Python软件设计基础第六节-在Pycharm中利用Flask实现分镜

最新推荐文章于 2024-05-29 11:53:04 发布

惊蛰鼬神

最新推荐文章于 2024-05-29 11:53:04 发布

阅读量609

点赞数

文章标签： python pycharm flask

本文链接：https://blog.csdn.net/weixin_48138515/article/details/121167982

版权

一、基础环境配置

（一）Pycharm安装及配置

在官网下载社区版的Pycharm，并安装。

安装时，尽量安装在纯英文目录下，防止后续使用中出现问题。

（二）新建项目

在Pycharm中新建项目，路径也尽量选择纯英文路径，并在新建菜单栏中选中下图中标红的两项。由于之前一直使用的是IDLE(Python 3.9)版本进行编译，选中这两项后，可以直接将之前安装的第三方库在Pycharm中使用，减少了重新安装第三方库的繁琐。

（三）配置资源环境

将程序所需的视频、图片、HTML文件放置到程序的相同目录下，可以省去修改路径的步骤。

二、 Flask基本操作

（一）检验Flask运行状态

在程序中输入下列代码：

from flask import Flask
#导入带三方库

app = Flask(__name__)
#定义app

@app.route('/')
def hello_world():
    return 'Hello, World!'
#定义待输出内容

if "__main__"==__name__:
    app.run(port="5008")
#运行

运行结果如下：

证明Flask运行正常。

（二）渲染网页

1、设置网页格式

在程序所在的目录下创建一个文件夹，命名为“templates”。在该文件夹下，新建HTML文件，并命名为“index.html”，编辑内容如下：

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Flask分镜</title>
</head>
<body>
视频分镜
</body>
</html>

2、利用程序向网页中写入内容

代码如下：

from flask import Flask,render_template

app=Flask(__name__)

@app.route('/')
def index():
    #return "Hi,Flask!"
    return render_template('index.html')

if "__main__"==__name__:
    app.run(port="5008")

运行程序，结果如下：

渲染网页成功。

三、利用Flask实现分镜

（一）利用程序将视频逐帧导出为图片，并呈现到前端

1、配置前端格式

在程序所在的目录下创建一个文件夹，命名为“templates”。在该文件夹下，新建HTML文件，并命名为“index.html”，编辑内容如下：

<body>
视频分镜
<br>
<video width="640" height="480" controls autoplay>
  <source src="static/hy.mp4" type="video/mp4">
  <object data="static/hy.mp4" width="640" height="480">
    <embed width="640" height="480" src="static/hy.mp4">
  </object>
</video>
<br>
帧数：{{framecount}}<br>
{% for i in range(framecount) %}
    <img height="20" src="{{pic1}}{{i}}.jpg" />
{% endfor %}
</body>

显示格式为：

2、编写程序

代码如下：

from flask import Flask,render_template
import os
import cv2
#导入第三方库

app=Flask(__name__)

def genFrame():
    #将已有视频逐帧导出为图片
    v_path='static/hy.mp4'
    image_save='static/pic'
    #读取文件

    if not(os.path.exists(image_save)):
        os.mkdir(image_save)

    cap=cv2.VideoCapture(v_path)
    fc=cap.get(cv2.CAP_PROP_FRAME_COUNT)

    for i in range(int(fc)):
        _,img=cap.read()
        cv2.imwrite('static/pic/image{}.jpg'.format(i),img)


@app.route('/')
def index():
    #return "Hi,Flask!"
    genFrame()
    #将已有视频逐帧导出为图片
    pic='static/pic/image'
    framecount=470
    return render_template('index.html',pic1=pic,framecount=framecount)

if "__main__"==__name__:
    app.run(port="5008")

输出的结果为：

（二）通过哈希值比较及图像直方图统计实现分镜

1、设置网页格式

代码如下：

<body>
视频分镜
<br>
<video width="640" height="480" controls autoplay>
  <source src="static/hy.mp4" type="video/mp4">
  <object data="static/hy.mp4" width="640" height="480">
    <embed width="640" height="480" src="static/hy.mp4">
  </object>
</video>
<br>
均值哈希帧数：{{framecount}}<br>
{% for i in range(framecount) %}
<img height="40" src="static/hash/{{filename[i]}}" />
{{filename[i]}}
{% endfor %}

<br>
直方图相似度帧数：{{histcount}}<br>
{% for i in range(histcount) %}
<img height="40" src="static/hist/{{histfile[i]}}" />
{{histfile[i]}}
{% endfor %}

