在Python中，你可以通过`picamera`库来控制Raspberry Pi的摄像头，`opencv-python`或`cv2`库用于图像处理和实时显示。以下是两个文件的简要概述，以便实现你的需求： **文件1 - camera_data_collector.py** 在这个文件里，你需要初始化一个PiCamera对象，并编写相应的循环来采集视频流数据。当满足切换条件（比如达到一定帧数或者时间间隔），你需要停止当前的相机，切换到下一个摄像头（如果有多台摄像头的话，可能需要事先列出摄像头列表）。 ```python import picamera import time # 初始化摄像头列表 cameras = [picamera.PiCamera(camera_index) for camera_index in range(1, 3)] # 示例，假设有两台摄像头 def switch_cameras(): current_camera = cameras.index(current_camera_obj) next_camera = (current_camera + 1) % len(cameras) # 循环索引，确保在0到len-1之间 current_camera_obj.stop_recording() # 停止当前摄像头的录制 time.sleep(1) # 短暂延迟，等待前一帧录制完成 current_camera_obj = cameras[next_camera] # 设置为下一个摄像头 return current_camera_obj current_camera_obj = cameras[0] while True: with current_camera_obj.capture_continuous(output, format='bgr', use_video_port=True): # 获取每一帧并在此处处理... frame = next(output iter) process_frame(frame) if should_switch_cameras(): # 判断是否需要切换摄像头 current_camera_obj = switch_cameras() ``` **文件2 - real_time_viewer.py** 这个文件则负责接收来自`camera_data_collector.py`的视频流，并实时显示。你可以利用`opencv`的imshow函数展示图片。 ```python import cv2 import numpy as np output = None # 将这里修改为你从第一个文件传递过来的变量名 def process_frame(frame): global output img = cv2.cvtColor(frame.array, cv2.COLOR_BGR2RGB) # 将BGR转为RGB便于显示 cv2.imshow('Live Feed', img) if cv2.waitKey(1) & 0xFF == ord('q'): # 按下'q'键退出 break # ...在main函数中启动process_frame函数，监听第一个文件的输出... ``` 确保这两个文件都运行在Raspberry Pi上，并且`camera_data_collector.py`作为服务一直在运行。同时，在`real_time_viewer.py`中加入连接和启动实时查看的部分，例如通过`multiprocessing`模块让它们异步执行。