媒体大数据视频分镜与镜头相似度曲线

最新推荐文章于 2024-06-12 22:27:53 发布

无bug代码搬运工

最新推荐文章于 2024-06-12 22:27:53 发布

阅读量144

点赞数

文章标签：媒体大数据音视频

本文链接：https://blog.csdn.net/DoKiDoK/article/details/131343276

版权

四个计算相似度的算法

#四种检测方法
import os
import math
import cv2
import numpy as np
import matplotlib.pyplot as plt
#均值哈希
os.chdir("F:\\视频\\")
#均值哈希
def aHash(img):    # 缩放为8*8
    img = cv2.resize(img, (8, 8))
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#归一化为灰度图
    # 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
def cmphash(hash1,hash2):
    n=0
    if len(hash1)!=len(hash2):
        return -1
    for i in range(len(hash1)):
        if hash1[i]!=hash2[i]:
            n=n+1;
    n=n/len(hash1)
    return n
#差值哈希算法
def dHash(img):
    # 缩放8*8
    img = cv2.resize(img, (9, 8))
    # 转换灰度图
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    img = cv2.resize(img, (32, 32))
    hash_str = ''
    # 每行前一个像素大于后一个像素为1，相反为0，生成哈希
    for i in range(8):
        for j in range(8):
            if gray[i, j] > gray[i, j + 1]:
                hash_str = hash_str + '1'