目录
一、前言
本文中所使用的图片素材均为基于ffmpeg程序将短视频切割获得,具体代码如下:
import cv2
import subprocess
#导入第三方库
video_path="ghz.mp4"
#设置视频路径
image_save="./pic"
#设置图片待保存路径,注:需新建名为“pic”的文件夹
cap=cv2.VideoCapture(video_path)
frame_count=cap.get(cv2.CAP_PROP_FRAME_COUNT)
#逐帧裁切视频
for i in range(int(frame_count)):
_,img=cap.read()
cv2.imwrite("./pic/image{}.jpg".format(i),img)
#输出每一帧
所得图片素材如下(共550张):
一、基础算法-判断两张图片是否相等/相似
(一)基于相等判断图像是否相同
待判断的两张图片完全一样,代码如下:
import operator
from PIL import Image
a=Image.open('./pic/image0.jpg')
b=Image.open('./pic/image0.jpg')
out=operator.eq(a,b)
print(out)
输出结果为“True”,程序判断图像相同
(二)基于numpy计算图像是否相似
待判断图片如下:
代码如下:
import numpy as np
from PIL import Image
a=Image.open('./pic/image0.jpg')
b=Image.open('./pic/image1.jpg')
diff=np.subtract(a,b)
out=not np.any(diff)
print(out)
输出结果为“False”,程序判断两张图像不相同
(三)基于哈希判断图像是否相似
待判断图像如下:
代码如下:
import hashlib
a=open('./pic/image1.jpg','rb')
b=open('./pic/image2.jpg','rb')
amd5=hashlib.md5(a.read()).hexdigest()
bmd5=hashlib.md5(b.read()).hexdigest()
if amd5==bmd5:
print("True")
else:
print("False")
#print(amd5)
#print(bmd5)
#可选择是否输出两张图片的哈希值
输出结果为“False”,程序判断两张图像不相同
(四)基于各种哈希计算图片相似度
首先引入第三方库,代码如下:
import cv2
import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
1、均值哈希算法
代码如下:
def aHash(img):
# 缩放为8*8
plt.imshow(img)
plt.axis('off') #去掉坐标轴
plt.show()
img = cv2.resize(img, (8, 8))
plt.imshow(img)
plt.axis('off') #去掉坐标轴
plt.show()
# 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
定义变量为具体图片,输出各阶段展现结果为: