tensorflow之视频质量诊断

 

参考

https://www.cnblogs.com/skyfsm/p/8051705.html

 

 

*********************看了1个多月的资料，我准备开始进行尝试使用tensorflow对视频质量进行判断***************

第一步：选择网络模型

我认为判断一路图像好或者坏，其实就是一个分类算法，一幅图像要么是好，要么坏，没有第三种选择吧。

所以我需要找一个图像分类的网络模型，现在计划使用lenet-5的网络模型进行评估视频质量诊断，两个卷积层+全连接

先试一下效果吧。

先从黑屏开始下手，由简入深。

准备样本：先准备黑屏图片数据，再做尺寸统一化，目前计划采用480*270 主要考虑到1080P的图像除以4，图像变形小点。

那先做图片处理，把黑屏样本转成分辨率为480*270的图片

写了一个批处理的脚本，实现分辨率的转换

import cv2 as cv
import os

picpath = 'C:/Users/shenwei/Desktop/videoquality/black/'
picsavepath = 'C:/Users/shenwei/Desktop/videoquality/blackstandard/'

for root, dirs, files in os.walk(picpath): 
    i =0
    for file in files:
        i = i+1
        picpp = root +file
        image = cv.imread(picpp)
        image = cv.resize(image,(480,270),interpolation =  cv.INTER_NEAREST)
        newpath = picsavepath+'%d.jpg' % i
        cv.imwrite(newpath,image)
        print(newpath)

效果如下：

 

 一共20张图片，不过感觉远远不够，我认为至少要准备100张，这里决定对图像进行一下颠倒翻转等操作。