</body>

网页格式如下：

2、代码实现

导入第三方库并定义app

import os
import numpy as np
import matplotlib.pyplot as plt
from flask import Flask,render_template
from PIL import Image

app=Flask(__name__)

定义计算序列中相邻图片的哈希值函数

def aHash(img):
    #计算图像的哈希值

    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    #将图片转换为灰度图
    s = 0
    hash_str = ''
    #定义s为像素，初值为0，hash_str为hash值，初值为''
    for i in range(8):
        for j in range(8):
            s = s + gray[i, j]
            #遍历累加求像素和
    avg = s / 64
    #求平均灰度
    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
    #灰度大于平均值为1，小于平均值为0，生成图片的hash值

定义哈希值对比函数

def cmpHash(hash1,hash2):
    #将哈希值进行对比
    n = 0
    #print(hash1)
    #print(hash2)
    if len(hash1)!=len(hash2):
        return -1
    #hash长度不同则返回-1，代表传参出错
    for i in range(len(hash1)):
        #遍历判断
        if hash1[i] != hash2[i]:
            n = n + 1
    return n
    #不相等则n计数+1，n最终为相似度

将通过哈希值识别出的不同分镜图片存入文件中

img0 = cv2.imread('./static/pic/image{}.jpg'.format(0))
cv2.imwrite('./static/hash/image{}.jpg'.format(0),img0)
#保留第一帧画面
for i in range(469):
    img1 = cv2.imread('./static/pic/image{}.jpg'.format(i))
    img2 = cv2.imread('./static/pic/image{}.jpg'.format(i + 1))
    # 按序读入图片序列
    hash1 = aHash(img1)
    hash2 = aHash(img2)
    n = cmpHash(hash1, hash2)
    if (n > 30):
        #print("均值哈希算法相似度：", n / 64)
        cv2.imwrite('./static/hash/image{}.jpg'.format(i + 1), img2)

定义计算序列中相邻图片的图像直方图函数

def calculate(image1, image2):
    # 计算单通道的直方图相似度
    hist1 = cv2.calcHist([image1], [0], None, [256], [0.0, 255.0])
    hist2 = cv2.calcHist([image2], [0], None, [256], [0.0, 255.0])
    plt.plot(hist1, color="r")
    plt.plot(hist2, color="g")
    # plt.show()

    degree = 0
    for i in range(len(hist1)):
        # 计算直方图的重合度
        if hist1[i] != hist2[i]:
            degree = degree + (1 - abs(hist1[i] - hist2[i]) / max(hist1[i], hist2[i]))
        else:
            degree = degree + 1
            # 统计相似
    degree = degree / len(hist1)
    return degree
    # 返回结果

制定判断精准度，并将通过直方图得出的不同分镜图片存入文件中

img0 = cv2.imread('./static/pic/image{}.jpg'.format(0))
cv2.imwrite('./static/hist/image{}.jpg'.format(0),img0)
#保留第一帧画面
for i in range(469):
    img1=cv2.imread('./static/pic/image{}.jpg'.format(i))
    img2=cv2.imread('./static/pic/image{}.jpg'.format(i+1))
    #按序读入图片序列
    n=calculate(img1,img2)
    #n2=为单通道直方图相似度
    if (n<0.67):
        cv2.imwrite('./static/hist/image{}.jpg'.format(i+1),img2)
    #保存符合条件的图片

将图片按照已有的目标网页导入前端

@app.route('/')
def shot():
    path='static/hash'
    filename = os.listdir(path)
    framecount=len(filename)
    filename.sort(key= lambda x:int(x[5:-4]))

    path='static/hist'
    histfile = os.listdir(path)
    histcount=len(histfile)
    histfile.sort(key= lambda x:int(x[5:-4]))   #对List的元素排序

    return render_template('shot.html',filename=filename,framecount=framecount,histfile=histfile,histcount=histcount)

if "__main__"==__name__:
    app.run(port="5008")

输出结果为：

四、总结

编写程序一定要把握各个细节，一个小小的问题就会让整个程序无法运行。例如，在第三部分中，因为“for···in···”循环中的图片序列数多了一张，导致程序一直报错，无法找到相关文件。直到从头到尾检查了一遍，才找出问题所在。

惊蛰鼬神

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Python软件设计基础第六节-在Pycharm中利用Flask实现分镜

本文介绍了Pycharm的安装与配置，并在Pycharm环境中利用Flask模块进行网页的呈现。通过对图片哈希值和直方图进行比较，实现视频分镜，并将分镜结果呈现到网页中。
复制链接

扫一扫