目录

一、导出帧图像 

二、判定相似度

1.均值哈希判定相似度

2.基于直方图相似度

三、截取视频一分钟

---

一、导出帧图像 

将视频以帧图像的方式呈现，逐帧导出图片

import os
os.chdir("C:/Users/Administrator/AppData/Local/Programs/Python/Python37/Lib/site-packages")
import cv2
import subprocess

v_path="D:/Python/ghz.mp4"
image_save="./pic"

cap=cv2.VideoCapture(v_path)
frame_count=cap.get(cv2.CAP_PROP_FRAME_COUNT)

for i in range(int(frame_count)):
    _,img=cap.read()
    img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    cv2.imwrite("D:\Python\image{}.jpg".format(i),img)

运行结果示例:

二、判定相似度

对分帧结果判定相似度，并提取出相似度较大镜头作为分镜头。

1.均值哈希判定相似度

import cv2
import numpy as np
import matplotlib.pyplot as plt
 
# 均值哈希算法
def aHash(img):
    # 缩放为8*8
    plt.imshow(img)
    plt.axis('off')  
    plt.show()
    img = cv2.resize(img, (8, 8))
    plt.imshow(img)
    plt.axis('off') 
    plt.show()
    # 转换为灰度图
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # s为像素和初值为0，hash_str为hash值初值为''
    s = 0
    hash_str = ''
    # 遍历累加求像素和
    for i in range(8):
        for j in range(8):
            s = s + gray[i, j]
    # 求平均灰度
    avg = s / 64
    # 灰度大于平均值为1相反为0生成图片的hash值
    for i in range(8):
        for j in range(8):
            if gray[i, j] > avg:
                hash_str = hash_str + '1'
            else:
                hash_str = hash_str + '0'
    return hash_str
 
# Hash值对比
def cmpHash(hash1, hash2):
    n = 0
    print(hash1)
    print(hash2)
    # hash长度不同则返回-1代表传参出错
    if len(hash1)!=len(hash2):
        return -1
    # 遍历判断
    for i in range(len(hash1)):
        # 不相等则n计数+1，n最终为相似度
        if hash1[i] != hash2[i]:
            n = n + 1
    return n
 
for i in range(549):
    img1=cv2.imread('./pic2/image{}.jpg'.format(i)) 
    img2=cv2.imread('./pic2/image{}.jpg'.format(i+1)) 
    hash1 = aHash(img1)
    hash2 = aHash(img2)
    n = cmpHash(hash1, hash2)
    if(n>22):
        print('均值哈希算法相似度：', n/64)
        cv2.imwrite('./shot/image{}.jpg'.format(i+1),img2)

运行结果：

 （错误识别了3张）

2.基于直方图相似度

import cv2
import numpy as np
import matplotlib.pyplot as plt
 
# 通过得到RGB每个通道的直方图来计算相似度
def classify_hist_with_split(image1, image2, size=(256, 256)):
    # 将图像resize后，分离为RGB三个通道，再计算每个通道的相似值
    image1 = cv2.resize(image1, size)
    image2 = cv2.resize(image2, size)
    plt.imshow(image1)
    plt.show()
    plt.axis('off')
    
    plt.imshow(image2)
    plt.show()
    plt.axis('off')
    
    sub_image1 = cv2.split(image1)    #cv2.split()拆分通道
    sub_image2 = cv2.split(image2)
    sub_data = 0
    
    for im1, im2 in zip(sub_image1, sub_image2):
        sub_data += calculate(im1, im2)
    sub_data = sub_data / 3
    return sub_data
 
# 计算单通道的直方图的相似值
def calculate(image1, image2):
    hist1 = cv2.calcHist([image1], [0], None, [256], [0.0, 255.0])
    hist2 = cv2.calcHist([image2], [0], None, [256], [0.0, 255.0])
    plt.plot(hist1, color="r")
    plt.plot(hist2, color="g")
    plt.show()
    # 计算直方图的重合度
    degree = 0
    for i in range(len(hist1)):
        if hist1[i] != hist2[i]:
            degree = degree + (1 - abs(hist1[i] - hist2[i]) / max(hist1[i], hist2[i]))
        else:
            degree = degree + 1    #统计相似
    degree = degree / len(hist1)
    return degree
 
for i in range(549):
    img1=cv2.imread('./pic2/image{}.jpg'.format(i)) 
    img2=cv2.imread('./pic2/image{}.jpg'.format(i+1)) 
    n = classify_hist_with_split(img1,img2)
    if(n<0.6):
        cv2.imwrite('./shot2/image{}.jpg'.format(i+1),img2)

运行结果：

（少识别了两张）

三、截取视频一分钟

使用cmd运行下列代码：

ffmpeg  -i input.mp4 -vcodec copy -acodec copy -ss 00:00:00 -to 00:01:00 cut.mp4 -y