第四周：基于图像相似度比较的分镜头_图片与视频比对相似-CSDN博客

本文链接：https://blog.csdn.net/mitouhao/article/details/120654205

本文介绍了将视频拆分为图片并利用Python进行图像相似度比较的方法，包括相等判断、numpy计算、哈希算法（均值哈希和差值哈希）以及图像直方图。通过实验得出结论，对于需要百分比相似度计算的场景，如监控对比和连连看游戏，OpenCV更适合。作者提出设想，结合OpenCV和sklearn的机器学习能力，可能实现更高级的图像识别任务。

摘要由CSDN通过智能技术生成

1.把视频打散为图片

首先在操作路径下载视频，然后将视频分帧数导出为图片

#把视频打散为图片
import os
import cv2
import subprocess

os.chdir('/Users/air/Desktop/mediabigdata')
v_path='/Users/air/Desktop/ghz.mp4'
image_save='/Users/air/Desktop/pic'

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.cv2.Color_BGR2GRAY)    #cv2.Color_RGB2HSV     cv2/Color_BGR2HSV 
    cv2.imwrite('/Users/air/Desktop/pic/image{}.jpg'.format(i),img)

虽然我这里代码报错显示OpenCV：img文件empty，但是可以顺利导出，此时对应的下载图片到的文档的名字是【pic】而不是img（同时为了防止报错虽然好像没用到但在桌面建立了mediabigdata文件夹。

最终输出成果如图：

19秒的视频打散为了549张image。

2.基于相等判断图像是否相同

#基于相等判断图像是否相同
import operator
from PIL import Image
import os
os.chdir('/Users/air/Desktop/mediabigdata')

a=Image.open('/Users/air/Desktop/沈腾2.jpeg')
b=Image.open('/Users/air/Desktop/沈腾2.jpeg')

out=operator.eq(a,b)
print(out)

这里就是纯相等判断不可以判断相似输出结果实例如下：

3.基于numpy计算图像是否相似

这个个人理解和上面没区别只是引用库不一样

#基于numpy计算图像是否相似
import numpy as np
from PIL import Image

import os
os.chdir('/Users/air/Desktop/mediabigdata')

a=Image.open('/Users/air/Desktop/pic/image46.jpg')
b=Image.open('/Users/air/Desktop/pic/image47.jpg')

diff=np.subtract(a,b)
out=not np.any(diff)
print(out)

4.基于哈希判断

继续说openCV相识度问题.

一般通过三种哈希算法与灰度直方图算法进行判断

#基于哈希判断
import hashlib

a=open('/Users/air/Desktop/pic/image46.jpg','rb')
b=open('/Users/air/Desktop/pic/image47.