flask均值哈希网页分镜

最新推荐文章于 2024-09-30 23:13:52 发布

MM_C

最新推荐文章于 2024-09-30 23:13:52 发布

阅读量2.4k

点赞数

文章标签：音视频 flask python

本文链接：https://blog.csdn.net/chenshiman0324/article/details/121280050

版权

利用哈希算法的网页分镜：

首先导入包

from flask import Flask,render_template
import os
import cv2
import numpy as np
import matplotlib.pyplot as plt
from PIL import Image

app=Flask(__name__)

然后定义哈希模型

def aHash(img):
    # 缩放为8*8
    #plt.imshow(img)
    #plt.axis('off')  #去掉坐标轴

    img = cv2.resize(img, (8, 8))
    #plt.imshow(img)
    #plt.axis('off')  #去掉坐标轴

     # 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

均值哈希值

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 #颜色不一样的格子的数量
        sim=1-n/64  #相似度百分数
    return sim

提前建好分镜头存储目录的hash文件夹

def genFrame():
    v_path='static/qyn-short.mp4' #素材路径
    image_save='static/hash' #分镜存储位置

    if not(os.path.exists(image_save)):
        print(image_save)
        os.mkdir(image_save)

    cap=cv2.VideoCapture(v_path)   #调用cv2
    fc=cap.get(cv2.CAP_PROP_FRAME_COUNT)

    img1= cv2.imread("static/pic/image0.jpg") #img1是第一帧即第一个镜头，pic中已有所有的视频帧
    cv2.imwrite('static/hash/image0.jpg', img1) #将第一个镜头直接存入hash
   
    for i in range(int(fc)-1):  #遍历所有帧
        img2=cv2.imread("static/pic/image{}.jpg".format(i))
        hash1 = aHash(img1)
        hash2 = aHash(img2)
        #print(img2)
        sim = cmpHash(hash1, hash2)
        print('均值哈希算法相似度：', sim)
        if (sim<0.5):
            cv2.imwrite('static/hash/image{}.jpg'.format(i),img2) #相似度小的保存
            img1=img2 #继续与下一帧对比

genFrame() #注意调用

利用哈希值进行相似度对比，第一帧直接保存作为第一个镜头，其他帧经过对比筛选后存入hash，作为分镜。

提前已经在网页中做出分离帧，存入了pic，此处直接使用了pic的帧进行处理。

输出结果：

需要注意return render语句中，html的名字，要与html文件名一致

@app.route('/')
def shot():
    path='static/hash'
    filename = os.listdir(path)
    framecount=len(filename)#分镜头个数
    filename.sort(key= lambda x:int(x[5:-4])) #处理顺序，自动是乱序的
    #print(filename)
    #print(type(filename))

    #print(filename)

    return render_template('shot.html',filename=filename,framecount=framecount)

if "__main__"==__name__:
    app.run(port="5200")

part 2 HTML，基本与上节课的一样，加上分镜头数量，改动有变动的文件名

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>hash分镜</title>
</head>
<body>
hash分镜
<br>
<video width="640" height="480" controls autoplay>
  <source src="static/qyn-short.mp4" type="video/mp4">
  <object data="static/qyn-short.mp4" width="640" height="480">
    <embed width="640" height="480" src="static/qyn-short.mp4">
  </object>
</video>
<br>
均值哈希帧数：{{framecount}}<br>
{% for i in range(framecount) %}
    <img height="40" src="static/hash/{{filename[i]}}" />
{{filename[i]}}
{% endfor %}
</body>
</html>