week9

任务

在windows10系统下，通过代码编辑器PyCharm写入python程序，构建flask框架实现web端查看。将通过均值哈希算法或各通道直方图相似度计算完成视频分帧、分镜（week6已完成）迁移至web端显示；利用Scipy-kmeans对图片进行聚类色彩提取。

目录

Ⅰ均值哈希算法

 Ⅱ各通道直方图相似度计算

​ ⅢScipy-kmeans聚类

 Ⅳ聚类色彩提取

---

Ⅰ均值哈希算法

py文件：

导入所需各库，实例化flask对象，定义均值哈希算法的函数，得出相似度指数。

from flask import Flask, render_template
import os
import cv2
app = Flask(__name__)

def aHash(img):
    img = cv2.resize(img, (8, 8))
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    s = 0
    hash_str = ""
    for i in range(8):
        for j in range(8):
            s = s + gray[i, j]
    avg = s / 64
    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):
    gap = 0
    if len(hash1) != len(hash2):
        return -1
    for i in range(len(hash1)):
        if hash1[i] != hash2[i]:
            gap = gap + 1
        similar=1-gap/64
    return similar

定义函数：对视频分帧，保存所有图片，对保存的图片依次（非相邻图片，而是以上一次临界图片为中心，遍历所有图片）进行均值哈希算法比对相似度，保存差异巨大的图片，从而得出视频分镜。

离线计算出视频分镜的结果，即在web端请求访问前就运算好。

def genFrame():
    v_path="static/video.mp4"
    image_save="static/pic"
    if not(os.path.exists(image_save)):
        os.mkdir(image_save)
    cap=cv2.VideoCapture(v_path)
    fc = cap.get(cv2.CAP_PROP_FRAME_COUNT)
    for i in range(int(fc)):
        _,img=cap.read()
        cv2.imwrite("static/pic/image{}.jpg".format(i),img)
    filelist = os.listdir("static/pic")
    img1=cv2.imread("static/pic/image0.jpg")
    cv2.imwrite(os.path.join("static/p", filelist[0]), img1)
    for i in range(len(filelist) - 1):
        img2 = cv2.imread("static/pic/" + "image{}".format(i + 1) + ".jpg")
        sim = cmpHash(aHash(img1), aHash(img2))
        if s