使用 cv2.waitKey() 是 OpenCV 显示图像的必要环节，但其默认行为会因按键中断而缩短等待时间，导致视频加速；本文提供一种兼容性高、性能稳定的解决方案：通过检测按键是否发生，动态补足剩余延迟时间。
使用 `cv2.waitkey()` 是 opencv 显示图像的必要环节，但其默认行为会因按键中断而缩短等待时间，导致视频加速；本文提供一种兼容性高、性能稳定的解决方案：通过检测按键是否发生，动态补足剩余延迟时间。
在 OpenCV 中，cv2.imshow() 本身不会阻塞或控制帧率——它仅将图像送入 GUI 队列；真正决定显示时长的是 cv2.waitKey(delay_ms)。该函数会在指定毫秒内等待键盘事件，一旦有按键（哪怕只是误触），就会立即返回，导致实际等待时间远小于预期，从而造成视频“快进”现象。
直接替换为 time.sleep() 不可行，因为 cv2.imshow() 必须配合 cv2.waitKey() 才能刷新窗口（这是 OpenCV GUI 后端的强制要求）。绕过 waitKey 将导致画面冻结或完全不显示。
✅ 正确做法是：保留 cv2.waitKey() 用于窗口刷新，但根据其返回值智能补偿延迟。当检测到按键时，用 time.sleep() 补足本应等待的剩余时间，从而维持恒定帧率：
import cv2
import time
# 假设 frames 是已加载的帧列表，frame_rate = 30 FPS
frame_rate = 30.0
delay_ms = int(1000 / frame_rate) # ≈ 33 ms
i = 0
while i = 0），则用 sleep 补足完整帧间隔
if keypress >= 0:
time.sleep(1.0 / frame_rate) # 精确到秒级，避免累积误差
i += 1
cv2.destroyAllWindows()
⚠️ 注意事项：
- cv2.waitKey() 返回值为 -1 表示无按键，≥ 0 表示捕获到键码（如 ord('q') == 113）；
- time.sleep() 的精度受系统调度影响，但在常规桌面环境（Windows/macOS/Linux）下足以维持视觉流畅的 24–60 FPS；
- 若需更高精度（如科研级同步），建议改用 cv2.VideoCapture 流式读取 + cv2.CAP_PROP_POS_MSEC 控制，而非预加载帧列表；
- 避免在循环中频繁调用 cv2.waitKey(1) 或 cv2.waitKey(0)——前者易丢帧，后者会永久阻塞。
此方案兼顾 OpenCV 的 GUI 机制约束与播放稳定性，无需引入 Matplotlib 等更慢的替代方案，是轻量级视频回放场景下的推荐实践。
