课5 视频分镜的处理

最新推荐文章于 2024-03-08 17:14:27 发布

princesshu

最新推荐文章于 2024-03-08 17:14:27 发布

阅读量1.3k

点赞数

文章标签：音视频 opencv 计算机视觉

本文链接：https://blog.csdn.net/princesshu/article/details/120898468

版权

本文介绍了如何对视频进行处理，将其分解为图片并进行均值哈希分析，用于图片筛选。同时，通过直方图分析和巴氏系数算法计算图片之间的相似度。

摘要由CSDN通过智能技术生成

一、对视频进行处理，分解成一帧一帧的图片保存到一个新建的文件夹：

import os
import cv2
import subprocess
 
v_path='lulu.mp4'
image_save='./pic00'   #新建创建一个pic00文件夹
 
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.imwrite('./pic2/image{}.jpg'.format(i),img)

二、对截取的画面进行均值哈希分析：

具体步骤：

1、缩小尺寸，将图片缩放为8*8的大小。
2、简化色彩，把图片转为64级灰度图。
3、计算平均值，计算灰度处理的图片所有像素点的平均值。
4、比较像素灰度值，把所有像素的灰度与平均值比较，如果大于平均值记录为1，否则为0。
5、得到哈希值，把比较结果组合得到的64位的整数，也就是这张图片的指纹。

基于均值哈希分析，进行图片的筛选

import cv2
import numpy as np
import matplotlib.pyplot as plt
import os
 
def aHash(img):
    plt.imshow(img)
    plt.axis('off')
    plt.show()
    img=cv2.resize(img,(8,8))
    plt.