4w9WgXcQ --method scene --output my_scene_shots

每 10 秒提取具有较低质量阈值的帧和 PNG 输出：

 python youtube-screenshot-script.py https://www.youtube.com/watch?v=dQw4w9WgXcQ --interval 10 --quality 30 --png

使用 GPU 加速并生成缩略图蒙太奇：

 python youtube-screenshot-script.py path/to/your/video.mp4 --use-gpu --thumbnail

下载最高分辨率为 720p 的 YouTube 视频并提取帧：

 python youtube-screenshot-script.py https://www.youtube.com/watch?v=dQw4w9WgXcQ --max-resolution 720

使用后处理过滤器提取帧：

 python youtube-screenshot-script.py path/to/your/video.mp4 --gradfun --deblock --deband

期待什么

处理时间：
- “间隔”和“关键帧”方法通常是最快的。
- 对于较长的视频，“所有”帧方法可能非常耗时。
- 场景检测通常是最耗时的方法，尤其是对于较长的视频。
- GPU 加速可以显着加快所有方法的处理速度。
- 使用后处理滤波器（gradfun、deblock、deband）会增加处理时间。
视频分辨率：
- 下载 YouTube 视频时，脚本将默认使用可用的最高质量。如果需要，可以使用--max-resolution选项来限制下载质量。
- 对于本地视频文件，始终使用原始分辨率，并忽略--max-resolution选项。
输出：帧以 JPG 或 PNG 图像形式保存在指定的输出文件夹（或以视频标题命名的默认文件夹）中。
帧文件名：遵循格式frame_NNNNNN_qXX_bYY[_watermarked].(jpg|png) ，其中：
- NNNNNN : 帧号
- XX ：质量分数（0-99，越高越好）
- YY ：模糊分数（数字越高表示模糊越少）
- _watermarked ：如果检测到水印则添加后缀
后处理滤镜：
- Gradfun 的攻击性较小，保留更多细节，适合微妙的条带问题。
- Deband 更激进，更适合解决严重的条带问题，特别是在黑暗场景或天空梯度中。
- 解块有助于减少压缩伪影。
- 使用滤波器会增加处理时间，尤其是基于 FFmpeg 的滤波器（gradfun 和 deband）。

尖端

从“间隔”方法开始，可以快速获得结果。对具有明显场景变化的视频使用场景检测，但要做好处理时间较长的准备。
使用--dry-run选项预览提取过程，而无需实际保存帧。
对于大型视频或长时间运行的进程：
- 如果进程中断，请使用--resume选项。
- 考虑使用--max-resolution选项来限制下载质量以加快处理速度并节省存储空间。
  - 注意：--max-resolution 选项仅在下载 YouTube 视频时适用。处理本地视频文件时没有效果。
优化质量和性能：
- 尝试不同的质量和模糊阈值，找到适合您需求的最佳平衡点。从较低的阈值开始（例如， --quality 30 --blur 50 ）并根据需要进行调整。
- 如果处理速度太慢，请尝试禁用水印检测或使用 GPU 加速（如果可用）。
- 使用--fast-scene选项可以获得更快（但不太准确）的场景检测结果。
使用后处理滤镜时：
- 请注意，应用过滤器会增加处理时间，尤其是基于 FFmpeg 的过滤器（gradfun 和 deband）。
- 根据您的需求在 gradfun 和 deband 之间进行选择：
  - 使用 gradfun 解决微妙的条带问题或保留更多细节。
  - 使用 deband 解决更严重的条带问题，尤其是在黑暗场景或天空渐变中。
- 尝试不同的滤波器组合以获得所需的输出质量。

故障排除

未提取帧：
- 降低质量和模糊阈值（例如， --quality 20 --blur 30 ）。
- 检查视频文件是否损坏或者 yt-dlp 是否无法正确下载。
关键帧提取问题：
- 确保 FFmpeg 已正确安装并可在系统路径中访问。
- 尝试将 FFmpeg 更新到最新版本。
场景检测速度极慢或崩溃：
- 使用--fast-scene选项可以获得更快但不太准确的结果。
- 首先尝试处理视频的较短片段进行测试。
- 确保您有足够的可用 RAM。
GPU 加速不起作用：
- 验证您是否已安装 CUDA 兼容的 GPU 和必要的 CUDA 库。
- 检查 PyCUDA 是否安装正确（ pip install pycuda ）。
- 如果问题仍然存在，请通过删除--use-gpu标志来回退到 CPU 处理。
水印检测产生误报：
- 调整水印阈值（例如， --watermark-threshold 0.9以进行更严格的检测）。
- 如果不需要，请通过删除--detect-watermarks标志来禁用水印检测。
对于大型视频，进程意外终止：
- 使用--resume选项从中断处继续。
- 尝试以较小的片段处理视频。
- 确保您有足够的可用磁盘空间。
输出质量低或模糊：
- 提高质量和模糊阈值。
- 检查源视频的质量是否足够。
后处理过滤器不起作用：
- 确保 FFmpeg 已安装并可在您的系统路径中访问 gradfun 和 deband 过滤器。
- 检查 OpenCV (cv2) 是否已正确安装去块滤波器。
- 如果特定过滤器问题仍然存在，请尝试单独使用它们来隔离问题。