本地视频去水印和高清放大-python版

import cv2import numpy as npimport subprocessimport osdef remove_watermark_silent(input_video, output_video, x, y, w, h):    """    专门针对无声视频的去水印脚本    x, y: 水印左上角坐标    w, h: 水印宽高    """    if not os.path.exists(input_video):        print(f"❌ 找不到输入文件: {input_video}")        return    # 1. 打开视频    cap = cv2.VideoCapture(input_video)    width  = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))    height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))    fps    = cap.get(cv2.CAP_PROP_FPS)    total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))    if width == 0 or height == 0:        print("❌ 视频读取失败，请检查文件。")        return    # 2. 准备中间临时文件    temp_processed = "temp_raw_processed.mp4"    # 使用 mp4v 编码生成临时无声视频    fourcc = cv2.VideoWriter_fourcc(*'mp4v')     out = cv2.VideoWriter(temp_processed, fourcc, fps, (width, height))    # 3. 准备遮罩 (Mask)    mask = np.zeros((height, width), dtype=np.uint8)    mask[y:y+h, x:x+w] = 255    print(f"🚀 M4 硬件加速启动...")    print(f"🎬 正在处理无声视频: {input_video} ({total_frames} 帧)")    # 4. 逐帧修复    count = 0    while cap.isOpened():        ret, frame = cap.read()        if not ret:            break        # AI 修复算法 (Telea 算法)        # 效果好，且在 M4 的 CPU 上运行极快        dst = cv2.inpaint(frame, mask, inpaintRadius=3, flags=cv2.INPAINT_TELEA)        out.write(dst)        count += 1        if count % 20 == 0 or count == total_frames:            print(f"⏳ 进度: {count}/{total_frames} 帧", end='\r')    cap.release()    out.release()    print("\n✅ 图像修复完成。")    # 5. 最终转码 (调用 M4 硬件加速器 h264_videotoolbox)    print("📦 正在进行最终硬件压制...")    final_cmd = [        'ffmpeg', '-y',        '-i', temp_processed,        '-c:v', 'h264_videotoolbox', # 调用苹果硅片硬编        '-b:v', '6000k',             # 设置 6Mbps 高比特率确保清晰度        output_video    ]    try:        # 执行合成并静默日志        subprocess.run(final_cmd, check=True, capture_output=True)        print(f"✨ 处理成功！输出文件: {output_video}")    except subprocess.CalledProcessError as e:        print(f"❌ 最终合成失败: {e.stderr.decode()}")    finally:        # 清理        if os.path.exists(temp_processed):            os.remove(temp_processed)# --- 运行参数 ---# 请在此处修改你的坐标# x: 水印距离左边多少像素# y: 水印距离顶端多少像素# w: 水印宽度# h: 水印高度remove_watermark_silent(    input_video="EP01-6.mp4",     output_video="EP01-6_no_wm.mp4",     x=5, y=5, w=236, h=40 )

import osimport sysimport torch# ========================================================# 1. 兼容性补丁：修复 torchvision 找不到 functional_tensor 的问题# ========================================================try:    import torchvision.transforms.functional_tensorexcept ImportError:    try:        import torchvision.transforms.functional as F        sys.modules['torchvision.transforms.functional_tensor'] = F    except ImportError:        passimport cv2import numpy as npfrom realesrgan import RealESRGANerfrom basicsr.archs.rrdbnet_arch import RRDBNetdef upscale_video_m4(input_path, output_path, target_width=1280, target_height=704):    if not os.path.exists(input_path):        print(f"❌ 找不到文件: {input_path}")        return    # --- 模型参数配置 ---    # 使用经典 RealESRGAN_x4plus 模型    model_name = 'RealESRGAN_x4plus'    # 显式指定模型下载地址，防止库内部报 NoneType 错误    model_url = 'https://github.com/xinntao/Real-ESRGAN/releases/download/v0.1.0/RealESRGAN_x4plus.pth'    # 初始化模型架构 (RRDBNet)    model = RRDBNet(num_in_ch=3, num_out_ch=3, num_feat=64, num_block=23, num_grow_ch=32, scale=4)    # 强制使用 M4 GPU 加速    device = torch.device('mps')     print(f"🚀 已激活 M4 GPU 加速 (MPS)")    # --- 初始化超分器 ---    try:        upsampler = RealESRGANer(            scale=4,            model_path=model_url, # 这里传 URL，库会自动下载到 weights 文件夹            model=model,            tile=400,            # 分块处理，防止 4K 等超大图爆内存            tile_pad=10,            pre_pad=0,            half=True,           # M4 支持 FP16 硬件加速，速度翻倍            device=device        )    except Exception as e:        print(f"❌ 初始化超分器失败: {e}")        return    # --- 读取视频 ---    cap = cv2.VideoCapture(input_path)    fps = cap.get(cv2.CAP_PROP_FPS)    total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))    # 设置临时输出    temp_avi = "temp_upscaled.avi"    fourcc = cv2.VideoWriter_fourcc(*'XVID')    out = cv2.VideoWriter(temp_avi, fourcc, fps, (target_width, target_height))    print(f"🎬 开始高清处理: {total_frames} 帧")    count = 0    try:        while cap.isOpened():            ret, frame = cap.read()            if not ret:                break            # AI 超分处理 (核心计算)            # outscale=4 表示 AI 内部放大 4 倍            output, _ = upsampler.enhance(frame, outscale=4)            # 使用高画质 Lanczos 算法缩放到你要求的 1280x704            final_frame = cv2.resize(output, (target_width, target_height), interpolation=cv2.INTER_LANCZOS4)            out.write(final_frame)            count += 1            if count % 5 == 0:                print(f"⏳ 进度: {count}/{total_frames} 帧", end='\r')    except Exception as e:        print(f"\n❌ 运行中出错: {e}")    finally:        cap.release()        out.release()    # --- 最终压制 (M4 硬件编码加速) ---    print(f"\n📦 正在使用 M4 媒体引擎压制最终视频...")    # 这里使用 h264_videotoolbox 是苹果芯片最快的压制方式    final_cmd = f'ffmpeg -y -i "{temp_avi}" -c:v h264_videotoolbox -b:v 8000k "{output_path}"'    os.system(final_cmd)    if os.path.exists(temp_avi):        os.remove(temp_avi)    print(f"✨ 高清放大完成！输出至: {output_path}")if __name__ == "__main__":    # 执行脚本    upscale_video_m4("5_no_wm.mp4", "5_hd.mp4")