基于视频的相似图片处理[均值哈希算法相似度、三直方图算法相似度]

最新推荐文章于 2024-06-12 22:27:53 发布

jema01

最新推荐文章于 2024-06-12 22:27:53 发布

阅读量2.4k

点赞数 3

文章标签：算法音视频均值算法

本文链接：https://blog.csdn.net/jema01/article/details/120896759

版权

该博客介绍了如何处理视频分镜，通过均值哈希算法和三直方图算法计算图片相似度。在视频处理中，将视频切割成图片并使用两种算法来判断帧间差异，从而提取不同分镜。实验结果显示，增加均值哈希的n值会减少导出镜头数，提高速度；而三直方图算法中，n值越小，表示相似度越低，导出镜头更少。

摘要由CSDN通过智能技术生成

一.视频分镜处理

操作步骤解释：

1.将视频切割为图片，并写入新建空白文件夹。

2.判断两张图片的相似度（较复杂的数据判断——均值哈希算法相似度、三直方图算法相似度）。

3.遍历视频所有的帧，提取与其他分镜有明显区别的分镜，完成。

代码呈现1：

import os
import cv2
import subprocess
import inspect
import numpy as np

os.chdir("d:\lesson6")

#把视频打散为图片
v_path='video.mp4'
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("./pic/{}.jpg".format(i),img)

代码呈现2【均值哈希算法相似度】：


def aHash(img):
    img=cv2.resize(img,(8,8))#缩放为8*8,便于统一识别
    gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转换为灰度图
#s为像素和初值为0，hash_str为hash值初值为''
    s=0#数值
    hash_str=""#字符串
#遍历累加求像素和
    for i in range(8):
        for j in range(8):
            s=s+gray[i,j]